一种睡眠深度量化及干预的方法、系统和装置制造方法及图纸

本发明专利技术提供了一种睡眠深度量化及干预的方法、系统和装置，采集用户睡眠过程的生理指标信号和环境指标信号，处理得到生理指标数据和环境指标数据并进行信息学特征分析和动力学特征分析，生成生理信息学特征、生理动力学特征和环境信息学特征；对所述生理信息学特征和所述生理动力学特征进行特征平滑和特征融合计算，得到睡眠深度并生成睡眠深度曲线和睡眠深度时相曲线图，提取最佳睡眠深度；计算所述环境信息学特征与所述睡眠深度曲线的关联特征，生成睡眠深度及环境因素报告，提取最佳睡眠深度环境方案，进而生成睡眠深度环境优化干预方案，对用户睡眠环境进行动态优化调控，辅助用户获得深度睡眠。辅助用户获得深度睡眠。辅助用户获得深度睡眠。

【技术实现步骤摘要】
一种睡眠深度量化及干预的方法、系统和装置


[0001]本专利技术涉及睡眠深度量化及干预领域，特别涉及一种睡眠深度量化及干预的方法、系统和装置。

技术介绍

[0002]当前，国内外临床医学上，睡眠分期分为清醒期（W）、快动眼动睡眠期（REM）、非动眼动睡眠Ⅰ期（N1）、非动眼动睡眠Ⅱ期（N2）、非动眼动睡眠Ⅲ期（N3）和非动眼动睡眠Ⅳ期（N4）等六个状态阶段。在消费市场或健康管理领域上，睡眠分期的划分更为粗放，分为清醒期、快动眼动睡眠期、非动眼动浅睡眠期和非动眼动深睡眠期等四个状态阶段。非动眼动睡眠Ⅲ期（N3）、非动眼动睡眠Ⅳ期（N4）或非动眼动深睡眠期，是恢复体力精力、机体功能修复和脑生理代谢的最关键睡眠阶段。是否有深睡眠、睡得是否足够深、深睡眠持续多长，不仅将直接决定人类第二天的思维能力和行为表现，更是对机体衰老、代谢疾病、神经退行性疾病和精神疾病的发生或康复带来长期影响。
[0003]睡眠是个生物状态演变的连续过程，然而现有睡眠分期方法仅能给出以状态阶段为主的睡眠结构大体变化，不能描述生物睡眠这一连续过程，不能全面统一地、具体详细地刻画出清醒
‑
浅睡眠
‑
深睡眠
‑
快眼动睡眠的实际状态水平相对连续变化。这带来了很多临床诊断和健康管理实践中的很多无法跨越或无法界定的难题，导致了健康管理师和医生无法对用户具体睡眠过程进行准确的诊断，进而无法给出更行之有效的治疗干预方案。例如两个患者都有相同比例的深度睡眠结构（非动眼动睡眠Ⅲ期（N3）和非动眼动睡眠Ⅳ期（N4）），如何判断患者睡眠问题的轻重和区别；非动眼动睡眠Ⅲ期（N3）的前期和后期，睡眠状态应该有很大区别的，如何进行界定和区分，但现有方法都只能标记为N3期，而不是例如实际状态水平值为3.56/[0
‑
5]或者睡眠深度为87.5/[0~100]。
[0004]因此，亟需对睡眠过程进行更加准确、智能、连续性的量化，以辅助睡眠体验的改善。

技术实现思路

[0005]针对现有方法的以上缺陷及改进需求，本专利技术的目的在于提供一种睡眠深度量化及干预的方法，通过对用户的生理指标数据和环境指标数据进行实时采集记录，通过数据预处理、信号特征提取和睡眠动力学特征提取，实现对睡眠深度的科学量化及连续性描述、实时跟踪分析和离线计算分析，并进一步确定睡眠环境因素对睡眠深度的关联影响因子，提取最佳睡眠深度环境优化方案，通过睡眠辅助协同控制方法，帮助用户即时地获得更深层睡眠深度、更好的睡眠体验和更高的睡眠质量，同时辅助用户的睡眠健康管理和医生的临床诊疗实践。本专利技术还提供了一种睡眠深度量化及干预的系统，用于实现上述方法。本专利技术还提供了一种睡眠深度量化及干预的装置，用于实现上述系统。
[0006]根据本专利技术的目的，本专利技术提出了一种睡眠深度量化及干预的方法，包括如下步骤：
采集用户睡眠过程的生理指标信号和环境指标信号，进行信号预处理和数据时帧处理，得到生理指标数据和环境指标数据；对所述生理指标数据和所述环境指标数据进行信息学特征分析和动力学特征分析，生成生理信息学特征、生理动力学特征和环境信息学特征；对所述生理信息学特征和所述生理动力学特征进行特征平滑和特征融合计算，得到睡眠深度并生成睡眠深度曲线和睡眠深度时相曲线图，提取最佳睡眠深度；计算所述环境信息学特征与所述睡眠深度曲线的关联特征，生成睡眠深度及环境因素报告，提取最佳睡眠深度环境方案；根据所述睡眠深度及环境因素报告和所述最佳睡眠深度环境方案，生成睡眠深度环境优化干预方案，并对用户睡眠环境进行动态优化调控，辅助用户获得深度睡眠。
[0007]更优地，所述生理指标信号至少包括脑电信号、心电信号、呼吸信号、血氧信号和体温信号；所述生理指标数据至少包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据。
[0008]更优地，所述环境指标信号至少包括光照信号、光谱信号、气压信号、温度信号、湿度信号、微颗粒信号、噪声信号、氧气浓度信号、二氧化碳浓度信号和甲醛浓度信号；所述环境指标数据至少包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据。
[0009]更优地，所述信号预处理至少包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理。
[0010]更优地，所述数据时帧处理是以预设分帧时间步长对信号数据进行预设分帧时长窗口的滑动分割处理。
[0011]更优地，所述生理信息学特征至少包括脑电信号信息学特征、心电信号信息学特征、呼吸信号信息学特征、血氧信号信息学特征和体温信号信息学特征；所述信息学特征至少包括功率谱、特征频带中心频率、特征频带功率占比、功率谱边缘频率、周期特征、频率特征、均方根、方差、离散差及离散差均值。
[0012]更优地，所述动力学特征至少包括线性动力学特征和非线性动力学特征。
[0013]更优地，所述线性动力学特征至少包括欧氏距离、曼哈顿距离、闵可夫斯基距离、切比雪夫距离、相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数、最大线性互相关、时域线性相关系数、频域线性相关系数、锁相值PLVs、相位
‑
相位耦合系数、相位
‑
振幅耦合系数、振幅
‑
振幅耦合系数、心率变异性。
[0014]更优地，所述非线性动力学特征至少包括熵特征、分形特征和复杂度特征。
[0015]更优地，所述环境信息学特征至少包括环境指标均值特征序列、光照信号信息学特征、光谱信号信息学特征、气压信号信息学特征、温度信号信息学特征、湿度信号信息学特征、微颗粒信号信息学特征、噪声信号信息学特征、氧气浓度信号信息学特征、二氧化碳浓度信号信息学特征和甲醛浓度信号信息学特征；所述环境指标均值特征序列至少包括光照度指标均值、光谱融合指标均值、气压指标均值、温度指标均值、湿度指标均值、微颗粒指标均值、噪声指标均值、氧气浓度指标均值、二氧化碳浓度指标均值和甲醛浓度指标均值。
[0016]更优地，所述特征平滑至少包括移动平均、均值滤波、SG滤波、低通滤波、卡尔曼滤
波。
[0017]更优地，所述睡眠深度及环境因素报告至少包括睡眠深度环境因素关联指数、睡眠深度环境因素关联指数曲线、睡眠深度环境因素关联指数均值序列、环境指标均值特征序列曲线、最佳睡眠深度曲线。
[0018]更优地，所述睡眠深度环境因素关联指数至少包括环境光照度关联指数、环境光源光谱关联指数、环境气压关联指数、环境温度关联指数、环境湿度关联指数、环境微颗粒关联指数、环境噪声关联指数、环境氧气浓度关联指数、环境二氧化碳关联指数和环境甲醛浓度关联指数。
[0019]更优地，所述最佳睡眠深度环境方案至少包括环境光源光照最佳参数、环境光源光谱最佳参数、环境气压最佳参数、环境温度最佳参数、环境湿度最佳参数、环境微颗粒最佳参数、环境噪声最佳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠深度量化及干预的方法，其特征在于，包括如下步骤：采集用户睡眠过程的生理指标信号和环境指标信号，进行信号预处理和数据时帧处理，得到生理指标数据和环境指标数据；对所述生理指标数据和所述环境指标数据进行信息学特征分析和动力学特征分析，生成生理信息学特征、生理动力学特征和环境信息学特征；对所述生理信息学特征和所述生理动力学特征进行特征平滑和特征融合计算，得到睡眠深度并生成睡眠深度曲线和睡眠深度时相曲线图，提取最佳睡眠深度；计算所述环境信息学特征与所述睡眠深度曲线的关联特征，生成睡眠深度及环境因素报告，提取最佳睡眠深度环境方案；根据所述睡眠深度及环境因素报告和所述最佳睡眠深度环境方案，生成睡眠深度环境优化干预方案，并对用户睡眠环境进行动态优化调控，辅助用户获得深度睡眠。2.如权利要求1所述的方法，其特征在于：所述生理指标信号包括脑电信号、心电信号、呼吸信号、血氧信号和体温信号至少一项；所述生理指标数据包括脑电信号数据、心电信号数据、呼吸信号数据、血氧信号数据和体温信号数据至少一项。3.如权利要求1所述的方法，其特征在于：所述环境指标信号包括光照信号、光谱信号、气压信号、温度信号、湿度信号、微颗粒信号、噪声信号、氧气浓度信号、二氧化碳浓度信号和甲醛浓度信号至少一项；所述环境指标数据包括光照信号数据、光谱信号数据、气压信号数据、温度信号数据、湿度信号数据、微颗粒信号数据、噪声信号数据、氧气浓度信号数据、二氧化碳浓度信号数据和甲醛浓度信号数据至少一项。4.如权利要求1所述的方法，其特征在于：所述信号预处理至少包括A/D转换、重采样、去伪迹、降噪、陷波、带通滤波、去无效、重参考和平滑处理。5.如权利要求1或4所述的方法，其特征在于：所述数据时帧处理是以预设分帧时间步长对信号数据进行预设分帧时长窗口的滑动分割处理。6.如权利要求1所述的方法，其特征在于：所述信息学特征包括功率谱、特征频带中心频率、特征频带功率占比、功率谱边缘频率、周期特征、频率特征、均方根、方差、离散差及离散差均值至少一项。7.如权利要求1或6所述的方法，其特征在于：所述生理信息学特征包括脑电信号信息学特征、心电信号信息学特征、呼吸信号信息学特征、血氧信号信息学特征和体温信号信息学特征至少一项。8.如权利要求1所述的方法，其特征在于：所述动力学特征包括线性动力学特征、非线性动力学特征至少一项。9.如权利要求8所述的方法，其特征在于：所述线性动力学特征包括欧氏距离、曼哈顿距离、闵可夫斯基距离、切比雪夫距离、相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数、最大线性互相关、时域线性相关系数、频域线性相关系数、锁相值PLVs、相位
‑
相位耦合系数、相位
‑
振幅耦合系数、振幅
‑
振幅耦合系数、心率变异性至少一项。10.如权利要求8所述的方法，其特征在于：所述非线性动力学特征包括熵特征、分形特征和复杂度特征至少一项。11.如权利要求1所述的方法，其特征在于：所述环境信息学特征包括环境指标均值特
征序列、光照信号信息学特征、光谱信号信息学特征、气压信号信息学特征、温度信号信息学特征、湿度信号信息学特征、微颗粒信号信息学特征、噪声信号信息学特征、氧气浓度信号信息学特征、二氧化碳浓度信号信息学特征和甲醛浓度信号信息学特征至少一项；所述环境指标均值特征序列包括光照度指标均值、光谱融合指标均值、气压指标均值、温度指标均值、湿度指标均值、微颗粒指标均值、噪声指标均值、氧气浓度指标均值、二氧化碳浓度指标均值和甲醛浓度指标均值至少一项。12.如权利要求1所述的方法，其特征在于：所述特征平滑包括移动平均、均值滤波、SG滤波、低通滤波、卡尔曼滤波至少一项。13.如权利要求1所述的方法，其特征在于：所述睡眠深度及环境因素报告包括睡眠深度环境因素关联指数、睡眠深度环境因素关联指数曲线、睡眠深度环境因素关联指数均值序列、环境指标均值特征序列曲线、最佳睡眠深度曲线至少一项。14.如权利要求13所述的方法，其特征在于：所述睡眠深度环境因素关联指数包括环境光照度关联指数、环境光源光谱关联指数、环境气压关联指数、环境温度关联指数、环境湿度关联指数、环境微颗粒关联指数、环境噪声关联指数、环境氧气浓度关联指数、环境二氧化碳关联指数和环境甲醛浓度关联指数至少一项。15.如权利要求1所述的方法，其特征在于：所述最佳睡眠深度环境方案包括环境光源光照最佳参数、环境光源光谱最佳参数、环境气压最佳参数、环境温度最佳参数、环境湿度最佳参数、环境微颗粒最佳参数、环境噪声最佳参数、环境氧气浓度最佳参数、环境二氧化碳浓度最佳参数和环境甲醛浓度最佳参数至少一项。16.如权利要求1或15所述的方法，其特征在于：所述睡眠深度环境优化干预方案包括环境光源光照执行参数、环境光源光谱执行参数、环境气压执行参数、环境温度执行参数、环境湿度执行参数、环境微颗粒执行参数、环境噪声执行参数、环境氧气浓度执行参数、环境二氧化碳浓度执行参数和环境甲醛浓度执行参数至少一项。17.如权利要求13所述的方法，其特征在于：所述睡眠深度和所述睡眠深度曲线的计算方法如下：1)从所述生理信息学特征和所述生理动力学特征中，分别选择提取多个动力学特征和多个信息学特征，生成睡眠深度表征特征曲线集；2)对所述睡眠深度表征特征曲线集中每一个特征曲线进行所述特征平滑，生成睡眠深度表征特征平滑曲线集；3)对所述睡眠深度表征特征平滑曲线集进行多因子融合计算，生成睡眠深度因子曲线；4)基于最大深度因子阈值和最小深度因子阈值，对所述睡眠深度因子曲线进行归一化处理，生成睡眠归一化深度曲线；5)对所述睡眠归一化深度曲线进行预设深度缩放倍数的缩放处理，生成所述睡眠深度曲线；6)所述睡眠深度曲线中的任意时帧样本值，即是当前时帧的所述睡眠深度。18.如权利要求17所述的方法，其特征在于：所述预设深度缩放倍数为正有理数。19.如权利要求17或18所述的方法，其特征在于：所述最大深度因子阈值和所述最小深度因子阈值的计算方法如下：
1)对正常环境下，不同年龄段的健康人群进行用户睡眠过程所述生理指标信号的采集记录，生成健康人群生理指标信号数据集；2)对所述健康人群生理指标信号数据集中的生理指标信号进行所述信号预处理和所述数据时帧处理，得到健康人群生理指标数据集；3)按用户样本和时帧顺序，提取所述健康人群生理指标数据集每一个用户样本的所述生理信息学特征和所述生理动力学特征并进行所述特征平滑，生成健康人群生理信息学和动力学特征数据集；4)按用户样本，对所述健康人群生理信息学和动力学特征数据集中生理信息学特征和生理动力学特征进行多因子融合计算，得到当前用户样本的所述睡眠深度因子曲线，形成健康人群睡眠深度因子曲线数据库；5)从所述健康人群深度因子曲线数据库的全部数据中，提取最大深度因子值和最小深度因子值；6)对所述最大深度因子值和所述最小深度因子值进行双向增减处理，生成最大深度因子阈值和最小深度因子阈值，其中所述最大深度因子值大于所述最小深度因子值但小于所述最大深度因子阈值，所述最小深度因子阈值大于0但小于所述最小深度因子值。20.如权利要求1所述的方法，其特征在于：所述睡眠深度时相曲线图的生成展现方法如下：1)获取所述睡眠深度曲线，生成所述睡眠深度时相曲线图相关的纵坐标及数值范围、横坐标为所述睡眠深度曲线中样本所对应的睡眠时间点；2)根据国际睡眠分期方法和正常人群的所述睡眠深度曲线的大数据统计分析，得到中各标准分期所对应的睡眠深度取值范围，生成所述睡眠深度时相曲线图的横轴对比网格线；3)增加图例说明，生成并可视化展示所述睡眠深度时相曲线图。21.如权利要求17所述的方法，其特征在于：所述最佳睡眠深度的计算方法如下：1)获取所述睡眠深度曲线，减去预设最佳睡眠深度基线阈值，生成睡眠深度过阈曲线；2)计算所述睡眠深度过阈曲线的过零部分，生成睡眠深度过零集合；3)判断所述睡眠深度过零集合是否为空集，若为空集则对所述睡眠深度曲线的所述睡眠深度进行降序排列并筛选预设睡眠深度头部数量，生成所述睡眠深度过零集合；4)计算所述睡眠深度过零集合的平均值，生成最佳睡眠深度。22.如权利要求21所述的方法，其特征在于：所述睡眠深度环境因素关联指数、所述睡眠深度环境因素关联指数均值序列、所述环境指标均值特征序列曲线、所述睡眠深度环境因素关联指数曲线和所述最佳睡眠深度曲线的计算方法如下：1)对用户的所述生理指标信号和所述环境指标信号进行连续采集监测、所述信号预处理和所述数据时帧处理，提取每日的所述生理信息学特征、所述生理动力学特征、所述环境信息学特征和所述环境指标均值特征序列；2)计算得到每日的所述睡眠深度曲线和所述最佳睡眠深度；3)按...

【专利技术属性】
技术研发人员：何将，
申请(专利权)人：安徽星辰智跃科技有限责任公司，
类型：发明
国别省市：