使用心率的频谱分析和运动来检测快速眼动睡眠时段的机器学习模型制造技术

提供了用于基于脉搏率的频谱分析和运动数据而概率性地估计个体的睡眠阶段的系统和方法。实施例包含从个体穿戴的传感器接收信号，所述信号包含光电容积脉搏(PPG)信号和加速度计信号。实施例可以将PPG信号划分成段并确定与每个段相关联的跳动间隔。实施例可以对该组跳动间隔重采样以生成间隔信号。实施例可以基于间隔信号和加速度计信号而生成信号特征，该信号特征包含该间隔信号的频谱图。实施例可以通过将信号特征与包含在学习库中的睡眠阶段分类器进行比较来确定个体的睡眠阶段，其中睡眠阶段分类器包括一个或多个函数，该一个或多个函数定义了基于信号特征、个体处于睡眠阶段的似然。

Machine learning model for detecting rapid eye movement sleep time using frequency spectrum analysis and motion detection of heart rate

A system and method for probabilistically estimating individual sleep stages based on pulse rate spectrum analysis and motion data are provided. The embodiment includes a signal received from a sensor worn by an individual, and the signal includes a photoelectric volume pulse (PPG) signal and an accelerometer signal. Embodiments can divide PPG signals into segments and determine the jumping intervals associated with each segment. An example can be used to resample the beat interval to generate interval signals. The embodiment may generate a signal feature based on the interval signal and the accelerometer signal, which includes the spectrum of the interval signal. The embodiment can determine an individual's sleep stage by comparing the signal characteristics with the sleep stage classifier contained in the learning library, where the sleep stage classifier includes one or more functions that define the likelihood that the individual is in the sleep stage based on the signal characteristics.

【技术实现步骤摘要】
【国外来华专利技术】使用心率的频谱分析和运动来检测快速眼动睡眠时段的机器学习模型相关申请的交叉引用本申请要求2016年2月1日提交的美国临时申请No.62/289,796的优先权，该美国临时申请的全部内容通过引用明确地并入本文。另外，本申请的系统和方法可以包括于2016年2月1日提交的美国临时申请No.62/289,781中公开的一个或多个过程，该美国临时申请的全部内容通过引用明确地并入本文。
本公开总体上涉及用于测量个体的生理参数的计算机实现的系统和方法。更具体地，但不限于，所公开的实施例涉及用于使用脉搏率的频谱分析和运动数据来检测个体的睡眠阶段的系统和方法。
技术介绍
确定个体的睡眠模式可以提供有用的健康信息，诸如与个体的睡眠习惯、睡眠质量、睡眠持续时间和其他生理参数有关的信息。例如，许多个体可能希望确定他们的睡眠阶段，以评估他们的总体健康水平，检测睡眠异常或障碍，以及识别个人睡眠模式。此外，这样的信息可以用于检测诸如帕金森病、PTSD、重性抑郁症、阿尔茨海默病的生理状况的先兆(precursor)、以及其他这样的测量。用于确定个体的睡眠阶段的常规方法存在许多缺点，并且可能无法提供精确的结果。当使用常规的测量系统和技术时，数个因素可以影响睡眠阶段的确定。
技术实现思路
所公开的实施例可以包含用于通过使用脉搏率的频谱分析和运动数据来检测个体的睡眠阶段的计算机实现的系统和方法。所公开的实施例可以包含，例如，用于概率性地估计个体的睡眠阶段的计算机实现的方法。该方法可以使用一个或多个处理器来实现，并且可以包含从个体穿戴的一组传感器接收一组信号。该组信号可以包含光电容积脉搏(PPG)信号和/或加速度计信号。该方法可以进一步包含确定所接收的PPG信号是否包括具有相等持续时间的段，并且如果所接收的PPG信号包括具有不等持续时间的段则将PPG信号划分为一组等时间的段。该方法还可以包含确定与每个段相关联的跳动间隔(beatinterval)。该跳动间隔可以反映个体的连续心跳之间经过的时间。该方法还可以包含对一组跳动间隔进行采样以生成间隔信号。可以使用与PPG信号的等时间的段的频率相同的频率对跳动间隔进行采样，或者可以使用与PPG信号的等时间的段的频率不同的频率对跳动间隔进行采样。该方法还可以包含基于间隔信号和加速度计信号而生成一组信号特征。该组信号特征可以包含该间隔信号的频谱图。该方法还可以包含通过使用包含在学习库中的睡眠阶段分类器对该组信号特征进行操作来确定个体的睡眠阶段。该睡眠阶段分类器可以包含一组函数，该组函数定义了基于该组信号特征、个体处于睡眠阶段的似然。所公开的实施例还可以包含，例如，用于概率性地估计个体的睡眠阶段的计算机实现的系统。该系统可以包含储存指令的存储器和配置为执行该指令以进行一个或多个操作的一个或多个处理器。该操作可以包含从个体穿戴的一组传感器接收一组信号。该组信号可以包含光电容积脉搏(PPG)信号和/或加速度计信号。该方法可以进一步包含确定所接收的PPG信号是否包括具有相等持续时间的段，并且如果所接收的PPG信号包括具有不等持续时间的段则将PPG信号划分为一组等时间的段。该操作还可以包含确定与每个段相关联的跳动间隔。该跳动间隔可以反映个体的连续心跳之间经过的时间。该操作还可以包含对一组跳动间隔进行采样以生成间隔信号。可以使用与PPG信号的等时间的段的频率相同的频率对跳动间隔进行采样，或者可以使用与PPG信号的等时间的段的频率不同的频率对跳动间隔进行采样。该操作还可以包含基于间隔信号和加速度计信号而生成一组信号特征。该组信号特征可以包含该间隔信号的频谱图。该操作还可以包含通过使用包含在学习库中的睡眠阶段分类器对该组信号特征进行操作来确定个体的睡眠阶段。该睡眠阶段分类器可以包含一组函数，该组函数定义了基于该组信号特征、个体处于睡眠阶段的似然。所公开的实施例还可以包含，例如，储存指令的有形的非暂时性计算机可读介质，该指令在由至少一个处理器执行时，使得至少一个处理器进行用于概率性地确定个体的睡眠阶段的方法。该方法可以包含从个体穿戴的一组传感器接收一组信号。该组信号可以包含光电容积脉搏(PPG)信号和/或加速度计信号。该方法可以进一步包含确定所接收的PPG信号是否包括具有相等持续时间的段，并且如果所接收的PPG信号包括具有不等持续时间的段则将PPG信号划分为一组等时间的段。该方法还可以包含确定与每个段相关联的跳动间隔。该跳动间隔可以反映个体的连续心跳之间经过的时间。该方法还可以包含对一组跳动间隔进行采样以生成间隔信号。可以使用与PPG信号的等时间的段的频率相同的频率对跳动间隔进行采样，或者可以使用与PPG信号的等时间的段的频率不同的频率对跳动间隔进行采样。该方法还可以包含基于间隔信号和加速度计信号而生成一组信号特征。该组信号特征可以包含该间隔信号的频谱图。该方法还可以包含通过使用包含在学习库中的睡眠阶段分类器对该组信号特征进行操作来确定个体的睡眠阶段。该睡眠阶段分类器可以包含一组函数，该组函数定义了基于该组信号特征、个体处于睡眠阶段的似然。所公开的实施例的附加特征和优点将部分地在下面的描述中阐述。应当理解，前面的一般性描述和下面的详细描述都只是示例和说明，而不是对要求保护的公开实施例的限制。附图构成本说明书的一部分。附图图示了本公开的若干实施例，并且与说明书一起可用于解释所附权利要求中阐述的所公开实施例的原理。附图说明图1描绘了用于实现与本公开一致的实施例的示例性系统环境。图2描绘了与所公开的实施例一致的示例性计算系统。图3描绘了与所公开的实施例一致的用于概率性地估计个体的睡眠阶段的示例性过程的流程图。图4描绘了与所公开的实施例一致的用于生成一组信号特征的示例性过程的流程图。图5描绘了与所公开的实施例一致的用于从学习库生成睡眠阶段分类器的示例性过程的流程图。图6描绘了与所公开的实施例一致的一组信号的增强处理的示例性过程的流程图。图7描绘了与所公开的实施例一致的生成睡眠阶段分类器中的信号权重的示例性过程的流程图。图8描绘了与所公开的实施例一致的示例性神经网络的框图。图9描绘了与所公开的实施例一致的用于基于用户数据而更新学习库的示例性过程的流程图。具体实施方式所公开的实施例涉及用于概率性地估计个体的睡眠阶段的系统和方法。如本文所使用的，睡眠阶段可以指代睡眠的一个或多个时期或状态，每个识别出的时期或状态具有特定的生理特点(或多个生理特点)。这些时期和状态可以是本领域已知的。例如，潜在睡眠阶段可以包含诸如清醒、N1、N2、N3、N4、REM(快速动眼)、非REM(NREM)的状态。在一些情况下，潜在睡眠阶段对应于单个识别的时期或状态。在一些情况下，潜在睡眠阶段对应于多个识别的睡眠时期或状态。例如，阶段N1-N4可以总体地包括非REM(NREM)睡眠阶段。在另一个示例中，阶段N3和N4可以构成单个阶段(例如，“N3”)。可以将某些阶段标记为诸如“深度睡眠”、“轻度睡眠”或一些其他描述性短语。在一些方面，所公开的实施例可以从个体上穿戴的装置中包含的一组传感器获得、测量、检测或接收一组信号，该组信号包含光电容积脉搏(PPG)信号和加速度计(例如，运动)信号。所公开的实施例可以分析该测量的信号以生成一组信号特征。一些信号特征可本文档来自技高网...

【技术保护点】
1.一种用于概率性地确定个体的睡眠阶段的方法，所述方法包括经由一个或多个处理器进行的以下操作：从由个体穿戴的一组传感器接收一组信号，该组信号包含光电容积脉搏(PPG)信号和加速度计信号；如果所接收到的PPG信号包括具有不等持续时间的段，将所述PPG信号划分为一组等时间的段；确定与每个段相关联的跳动间隔，所述跳动间隔反映连续心跳之间经过的时间；对该组跳动间隔进行采样以生成间隔信号；基于所述间隔信号和所述加速度计信号生成一组信号特征，该组信号特征包含所述间隔信号的频谱图；以及通过使用学习库中包含的睡眠阶段分类器对该组信号特征进行操作来确定个体的睡眠阶段，其中所述睡眠阶段分类器包括一组函数，该组函数定义基于该组信号特征、个体处于所述睡眠阶段的似然。

【技术特征摘要】
【国外来华专利技术】2016.02.01 US 62/289,7961.一种用于概率性地确定个体的睡眠阶段的方法，所述方法包括经由一个或多个处理器进行的以下操作：从由个体穿戴的一组传感器接收一组信号，该组信号包含光电容积脉搏(PPG)信号和加速度计信号；如果所接收到的PPG信号包括具有不等持续时间的段，将所述PPG信号划分为一组等时间的段；确定与每个段相关联的跳动间隔，所述跳动间隔反映连续心跳之间经过的时间；对该组跳动间隔进行采样以生成间隔信号；基于所述间隔信号和所述加速度计信号生成一组信号特征，该组信号特征包含所述间隔信号的频谱图；以及通过使用学习库中包含的睡眠阶段分类器对该组信号特征进行操作来确定个体的睡眠阶段，其中所述睡眠阶段分类器包括一组函数，该组函数定义基于该组信号特征、个体处于所述睡眠阶段的似然。2.如权利要求1所述的方法，其中对该组跳动间隔进行采样包括使用所述等时间的段的频率进行采样。3.如权利要求1所述的方法，其中对该组跳动间隔进行采样包括使用与所述等时间的段的频率不同的频率进行重采样。4.如权利要求1所述的方法，其中该组函数包含信号权重，并且其中每个信号权重基于该组信号特征中的特征与已知睡眠阶段之间的相关性。5.如权利要求4所述的方法，进一步包括：以第一采样率对所述加速度计信号进行采样；在与所述加速度计信号相关联的每个通道上对采样的加速度计信号求微分；以及在加速度计时间窗内对微分后的加速度计信号的幅度取平均，以生成时间上平均的运动信号；其中该组信号特征进一步包括所述时间上平均的运动信号，使得所述睡眠阶段进一步基于所述时间上平均的运动信号。6.如权利要求4所述的方法，其中该组信号特征进一步包括从以第二采样率采样的PPG信号导出的平均脉搏率、以及所述间隔信号的频谱图中的多个频带中的每个频带中的绝对能量的求和。7.如权利要求6所述的方法，其中所述睡眠阶段是从一组潜在睡眠阶段中确定的，其中该组潜在睡眠阶段包括清醒阶段、非REM阶段和REM阶段，并且所述方法进一步包括基于该组信号特征和所述睡眠阶段分类器中的该组信号权重来确定所述潜在睡眠阶段中每个的睡眠阶段似然。8.如权利要求7所述的方法，其中确定所述睡眠阶段进一步包括：基于一组睡眠阶段似然之中的最高睡眠阶段似然，来识别最可能的睡眠阶段，该组睡眠阶段似然包含与潜在睡眠阶段相关联的每个睡眠阶段似然；以及确定所述最高睡眠阶段似然是否超过预设阶段似然阈值。9.如权利要求5所述的方法，其中所述学习库包括来自多个个体的多个期段的数据，并且其中该组信号权重基于对该组特征中每个特征在所述多个个体中的每个个体的每个期段内进行归一化。10.一种用于概率性地确定个体的睡眠阶段的系统，包括：存储指令的存储器；以及一个或多个处理器，配置为执行所述指令以进行一个或多个操作，所述操作包括：从由个体穿戴的一组传感器接收一组信号，该组信号包含光电容积脉搏(PPG)信号和加速度计信号；如果所接收到的PPG信号包括具有不等持续时间的段，将所述PPG信号划分为一组等时间的段；确定与每个段相关联的跳动间隔，所述跳动间隔反映连续心跳之间经过的时间；对该组跳动间隔进行采样以生成间隔信号；基于所述间隔信号和所述加速度计信号生成一组信号特征，该组信号特征包含所述间隔信号的频谱图；以及通过使用学习库中包含的睡眠阶段分类器对该组信号特征进行操作来确定个体的睡眠阶段，其中所述睡眠阶段分类器包括一组函数，该组函数定义基于该组信号特征、个体处于所述睡眠阶段的似然。11.如权利要求10所述的方法，其中对该组跳动间隔进行采样包括使用所述等时间的段的频率进行采样。12.如权利要求10所述的方法，其中对该组跳动间隔进行采样包括使用与所述等时间的段的频率不同的频率进行重采样。13.如权利要求10所述的系统，其中该组函数包含信号权重，并且其中每个信号权重基于该组信号特征中的特征与已知睡眠阶段之间的相关性。14.如权利要求13所述的系统，其中所述操作进一步包括：以第一采样率对所述加速度计信号进行采样；在与所述加速度计信号相关联的每个通道上对采...

【专利技术属性】
技术研发人员：DB希莫尔，A休布，
申请(专利权)人：威里利生命科学有限责任公司，
类型：发明
国别省市：美国,US