一种睡眠记忆活跃水平动态调节的方法、系统和装置制造方法及图纸

本发明专利技术提供了睡眠记忆活跃水平动态调节的方法、系统和装置，包括：对用户睡眠过程的脑中枢生理状态信号进行实时采集处理，得到脑中枢生理频带实时数据，实时识别睡眠时相状态并生成睡眠时相曲线；对所述脑中枢生理频带实时数据进行实时时频特征交叉分析、跨频率耦合分析和动态功能连接分析，得到脑中枢记忆信息编码实时特征，进行实时基线变化分析和时均峰偏分析，生成睡眠记忆活跃水平实时曲线和趋势曲线；生成睡眠记忆活跃水平动态调节策略并实时动态调节，提取时相记忆活跃相关系数和记忆水平动态调节效果系数，生成调节报告，建立个性化记忆调节长期数据库。本发明专利技术实现了对睡眠记忆活跃水平的准确量化、动态训练和科学调节。动态训练和科学调节。动态训练和科学调节。

【技术实现步骤摘要】
一种睡眠记忆活跃水平动态调节的方法、系统和装置


[0001]本专利技术涉及睡眠记忆活跃水平动态调节领域，特别涉及一种睡眠记忆活跃水平动态调节的方法、系统和装置。

技术介绍

[0002]睡眠是记忆巩固最关键的过程之一，不仅能够强化已有记忆之间的联系，更是支持短期记忆从海马体向新皮层的长期记忆转化，并在新皮层完成广泛的记忆加工和整合。但受年龄、身心状态、睡眠质量和睡眠时相阶段等众多因素共同作用影响，睡眠记忆活跃水平和记忆结果会呈现不同变化和高低波动。
[0003]现有技术方案CN113995939A公开一种基于脑电信号的睡眠音乐播放方法、装置及终端，所述方法包括：获取目标用户的睡眠脑电信号；确定所述睡眠脑电信号对应的目标脑部活跃级别；根据所述目标脑部活跃级别确定目标音乐和目标音量，根据所述目标音量播放所述目标音乐。以及，现有技术方案CN113926045A公开了一种辅助睡眠的家纺产品的智能控制方法，其中，所述方法应用于一家纺产品的智能控制系统，所述系统包括一温度传感装置和一压力传感装置，所述方法包括：获得第一用户的第一身体参数特征，并根据所述第一身体参数特征从睡眠评估模型库中调用第一睡眠质量评估模型；通过所述温度传感装置获得所述第一用户的体温变化曲线；通过所述压力传感装置获得所述第一用户在第一家纺产品不同位置时的受力曲线，并基于所述受力曲线生成第一压力分布变化信息；将所述体温变化曲线和所述第一压力分布变化信息按照时间节点分别输入所述第一睡眠质量评估模型，获得各时间节点的睡眠质量评估结果；根据所述各时间节点的睡眠质量评估结果，生成第一睡眠质量曲线；根据所述第一身体参数特征和所述第一用户的第一睡眠习惯，获得理想睡眠曲线；比较所述第一睡眠质量曲线和所述理想睡眠曲线，获得第一睡眠质量系数；根据所述第一睡眠质量系数对第一家纺产品睡眠参数进行调节控制。由上可见，现有技术方案停留在对神经生理信号、脑状态和睡眠质量的表层特征分析和笼统归纳处理上，缺乏对睡眠过程中记忆活动水平的明确量化、实时评估和动态调节；同时，现有技术方案中调节完成即结束，每一次调节都是重新分析和重新调节，没有持续的、可继承性的量化和调节，未建立量化
‑
调节的长期影响模型，这也使得了干预过程不够科学化和个性化。
[0004]目前，国内外记忆水平调节大多是人类清醒状态下的任务实验研究或是生物反馈学习，缺乏睡眠过程中的记忆活跃或巩固水平的实时检测、实时分析、实时评估和实时调节等动态分析及调节的方法和框架，无法完成睡眠阶段记忆活跃水平的训练和科学调节。如何对睡眠过程中的记忆活跃水平或记忆巩固水平进行动态训练和调节，是国内外睡眠健康管理和认知记忆管理领域上仍然难以解决的问题。

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记忆活跃水平动态调节的方法，通过对用户脑中枢生理状态信号进行实时采集和实时特征分析，识
别用户的睡眠时相状态，经过时频特征交叉分析、跨频率耦合分析和动态功能连接分析提取用户的睡眠记忆活跃水平实时指数，以及趋势预测分析得到睡眠记忆活跃水平实时预测指数，从而实时生成睡眠记忆活跃水平动态调节策略并对用户睡眠过程的记忆活跃水平进行实时动态训练或调节，最后完成全部循环动态调整并生成睡眠记忆活跃水平调节报告，建立个性化记忆调节长期数据库，实现了对不同年龄用户、不同身心状态、不同睡眠质量和不同睡眠时相阶段的睡眠过程中的记忆活跃或巩固水平进行动态训练和调节。本专利技术还提供了一种睡眠记忆活跃水平动态调节的系统，用于实现上述方法。本专利技术还提供了一种睡眠记忆活跃水平动态调节的装置，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记忆活跃水平动态调节的方法，包括以下步骤：对用户睡眠过程的脑中枢生理状态信号进行实时地采集记录和时帧处理，得到脑中枢生理频带实时数据，实时识别睡眠时相状态并生成睡眠时相曲线；对所述脑中枢生理频带实时数据进行实时地时频特征交叉分析、跨频率耦合分析和动态功能连接分析，得到脑中枢记忆信息编码实时特征；对所述脑中枢记忆信息编码实时特征进行实时地基线变化分析和时均峰偏分析，提取睡眠记忆活跃水平实时指数并生成睡眠记忆活跃水平实时曲线，实时预测计算生成睡眠记忆活跃水平趋势曲线；根据睡眠记忆水平优化知识库、所述睡眠时相曲线、所述睡眠记忆活跃水平实时曲线和所述睡眠记忆活跃水平趋势曲线，实时生成睡眠记忆活跃水平动态调节策略，并对用户睡眠过程的记忆活跃水平进行实时动态调节；重复上述步骤，完成全部所述睡眠记忆活跃水平的循环动态调节，评估动态调节效果，提取时相记忆活跃相关系数和记忆水平动态调节效果系数，生成睡眠记忆活跃水平调节报告并建立个性化记忆调节长期数据库。
[0007]更优地，所述对用户睡眠过程的脑中枢生理状态信号进行实时地采集记录和时帧处理，得到脑中枢生理频带实时数据，实时识别睡眠时相状态并生成睡眠时相曲线的具体步骤还包括：对用户睡眠过程的中枢神经生理状态进行实时地采集记录，生成所述脑中枢生理状态信号；对用户睡眠过程的所述脑中枢生理状态信号进行实时地时帧处理，得到所述脑中枢生理频带实时数据；根据所述脑中枢生理频带实时数据实时识别睡眠时相状态，得到所述睡眠时相曲线。
[0008]更优地，所述脑中枢神经生理状态信号采集自目标脑区部位，包括脑电信号、脑磁信号、血氧水平依赖信号至少一项；其中，所述目标脑区部位包括前额叶皮质区、背侧额叶皮质区、顶叶皮质区、中央区皮质区、颞叶皮质区、枕叶皮质区至少一项。
[0009]更优地，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、信号矫正处理、信号频带提取和信号时帧划分；其中，所述信号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，所述信号频带提取具体为从目标信号中提取特定频段范
围的频带信号，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。
[0010]更优地，所述睡眠时相曲线的提取方法具体为：1)通过深度学习算法对规模睡眠用户样本的所述脑中枢生理频带实时数据及其对应睡眠分期数据进行学习训练和数据建模，得到睡眠时相自动分期模型；2)将当前用户的所述脑中枢生理频带实时数据输入所述睡眠时相自动分期模型，得到所对应的睡眠时相分期值；3)按照时序获取所述脑中枢生理频带实时数据的所述睡眠时相分期值，生成所述睡眠时相曲线。
[0011]更优地，所述对所述脑中枢生理频带实时数据进行实时地时频特征交叉分析、跨频率耦合分析和动态功能连接分析，得到脑中枢记忆信息编码实时特征的具体步骤还包括：对所述脑中枢生理频带实时数据进行时域特征和频域特征进行统计学分析和交叉关联分析，得到交叉时频特征；对所述脑中枢生理频带实时数据进行相
‑
相耦合分析、相
‑
幅耦合分析和幅
‑
幅耦合分析，得到跨频率耦合特征；对所述脑中枢生理频带实时数据进行动态功能连接分析，量化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠记忆活跃水平动态调节的方法，其特征在于，包括以下步骤：对用户睡眠过程的脑中枢生理状态信号进行实时地采集记录和时帧处理，得到脑中枢生理频带实时数据，实时识别睡眠时相状态并生成睡眠时相曲线；对所述脑中枢生理频带实时数据进行实时地时频特征交叉分析、跨频率耦合分析和动态功能连接分析，得到脑中枢记忆信息编码实时特征；对所述脑中枢记忆信息编码实时特征进行实时地基线变化分析和时均峰偏分析，提取睡眠记忆活跃水平实时指数并生成睡眠记忆活跃水平实时曲线，实时预测计算生成睡眠记忆活跃水平趋势曲线；根据睡眠记忆水平优化知识库、所述睡眠时相曲线、所述睡眠记忆活跃水平实时曲线和所述睡眠记忆活跃水平趋势曲线，实时生成睡眠记忆活跃水平动态调节策略，并对用户睡眠过程的记忆活跃水平进行实时动态调节；重复上述步骤，完成全部所述睡眠记忆活跃水平的循环动态调节，评估动态调节效果，提取时相记忆活跃相关系数和记忆水平动态调节效果系数，生成睡眠记忆活跃水平调节报告并建立个性化记忆调节长期数据库。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脑中枢生理状态信号进行实时地采集记录和时帧处理，得到脑中枢生理频带实时数据，实时识别睡眠时相状态并生成睡眠时相曲线的具体步骤还包括：对用户睡眠过程的中枢神经生理状态进行实时地采集记录，生成所述脑中枢生理状态信号；对用户睡眠过程的所述脑中枢生理状态信号进行实时地时帧处理，得到所述脑中枢生理频带实时数据；根据所述脑中枢生理频带实时数据实时识别睡眠时相状态，得到所述睡眠时相曲线。3.如权利要求2所述的方法，其特征在于：所述脑中枢生理状态信号采集自目标脑区部位，包括脑电信号、脑磁信号、血氧水平依赖信号至少一项；其中，所述目标脑区部位包括前额叶皮质区、背侧额叶皮质区、顶叶皮质区、中央区皮质区、颞叶皮质区、枕叶皮质区至少一项。4.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、信号矫正处理、信号频带提取和信号时帧划分；其中，所述信号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，所述信号频带提取具体为从目标信号中提取特定频段范围的频带信号，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。5.如权利要求1或2所述的方法，其特征在于：所述睡眠时相曲线的提取方法具体为：1)通过深度学习算法对规模睡眠用户样本的所述脑中枢生理频带实时数据及其对应睡眠分期数据进行学习训练和数据建模，得到睡眠时相自动分期模型；2)将当前用户的所述脑中枢生理频带实时数据输入所述睡眠时相自动分期模型，得到所对应的睡眠时相分期值；3)按照时序获取所述脑中枢生理频带实时数据的所述睡眠时相分期值，生成所述睡眠时相曲线。
6.如权利要求1或2所述的方法，其特征在于：所述对所述脑中枢生理频带实时数据进行实时地时频特征交叉分析、跨频率耦合分析和动态功能连接分析，得到脑中枢记忆信息编码实时特征的具体步骤还包括：对所述脑中枢生理频带实时数据进行时域特征和频域特征进行统计学分析和交叉关联分析，得到交叉时频特征；对所述脑中枢生理频带实时数据进行相
‑
相耦合分析、相
‑
幅耦合分析和幅
‑
幅耦合分析，得到跨频率耦合特征；对所述脑中枢生理频带实时数据进行动态功能连接分析，量化信号间振荡交互过程和作用，得到动态功能连接特征；对所述交叉时频特征、所述跨频率耦合特征和所述动态功能连接特征进行特征选择，得到所述脑中枢记忆信息编码实时特征。7.如权利要求6所述的方法，其特征在于：所述时频特征交叉分析具体为对所述脑中枢生理频带实时数据中的不同脑区部位的、不同频带分布的目标信号组的时域特征和频域特征进行统计学分析和交叉关联分析，得到交叉时频特征。8.如权利要求6所述的方法，其特征在于：所述跨频率耦合分析具体为对所述脑中枢生理频带实时数据中的不同脑区部位的、不同频带分布的目标信号组进行相
‑
相耦合分析、相
‑
幅耦合分析和幅
‑
幅耦合分析，得到跨频率耦合特征。9.如权利要求6所述的方法，其特征在于：所述功能连接分析具体为对所述脑中枢生理频带实时数据中的不同脑区部位的目标信号组进行动态功能连接分析，量化信号间振荡交互过程和作用，得到动态功能连接特征。10.如权利要求6所述的方法，其特征在于：所述脑中枢记忆信息编码实时特征至少包括所述交叉时频特征、所述跨频率耦合特征和所述动态功能连接特征。11.如权利要求6所述的方法，其特征在于，所述对所述脑中枢记忆信息编码实时特征进行实时地基线变化分析和时均峰偏分析，提取睡眠记忆活跃水平实时指数并生成睡眠记忆活跃水平实时曲线，实时预测计算生成睡眠记忆活跃水平趋势曲线的具体步骤还包括：根据所述脑中枢记忆信息编码实时特征进行实时地基线变化分析和时均峰偏分析，提取所述睡眠记忆活跃水平实时指数，生成或更新所述睡眠记忆活跃水平实时曲线；根据所述睡眠记忆活跃水平实时曲线进行实时地趋势分析和预测计算，生成或更新所述睡眠记忆活跃水平趋势曲线。12.如权利要求11所述的方法，其特征在于，所述睡眠记忆活跃水平实时指数和所述睡眠记忆活跃水平实时曲线的计算生成方法如下：1)采集分析并计算获取不同年龄层的、规模数量的健康用户群体的清醒期静息态、清醒期记忆任务态下的所述交叉时频特征、所述跨频率耦合特征和所述动态功能连接特征，通过预设权重计算得到每一个特征的静息基线值和任务基线值，建立脑中枢记忆信息编码时帧特征基线指标集；2)获取当前用户的所述脑中枢记忆信息编码实时特征，计算与同年龄层健康人群的所述脑中枢记忆信息编码时帧特征基线指标集中的静息基线值和任务基线值的基线变化量值，即基线变化分析，得到脑中枢记忆信息编码实时特征变化量集；3)对所述脑中枢记忆信息编码实时特征变化量集中的全部指标进行时均峰偏分析，得
到时均峰偏值，即所述睡眠记忆活跃水平实时指数；4)按照时序，获取每一个时帧的所述睡眠记忆活跃水平实时指数，生成或更新所述睡眠记忆活跃水平实时曲线。13.如权利要求12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。14.如权利要求12或13所述的方法，其特征在于，所述时均峰偏分析是一种以数值数组的均值、峰度、偏度、绝对值均值、绝对值峰度、绝对值偏度至少一项为观察基点基础，以数值数组的方差、变异系数、最大值、最小值、中位数、分位数、绝对值方差、绝对值变异系数、绝对值最大值、绝对值最小值、绝对值中位数、绝对值分位数至少一项为主要分析调和项，来观察分析数值数组的数据分布波动状态和总体趋势变化的数据分析方法。15.如权利要求12或13所述的方法，其特征在于，所述时均峰偏分析的一种具体计算方式为：对于数值数组来说，其时均峰偏值的计算公式为；其中，分别为数值数组的时均峰偏值、平均值、偏度和峰度，为年龄相关的修正系数且，为用户的周岁年龄，N为正整数。16.如权利要求11所述的方法，其特征在于，所述睡眠记忆活跃水平趋势曲线的计算生成方法如下：1)获取用户当前的所述睡眠记忆活跃水平实时指数和所述睡眠记忆活跃水平实时曲线；2)对所述睡眠记忆活跃水平实时曲线进行趋势分析和指数预测，得到下一时帧的睡眠记忆活跃水平指数，生成睡眠记忆活跃水平实时预测指数；3)按时序纳入所述睡眠记忆活跃水平实时预测指数，生成或更新所述睡眠记忆活跃水平趋势曲线。17.如权利要求1或2所述的方法，其特征在于：所述根据睡眠记忆水平优化知识库、所述睡眠时相曲线、所述睡眠记忆活跃水平实时曲线和所述睡眠记忆活跃水平趋势曲线，实时生成睡眠记忆活跃水平动态调节策略，并对用户睡眠过程的记忆活跃水平进行实时动态调节的具体步骤还包括：根据睡眠记忆水平优化知识库、所述睡眠时相曲线、所述睡眠记忆活跃水平实时指数和所述睡眠记忆活跃水平趋势曲线，结合睡眠记忆活跃水平动态调节目的，生成所述睡眠记忆活跃水平动态调节策略；根据所述睡眠记忆活跃水平动态调节策略，对用户睡眠过程的记忆活跃水平进行实时
动态调节。18.如权利要求17所述的方法，其特征在于：所述睡眠记忆活跃水平动态调节策略包括调节方式、执行部位、调节方法和调节强度至少一项；其中，所述调节方式包括声、光、味、电、磁、超声和睡眠环境至少一项，所述执行部位包括头部、颈部、躯干部、左右上肢、左右下肢及各大感官器官，所述调节方法包括恒定常数、递增曲线、递减曲线、指数曲线、正弦曲线、周期方波和随机曲线至少一项，所述调节强度则由当前的所述睡眠记忆活跃水平实时指数和睡眠记忆活跃水平实时预测指数共同决定。19.如权利要求1或2所述的方法，其特征在于：所述重复上述步骤，完成全部所述睡眠记忆活跃水平的循环动态调节，评估动态调节效果，提取时相记忆活跃相关系数和记忆水平动态调节效果系数，生成睡眠记忆活跃水平调节报告并建立个性化记忆调节长期数据库的具体步骤还包括：完成全部所述睡眠记忆活跃水平的循环动态调节，得到全部调节过程的所述睡眠时相曲线、所述睡眠记忆活跃水平实时曲...

【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：