评估睡眠呼吸功能的方法和装置制造方法及图纸

本申请提供一种评估睡眠呼吸功能的方法和智能穿戴设备，该方法通过在不同的检测场景中，采用不同的检测方式，自动开启或关闭对用户的包括睡眠周期分期、低通气、睡眠呼吸暂停以及鼾症等级风险等睡眠呼吸功能的评估，不需要用户手动点击睡眠的开始或者结束，才能启动或者关闭睡眠呼吸功能的评估，用户体验友好。并且，评估的准确性也有所提升。评估的准确性也有所提升。评估的准确性也有所提升。

【技术实现步骤摘要】
评估睡眠呼吸功能的方法和装置


[0001]本申请涉及计算机
，更具体地，涉及一种评估睡眠呼吸功能的方法和装置。

技术介绍

[0002]随着人们生活压力的不断增大，睡眠质量也逐渐降低，人们开始关注睡眠的质量以及睡眠过程中的睡眠呼吸疾病的检测。睡眠呼吸紊乱是影响睡眠质量的主要因素。单纯鼾症、低通气、睡眠呼吸暂停是睡眠呼吸紊乱最常见的原因。睡眠过程中的呼吸疾病可能致命，因此对睡眠过程中的睡眠分期异常、单纯鼾症、低通气以及睡眠呼吸暂停等进行有效实时检测和早期预警，对于个人健康以及家庭护理尤为重要。
[0003]目前，通过超声获取呼吸信号进行睡眠分期、出入睡眠检测，以及基于录音数据进行鼾声、呼吸声以及非目标片段的划分等技术逐渐成熟。例如，市面上的多导睡眠监测仪，通过记录睡眠过程中的脑波、肌电图、心电图、口鼻腔气流、胸部腹部呼吸运动以及声音等多种信号，总和分析被检测者的睡眠状况和鼾症、低通气、睡眠呼吸暂停等疾病的严重程度。多导睡眠检测仪要求在专业场所由专业人员进行操作，舒适性差且费用昂贵，难以满足家庭日常生活中便捷和高效的要求。此外，市面上还有一些用于睡眠呼吸功能评估的应用(application,也简称为app)，而这些app大多是在用户(或被测者)睡觉的环境下设定一个阈值或者使用神经网络方法对睡眠过程中的声音、呼吸声进行识别，进而评估用户整晚的睡眠呼吸的质量。这种评估方法需要用户手动点击睡眠的开始与结束，用户体验极不友好。

技术实现思路

[0004]本申请提供一种评估睡眠呼吸功能的方法和装置，可以便捷地对用户的睡眠呼吸功能进行评估，提升用户体验。
[0005]第一方面，提供了一种评估睡眠呼吸功能的方法，该方法包括：确定当前的检测场景，所述当前的检测场景属于预设定的检测场景中的一个，其中，所述预设定的检测场景包括第一检测场景和第二检测场景，其中，所述第一检测场景为所述用户穿戴智能穿戴设备，所述第二检测场景为所述用户未穿戴智能穿戴设备；
[0006]根据所述当前的检测场景，选择检测方式，
[0007]采用所选择的检测方式，判断所述用户的状态，其中，所述用户的状态包括所述用户处于睡眠状态，或所述用户处于非睡眠状态；
[0008]根据所述用户的状态，开启或者关闭对用户的睡眠呼吸功能的评估，
[0009]其中，所述睡眠呼吸功能的评估包括对如下的一项或多项进行评估：睡眠周期分期、低通气、睡眠呼吸暂停以及鼾症等级风险。
[0010]在本申请的技术方案中，首先确定当前的检测场景，并基于当前的检测场景选择相应的检测方式。不同的检测方式采用不同的手段判断用户是否处于睡眠状态。如果判定用户处于睡眠状态，自动开启睡眠呼吸功能的评估。如果判定用户处于非睡眠状态，则不开
启睡眠呼吸功能的评估。
[0011]可见，和现有的一些方案中，用户需要手动点击睡眠监测装置上的睡眠开始或者睡眠结束，才能开启或关闭睡眠监测装置的睡眠呼吸功能相比，本申请的技术方案，在不同的检测场景下，通过不同的检测方式获得用户的状态，从而可以自动开启或关闭睡眠呼吸功能的评估，用户体验更为友好。
[0012]结合第一方面，在第一方面的某些实现方式中，所述根据所述当前的检测场景，选择检测方式，包括：
[0013]若所述当前的检测场景为所述第一检测场景，选择第一检测方式，其中，所述第一检测方式是通过所述智能穿戴设备判断所述用户的状态的；或者，
[0014]若所述当前的检测场景为所述第二检测场景，选择第二检测方式，其中，所述第二检测方式是通过所述智能穿戴设备的状态和所述用户的历史睡眠信息，判断所述用户的状态的；
[0015]其中，所述智能穿戴设备的状态包括如下一项或多项：所述智能穿戴设备在指定时间段内处于静止状态的时长大于或等于第一时长阈值、所述智能穿戴设备处于大动作状态的时长大于或等于第二时长阈值；
[0016]所述用户的历史睡眠信息包括如下一项或多项：所述用户的历史睡眠时间段、所述用户预设定的睡眠时间以及所述用户预设定的闹钟时间。
[0017]在该实现方式中，在用户穿戴智能穿戴设备的检测场景下，通过智能穿戴设备实时判断用户的状态，具体地，判断用户的入睡以及出睡情况。而在用户未穿戴智能穿戴设备的情况下，需要结合智能穿戴设备的状态以及用户的历史睡眠信息，判断用户的状态。由此，不管用户是否穿戴智能穿戴设备，均可以通过合适的检测方式判断用户的状态，进而实现评估的自动开启或关闭，提高了用户体验。
[0018]结合第一方面，在第一方面的某些实现方式中，在开启对用户的睡眠呼吸功能的评估之后，所述方法还包括：
[0019]获取所述第一检测场景或所述第二检测场景中的可用信号；
[0020]根据所述可用信号对所述用户的睡眠呼吸功能进行评估，其中，所述可用信号包括如下一项或多项：
[0021]一个或多个呼吸指标，所述呼吸指标包括呼吸频率和/或呼吸波的下降幅度；
[0022]一个或多个鼾声指标，所述鼾声指标包括鼾声响度；以及
[0023]所述用户的动作指标，所述动作指标包括所述用户的动作幅度和/或大动作的频率。
[0024]结合第一方面，在第一方面的某些实现方式中，所述根据所述可用信号对所述用户的睡眠呼吸功能进行评估，包括：
[0025]采用训练好的轻型梯度提升机GBM模型对所述可用信号进行预测，以对所述用户的睡眠呼吸功能进行评估。
[0026]在该实现方式中，采用训练好的轻型GBM模型对当前的检测场景中获取的可用进行预测，由于该轻型GBM模型是预先通过大量的数据训练得到，且用于训练的数据只保留与呼吸、鼾声等信号有关的频段，灵敏度较高，为后续的睡眠呼吸功能的评估提供了良好的基础，评估准确度获得提升。
[0027]结合第一方面，在第一方面的某些实现方式中，所述采用训练好的轻型GBM预测模型对所述可用信号进行预测之前，所述方法还包括：
[0028]获取所述用户的音频数据和超声数据；
[0029]对所述音频数据和超声数据进行预处理，并对经过预处理的音频数据和超声数据进行特征提取的处理，获得提取数据，其中，所述特征提取的处理包括对所述经过预处理的音频数据和超声数据进行原始特征的提取以及统计特征的聚合；
[0030]使用所述提取数据，对所述轻型GBM预测模型进行训练，获得所述训练好的轻型GBM预测模型。
[0031]在该实现方式中，对检测场景中获得的可用信号，例如，音频数据和超声数据，进行预处理以及特征提取等处理，由此获得的提取数据用于轻型GBM模型的训练，可以提升轻型GBM模型的预测性能，相比于现有的睡眠呼吸功能的评估方案，本申请的技术方案的评估结果更准确，灵敏度更高。
[0032]结合第一方面，在第一方面的某些实现方式中，所述采用训练好的轻型GBM预测模型对所述可用信号进行预测，以对所述用户的睡眠呼吸功能进行评估，包括：
[0033]若所述鼾声响度大于或等于第一响度门限，且时长大于或等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评估睡眠呼吸功能的方法，其特征在于，包括：确定当前的检测场景，所述当前的检测场景属于预设定的检测场景中的一个，其中，所述预设定的检测场景包括第一检测场景和第二检测场景，所述第一检测场景为所述用户穿戴智能穿戴设备，所述第二检测场景为所述用户未穿戴智能穿戴设备；根据所述当前的检测场景，选择检测方式，采用所选择的检测方式，判断所述用户的状态，其中，所述用户的状态包括所述用户处于睡眠状态，或所述用户处于非睡眠状态；根据所述用户的状态，开启或者关闭对所述用户的睡眠呼吸功能的评估，其中，所述睡眠呼吸功能的评估包括对如下的一项或多项进行评估：睡眠周期分期、低通气、睡眠呼吸暂停以及鼾症等级风险。2.如权利要求1所述的方法，其特征在于，所述根据所述当前的检测场景，选择检测方式，包括：若所述当前的检测场景为所述第一检测场景，选择第一检测方式，其中，所述第一检测方式是通过所述智能穿戴设备判断所述用户的状态的；或者，若所述当前的检测场景为所述第二检测场景，选择第二检测方式，其中，所述第二检测方式是通过所述智能穿戴设备的状态和所述用户的历史睡眠信息，判断所述用户的状态的；其中，所述智能穿戴设备的状态包括如下一项或多项：所述智能穿戴设备在指定时间段内处于静止状态的时长大于或等于第一时长阈值、所述智能穿戴设备处于大动作状态的时长大于或等于第二时长阈值；所述用户的历史睡眠信息包括如下一项或多项：所述用户的历史睡眠时间段、所述用户预设定的睡眠时间以及所述用户预设定的闹钟时间。3.如权利要求1或2所述的方法，其特征在于，在开启对用户的睡眠呼吸功能的评估之后，所述方法还包括：获取所述第一检测场景或所述第二检测场景中的可用信号；根据所述可用信号对所述用户的睡眠呼吸功能进行评估，其中，所述可用信号包括如下一项或多项：一个或多个呼吸指标，所述呼吸指标包括呼吸频率和/或呼吸波的下降幅度；一个或多个鼾声指标，所述鼾声指标包括鼾声响度；以及所述用户的动作指标，所述动作指标包括所述用户的动作幅度和/或大动作的频率。4.如权利要求3所述的方法，其特征在于，所述根据所述可用信号对所述用户的睡眠呼吸功能进行评估，包括：采用训练好的轻型梯度提升机GBM模型对所述可用信号进行预测，以对所述用户的睡眠呼吸功能进行评估。5.如权利要求4所述的方法，其特征在于，所述采用训练好的轻型GBM预测模型对所述可用信号进行预测之前，所述方法还包括：获取所述用户的音频数据和超声数据；对所述音频数据和超声数据进行预处理，并对经过预处理的音频数据和超声数据进行特征提取的处理，获得提取数据，其中，所述特征提取的处理包括对所述经过预处理的音频
数据和超声数据进行原始特征的提取以及统计特征的聚合；使用所述提取数据，对所述轻型GBM预测模型进行训练，获得所述训练好的轻型GBM预测模型。6.如权利要求4或5所述的方法，其特征在于，所述采用训练好的轻型GBM预测模型对所述可用信号进行预测，以对所述用户的睡眠呼吸功能进行评估，包括：若所述鼾声响度大于或等于第一响度门限，且时长大于或等于第一时长门限，判定所述用户的鼾症等级风险为高风险；若所述鼾声响度大于或等于第一响度门限，且时长小于第一时长门限，判定所述用户的鼾症等级风险为中风险；若所述鼾声响度大于或等于第二响度门限，且时长大于或等于第二时长门限，判定所述用户的鼾症等级风险为低风险，其中，所述第二响度门限小于所述第一响度门限，所述第二时长门限小于所述第一时长门限；否则，判定所述用户的鼾症等级风险为正常。7.如权利要求4
‑
6中任一项所述的方法，其特征在于，所述采用训练好的轻型GBM预测模型对所述可用信号进行预测，以对所述用户的睡眠呼吸功能进行评估，包括：若所述呼吸频率大于第一频率且斜率大于第一数值，判定睡眠分期阶段为快动眼睡眠REM；若所述呼吸频率小于或等于第一频率，且大于或等于第二频率，判定所述睡眠分期阶段为浅睡；若所述呼吸频率小于或等于第二频率，判定所述睡眠分期阶段为深睡。8.如权利要求4
‑
7中任一项所述的方法，其特征在于，所述采用训练好的轻型GBM预测模型对所述可用信号进行预测，以对所述用户的睡眠呼吸功能进行评估，包括：若所述呼吸波的幅度的下降比例大于第一百分比例，判定为低通气；若所述呼吸波的峰度的下降比例大于第二百分比例，判定为睡眠呼吸暂停。9.一种用于评估睡眠呼吸功能的装置，其特征在于，包括：处理单元，用于确定当前的检测场景，所述当前的检测场景属于预设定的检测场景中的一个，其中，所述预设定的检测场景包括第一检测场景和第二检测场景，所述第一检测场景为所述用户穿...

【专利技术属性】
技术研发人员：许德省，李靖，许培达，沈东崎，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：