一种睡眠监测方法、装置以及设备制造方法及图纸

本发明专利技术公开了一种睡眠监测方法、装置、设备，该方法包括获取在预设时间段内睡眠状态的GSR信号、心率、血氧和体动信号；利用MRCNN神经网络模块和AFR神经网络模块对上述信号数据进行特征提取，获得最具区分性特征数据；根据预先学习训练好的睡眠识别网络模型对最具区分性特征数据进行分析识别，获得在预设时间段内对应的睡眠状态处于觉醒期、快速眼动期、浅睡期以及深睡期的四种不同睡眠阶段的概率，并以概率最大的睡眠阶段作为在预设时间段内对应的睡眠阶段。本申请将被测者的GSR信号、心率、血氧、体动信号通过MRCNN神经网络模块和AFR神经网络模块提取获得最具区分性特征数据，实现对被测者睡眠阶段准确有效的监测。对被测者睡眠阶段准确有效的监测。对被测者睡眠阶段准确有效的监测。

【技术实现步骤摘要】
一种睡眠监测方法、装置以及设备


[0001]本专利技术涉及医学
，特别是涉及一种睡眠监测方法、装置以及设备。

技术介绍

[0002]睡眠是人体至关重要的生命活动之一，能使大脑和身体从日常活动积累的疲劳中恢复过来。而随着社会竞争带给人们的学习、工作和生活压力越来越大，各大年龄段的人均出现了睡眠问题。据统计，中国有睡眠障碍的人数已经超过3亿，睡眠障碍已经成为备受关注的社会问题。
[0003]对日常睡眠质量进行监测可以有效的为人体健康和生活模式提供关键的信息反馈。目前市场上对人体睡眠状态的监测主要是对检测者的心率、血氧等数据进行采集，再由医护人员根据医学经验大致确定出被监测者的睡眠状态，这种监测方式对医护人员的医学经验要求高，且监测结果准确性差。

技术实现思路

[0004]本专利技术的目的是提供一种睡眠监测方法、装置以及设备，提升了被测者睡眠状态监测结果的准确性。
[0005]为解决上述技术问题，本专利技术提供一种睡眠监测方法，包括：
[0006]获取在预设时间段内睡眠状态的GSR信号、心率、血氧和体动信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠监测方法，其特征在于，包括：获取在预设时间段内睡眠状态的GSR信号、心率、血氧和体动信号；利用MRCNN神经网络模块对所述GSR信号、所述心率、所述血氧和所述体动信号均进行特征提取，获得特征数据集合；根据AFR神经网络模块对所述特征数据集合进行特征筛选，获得最具区分性特征数据；根据预先学习训练好的睡眠识别网络模型对所述最具区分性特征数据进行分析识别，获得在所述预设时间段内对应的睡眠状态处于觉醒期、快速眼动期、浅睡期以及深睡期的四种不同睡眠阶段的概率，并以概率最大的睡眠阶段作为在所述预设时间段内对应的睡眠阶段。2.如权利要求1所述的睡眠监测方法，其特征在于，利用MRCNN神经网络模块对所述GSR信号、所述心率、所述血氧和所述体动信号均进行特征提取，获得特征数据集合，包括：通过MRCNN神经网络模块三个不同的分支卷积神经网络对所述GSR信号、所述心率、所述血氧和所述体动信号中每种信号数据均进行分支特征提取，获得所述GSR信号、所述心率、所述血氧和所述体动信号分别对应的第一特征数据、第二特征数据以及第三特征数据；将所述第一特征数据、所述第二特征数据以及所述第三特征数据进行矩阵组合，获得所述特征数据集合。3.如权利要求1所述的睡眠监测方法，其特征在于，根据AFR神经网络模块对所述特征数据集合进行特征筛选，获得最具区分性特征数据，包括：利用所述AFR神经网络模块中的两个不同卷积网络依次对所述特征数据集合进行卷积运算，得到原始特征图；利用所述AFR神经网络模块中的自适应平均池对所述原始特征图进行压缩全局特征信息，获得特征信息平均值；通过所述AFR神经网络模块中的RELU激活函数和平滑Sigmoid激活函数依次对所述特征信息平均值进行降维和增维处理，获得处理后的特征图；将所述特征图和所述原始特征图之间进行逐点乘法运算，获得最具区分性特征数据；根据预先学习训练好的睡眠识别网络模型对所述最具区分性特征数据进行分析识别，包括：通过所述睡眠识别网络模型中具有softmax激活函数全连接层对所述最具区分性特征数据进行分析识别。4.如权利要求1所述的睡眠监...

【专利技术属性】
技术研发人员：宫玉琳，王法通，陈晓娟，胡命嘉，文垠锞，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：