【技术实现步骤摘要】
【国外来华专利技术】警觉性预测系统和方法对相关申请的交叉引用本申请要求题为“警觉性预测算法”、于2016年2月18日提交的、序列号为62/296,800的美国临时申请(Atty.Doc.No.TVC-141USP)和题为“警觉性预测系统和方法”、于2016年12月12日提交的、序列号为62/432,977的美国临时申请(Atty.Doc.No.TVC-141USP1)的优先权,这些申请每个的内容通过引用完全包括在本说明书中。
技术介绍
个人警觉性的不受控制的下降是一个日益令人担忧的问题,在某些领域的后果正在接近泛滥的程度。例如,估计每天有25万名驾驶员在驾驶时睡着。严重和致命的卡车、公交车、火车和机动车事故正在以令人惊恐的频率发生。制造工厂中的许多受伤和事故与疲劳有关。监控警觉性的目的在于防止发生这些和其它紧急情况,而不是事后处理。例如,在驾驶时已经睡着之后再叫醒就已经太迟了。过去,用于预测或估计个人警觉性的算法基于经常称作的双进程模型。该双进程模型由昼夜节律进程和睡眠-清醒稳态模型组成。该模型的昼夜节律方面通常仅基于一标准时间周期(例如:23-25小时)。另一方面,睡眠-清醒稳态模型则通常仅基于体动记录仪的确定结果。双进程算法模型的当前形式的一个缺陷在于,该形式基于从小样本集合收集的数据来概括其对警觉性的预测。该算法无法对其拟用于的个人进行个性化设置。
技术实现思路
本专利技术的各方面旨在通过收集来自于被监控的个人的数据以产生对该个人的警觉性水平更准确的估计来改善现有的疲劳和警觉性水平预测模型。可在可穿戴设备中引入一算法或生物-数学模型,以便基于主观和客观测量值的组合来检测、预测和/ ...
【技术保护点】
1.一种可穿戴设备,用于监控和预测个人的警觉性,所述可穿戴设备包括:一个或更多个被配置为获得关于所述个人的信息信号的传感器,所述传感器包括以下中的至少一种:被配置为产生所述个人的运动数据和/或身体姿势数据的运动传感器,被配置为产生所述个人的远端皮肤温度数据的温度传感器,和被配置为产生所述个人的心率数据的心率监控器;存储器,该存储器被配置为存储:缺省昼夜节律,被配置为用从关于所述个人的所述信息信号得出的数据来进行精细化以生成所述个人的估计的昼夜节律,生物‑数学模型,被配置为生成所述个人的疲劳分数;处理器,该处理器联接到所述一个或更多个传感器和所述存储器并被配置为:接收关于所述个人的信息信号,所述信息信号包括运动数据、姿势数据、远端皮肤温度数据或心率数据中的至少一种,通过引入关于所述个人的信息信号以精细化所述缺省昼夜节律,来估计所述个人的昼夜节律,从关于所述个人的信息信号和所估计的昼夜节律中提取特征,对所提取的特征应用至少一种模式识别算法或机器学习算法,使用该至少一种模式识别算法或机器学习算法来从所提取的特征中提取至少一个系数,对提取的所述至少一个系数应用生物‑数学模型,以及使用所述生物‑ ...
【技术特征摘要】
【国外来华专利技术】2016.02.18 US 62/296,800;2016.12.12 US 62/432,9771.一种可穿戴设备,用于监控和预测个人的警觉性,所述可穿戴设备包括:一个或更多个被配置为获得关于所述个人的信息信号的传感器,所述传感器包括以下中的至少一种:被配置为产生所述个人的运动数据和/或身体姿势数据的运动传感器,被配置为产生所述个人的远端皮肤温度数据的温度传感器,和被配置为产生所述个人的心率数据的心率监控器;存储器,该存储器被配置为存储:缺省昼夜节律,被配置为用从关于所述个人的所述信息信号得出的数据来进行精细化以生成所述个人的估计的昼夜节律,生物-数学模型,被配置为生成所述个人的疲劳分数;处理器,该处理器联接到所述一个或更多个传感器和所述存储器并被配置为:接收关于所述个人的信息信号,所述信息信号包括运动数据、姿势数据、远端皮肤温度数据或心率数据中的至少一种,通过引入关于所述个人的信息信号以精细化所述缺省昼夜节律,来估计所述个人的昼夜节律,从关于所述个人的信息信号和所估计的昼夜节律中提取特征,对所提取的特征应用至少一种模式识别算法或机器学习算法,使用该至少一种模式识别算法或机器学习算法来从所提取的特征中提取至少一个系数,对提取的所述至少一个系数应用生物-数学模型,以及使用所述生物-数学模型由提取的所述至少一个系数生成所述个人的疲劳分数;以及支承件,该支承件被配置为在所述个人身上支承所述一个或更多个传感器、所述存储器和所述处理器。2.如权利要求1所述的可穿戴设备,其中,所述生物-数学模型是一种双进程算法,该双进程算法被配置为使用睡眠-清醒稳态评估和所估计的昼夜节律来预测所述个人的警觉性水平,并且其中,所述处理器还被配置为:使用所述运动数据和/或身体姿势数据来进行体动记录确定,基于所述体动记录确定,使用所述双进程算法来评估所述个人的睡眠-清醒稳态,包括睡眠和清醒时期,以及根据所述双进程算法,将所述睡眠-清醒稳态评估和所估计的昼夜节律结合到所述个人的疲劳分数的生成中。3.如权利要求2所述的可穿戴设备,其中,所述处理器还被配置为:使用所述远端皮肤温度数据或所述心率数据中的至少一种来精细化所述体动记录确定,以及进而基于经过精细化的体动记录确定,评估所述个人的睡眠-清醒稳态。4.如权利要求1所述的可穿戴设备,其中,所述至少一个系数包括昼夜节律系数(Φ)、清醒/睡眠系数(T)、昼夜节律加权系数或清醒/睡眠加权系数中的至少一个。5.如权利要求1所述的可穿戴设备,其中,所述处理器还被配置为:通过使用信号处理技术来处理关于所述个人的所述信息信号;将经过处理的信息信号引入到对所述个人的昼夜节律的估计中;以及将经过处理的信息信号引入到对所述特征的提取中。6.如权利要求1所述的可穿戴设备,其中,所述处理器还被配置为:获得关于所述个人的运动和/或姿势的信息信号;使用关于所述个人的运动的信息信号来确定所述个人的体动记录数据;对所述体动记录数据应用所述生物-数学模型,其中,所述生物-数学模型选自清醒生物-数学子模型和睡眠生物-数学子模型中的一个;以及将所述体动记录数据引入到所述个人的疲劳分数的生成中。7.如权利要求6所述的可穿戴设备,其中,所述处理器还被配置为使用关于所述个人的远端皮肤温度或所述个人的心率的信息信号中的至少一个来精细化所述体动记录数据。8.如权利要求1所述的可穿戴设备,其中,所提取的特征包括以下中的一个或更多个:指示所述个人的昼夜节律的形状的标记;关于所述个人在工作日和空闲日的睡眠习惯的信息;以及,关于所述个人的一般性医疗信息。9.如权利要求1所述的可穿戴设备,其中,所述处理器还被配置为在关于所述个人的个人参数被输入所述可穿戴设备时将所述个人参数引入到对所述特征的提取中。10.如权利要求1所述的可穿戴设备,其中,所述处理器还被配置为:识别关于所述个人的所述信息信号中的原始昼夜节律数据;识别所述原始昼夜节律数据中的由非昼夜节律事件导致的非昼夜节律数据;从所述原始昼夜节律数据中去除所述非昼夜节律数据以获得经过精细化的昼夜节律数据;以及将所述经过精细化的昼夜节律数据引入到对所述个人的昼夜节律的估计中。11.如权利要求1所述的可穿戴设备,其中,所述可穿戴设...
【专利技术属性】
技术研发人员:马特·凯尼恩,科林·佩恩罗杰斯,乔希·琼斯,
申请(专利权)人:CURAEGIS科技公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。