【技术实现步骤摘要】
一种睡眠情绪活跃水平检测量化的方法、系统和装置
[0001]本专利技术涉及睡眠情绪活跃水平检测量化及辅助干预领域，特别涉及一种睡眠情绪活跃水平检测量化的方法、系统和装置。
技术介绍
[0002]睡眠在人类功能和认知中起着关键作用，影响学习、记忆、身体恢复、新陈代谢和免疫。睡眠在调节不良情绪、化解精神心理冲突、保障身心健康方面起着至关重要的作用。国外研究表明，不同睡眠时相结构对人类的记忆巩固、情绪调节有着不同的心理意义和生理价值，快速眼动睡眠期在调节大脑处理情感区域和睡眠后情绪恢复方面具有优先作用，能够减少消极偏见和增强对积极情绪的认知。睡眠中断或剥夺是多种精神疾病的症状和危险因素，睡眠不足会增加混乱、愤怒、抑郁、易怒、攻击性和沮丧感的发生率。
[0003]无论是生理体征还是心理状态的情绪表达方式和表征强度，睡眠状态与清醒状态的差异特别大，这也导致了清醒状态的情绪活跃水平量化方式在睡眠状态情绪活跃水平量化时不合理甚至完全不适用。如何构建有效的检测手段、分析路径、量化框架和评估指标，科学合理地评价不同文化、不同人群、不同健康状态的睡眠过程中情绪活跃或抑制水平，成为了国内外睡眠健康、睡眠临床和睡眠研究仍未解决的难题。
技术实现思路
[0004]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情绪活跃水平检测量化的方法，通过对睡眠过程的中枢神经和自主神经的生理状态信号进行采集记录和时帧处理，经过神经情绪特征交叉分析得到睡眠情绪中枢神经表征水平曲线和睡眠情绪自主神经表征水平曲线，量化用...
【技术保护点】
【技术特征摘要】
1.一种睡眠情绪活跃水平检测量化的方法，其特征在于，包括以下步骤：对用户睡眠过程的神经生理状态信号进行采集记录和时帧处理，得到中枢神经生理状态时帧数据和自主神经生理状态时帧数据；对所述中枢神经生理状态时帧数据进行中枢神经情绪特征交叉分析，得到睡眠情绪中枢神经表征时帧特征，提取睡眠情绪中枢神经表征水平指数，生成睡眠情绪中枢神经表征水平曲线；对所述自主神经生理状态时帧数据进行自主神经情绪特征交叉分析，得到睡眠情绪自主神经表征时帧特征，提取睡眠情绪自主神经表征水平指数，生成睡眠情绪自主神经表征水平曲线；根据所述睡眠情绪中枢神经表征水平曲线和所述睡眠情绪自主神经表征水平曲线进行基线变化分析和均值调和分析，量化用户在不同睡眠状态、不同时帧的情绪表征水平，生成睡眠情绪活跃水平曲线；根据所述中枢神经生理状态时帧数据和所述自主神经生理状态时帧数据识别睡眠时相分期，得到睡眠时相曲线，结合所述睡眠情绪活跃水平曲线，提取时相情绪活跃相关系数，生成睡眠情绪活跃水平报告。2.如权利要求1所述的方法，其特征在于,所述对用户睡眠过程的神经生理状态信号进行采集记录和时帧处理，得到中枢神经生理状态时帧数据和自主神经生理状态时帧数据的具体步骤还包括：对用户睡眠过程的中枢神经生理状态和自主神经生理状态进行采集监测，生成中枢神经生理信号和自主神经生理信号；对所述中枢神经生理信号和所述自主神经生理信号进行所述时帧处理，生成所述中枢神经生理状态时帧数据和所述自主神经生理状态时帧数据。3.如权利要求2所述的方法，其特征在于：所述生理状态信号包括中枢神经生理信号和自主神经生理信号至少一项。4.如权利要求3所述的方法，其特征在于：所述中枢神经生理信号包括脑电信号、脑磁信号、血氧水平依赖信号和皮肤电信号至少一项；所述自主神经生理信号包括心电信号、脉搏信号、呼吸信号、血氧信号、血压信号、体温信号、血氧水平依赖信号和皮肤电信号至少一项。5.如权利要求1所述的方法，其特征在于：所述时帧处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、矫正处理和时帧划分；其中，所述矫正处理具体为对生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理，所述时帧划分具体为按照预设时间窗口和预设时间步长对目标信号进行截取处理。6.如权利要求1所述的方法，其特征在于：所述对所述中枢神经生理状态时帧数据进行中枢神经情绪特征交叉分析，得到睡眠情绪中枢神经表征时帧特征，提取睡眠情绪中枢神经表征水平指数，生成睡眠情绪中枢神经表征水平曲线的具体步骤还包括：对所述中枢神经生理状态时帧数据进行所述中枢神经情绪特征交叉分析，经特征选择得到所述睡眠情绪中枢神经表征时帧特征；采集获取当前用户清醒时静息态下的所述中枢神经生理状态时帧数据，并进行所述中
枢神经情绪特征交叉分析和特征值均值计算，得到中枢神经静息情绪水平基线特征指标集；根据所述睡眠情绪中枢神经表征时帧特征和所述中枢神经静息情绪水平基线特征指标集，提取全部时帧的所述睡眠情绪中枢神经表征水平指数，生成所述睡眠情绪中枢神经表征水平曲线。7.如权利要求1或6所述的方法，其特征在于：所述中枢神经情绪特征交叉分析包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析和多模信号耦合特征分析至少一项；其中，所述数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度至少一项；所述时频特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率至少一项；所述包络特征包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度至少一项；所述非线性特征包括熵特征、分形特征和复杂度特征至少一项。8.如权利要求7所述的方法，其特征在于：所述多模信号耦合特征分析是指计算不同模态信号之间的关系特征，得到两个不同模态信号的耦合和/或协同关系指数。9.如权利要求8所述的方法，其特征在于：所述关系特征包括关联特征和距离特征至少一项；其中，所述关联特征包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数和线性相关系数至少一项，所述距离特征包括欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、巴氏距离、汉明距离和夹角余弦至少一项。10.如权利要求6所述的方法，其特征在于，所述睡眠情绪中枢神经表征水平指数和所述睡眠情绪中枢神经表征水平曲线的计算生成方法具体为：1)采集当前用户的所述中枢神经静息情绪水平基线特征指标集和所述睡眠情绪中枢神经表征时帧特征；2)计算所述睡眠情绪中枢神经表征时帧特征中的特征值与所述中枢神经静息情绪水平基线特征指标集中基线特征指标值的相对变化量，得到睡眠情绪中枢神经表征特征相对变化指标集；3)对所述睡眠情绪中枢神经表征特征相对变化指标集中的全部指标进行加权融合计算，得到当前时帧下的所述睡眠情绪中枢神经表征水平指数；4)按时序求得全部时帧的所述睡眠情绪中枢神经表征水平指数，生成并得到所述睡眠情绪中枢神经表征水平曲线。11.如权利要求1所述的方法，其特征在于，所述对所述自主神经生理状态时帧数据进行自主神经情绪特征交叉分析，得到睡眠情绪自主神经表征时帧特征，提取睡眠情绪自主神经表征水平指数，生成睡眠情绪自主神经表征水平曲线的具体步骤还包括：对所述自主神经生理状态时帧数据进行所述自主神经情绪特征交叉分析，经特征选择得到所述睡眠情绪自主神经表征时帧特征；采集获取当前用户清醒时静息态下的所述自主神经生理状态时帧数据，并进行所述自主神经情绪特征交叉分析和特征值均值计算，得到自主神经静息情绪水平基线特征指标集；根据所述睡眠情绪自主神经表征时帧特征和所述自主神经静息情绪水平基线特征指标集，提取全部时帧的所述睡眠情绪自主神经表征水平指数，生成所述睡眠情绪自主神经
表征水平曲线。12.如权利要求1或11所述的方法，其特征在于，所述自主神经情绪特征交叉分析包括数值特征分析、时频特征分析、心率变异性特征分析、非线性特征分析和多模信号耦合特征分析至少一项；其中，所述数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度至少一项；所述时频特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率至少一项；所述心率变异性特征包括心率、心率变异系数、RR间期、NN间期至少一项；所述非线性特征包括熵特征、分形特征和复杂度特征至少一项。13.如权利要求1或11所述的方法，其特征在于，所述睡眠情绪自主神经表征水平指数和所述睡眠情绪自主神经表征水平曲线的计算生成方法具体为：1)采集当前用户的自主神经静息情绪水平基线特征指标集和所述睡眠情绪自主神经表征时帧特征；2)计算所述睡眠情绪自主神经表征时帧特征中的特征值与所述自主神经静息情绪水平基线特征指标集中基线特征指标值的相对变化量，得到睡眠情绪自主神经表征特征相对变化指标集；3)对所述睡眠情绪自主神经表征特征相对变化指标集中的全部指标进行加权融合计算，得到当前时帧下的所述睡眠情绪自主神经表征水平指数；4)按时序求得全部时帧的所述睡眠情绪自主神经表征水平指数，生成并得到所述睡眠情绪自主神经表征水平曲线。14.如权利要求1所述的方法，其特征在于，所述根据所述睡眠情绪中枢神经表征水平曲线和所述睡眠情绪自主神经表征水平曲线进行基线变化分析和均值调和分析，量化用户在不同睡眠状态、不同时帧的情绪表征水平，生成睡眠情绪活跃水平曲线的具体步骤还包括：采集分析并计算获取不同性别、不同年龄层、规模数量的健康用户群体的清醒期静息态、清醒期不同情绪应激任务态下的所述中枢神经生理状态时帧数据和所述自主神经生理状态时帧数据，通过所述中枢神经情绪特征交叉分析和所述自主神经情绪特征交叉分析，经求特征值均值处理得到不同状态下的情绪中枢神经表征水平指数和情绪自主神经表征水平指数的静息基线值和不同情绪应激任务基线值，建立标准情绪活跃曲线特征基线指标集；根据所述标准情绪活跃曲线特征基线指标集、所述睡眠情绪中枢神经表征水平曲线和所述睡眠情绪自主神经表征水平曲线进行基线变化分析和均值调和分析，按照时序计算得到全部时帧的睡眠情绪活跃水平指数，生成所述睡眠情绪活跃水平曲线。15.如权利要求14所述的方法，其特征在于，所述情绪活跃水平指数和所述睡眠情绪活跃水平曲线的计算方法具体为：1)不同性别、不同年龄层、规模数量的健康用户群体的清醒期静息态、清醒期不同情绪应激任务态下的所述标准情绪活跃曲线特征基线指标集；2)获取当前用户的所述睡眠情绪中枢神经表征水平曲线和所述睡眠情绪自主神经表征水平曲线，并计算与同年龄层健康人群的所述标准情绪活跃曲线特征基线指标集中的静息基线值和不同情绪应激任务基线值的基线变化量值，即经基线变化分析，得到睡眠情绪活跃曲线特征变化量集；
3)对所述睡眠情绪活跃曲线特征变化量集中的全部指标进行均值调和分析，得到均值调和值，即当前时帧下的所述睡眠情绪活跃水平指数；4)按时序求得全部时帧的所述睡眠情绪活跃水平指数，生成并得到所述睡眠情绪活跃水平曲线。16.如权利要求1或15所述的方法，其特征在于，所述基线变化分析的具体计算方式为：对于实值变量和其非零基线序列来说，其基线变化量值为；其中，分别为实值变量的基线变化量值、第i个基线值以及对应的权重，N为正整数。17.如权利要求1或15所述的方法，其特征在于，所述均值调和分析是一种以数值数组的均值、中位数、分位数、绝对值均值、绝对值中位数、绝对值分位数至少一项为观察基点基础，以数值数组的最大值、最小值、方差、变异系数、峰度、偏度、绝对值最大值、绝对值最小值、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度至少一项为主要分析调和项，来观察分析数值数组的均值波动状态和总体趋势变化的数据分析方法。18.如权利要求1或15所述的方法，其特征在于，所述均值调和分析的具体计算方式为：对于数值数组来说，其均值调和值的为；其中，为数值数组的均...
【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：
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。