【技术实现步骤摘要】
睡眠评估方法及其运算装置
[0001]本专利技术涉及一种睡眠评估方法,特别是涉及一种用于评估一待评估者的睡眠障碍的睡眠评估方法及其运算装置。
技术介绍
[0002]近年来,随着健康意识抬头,民众开始重视自己的生活质量,其中睡眠也被视为重要的一环,当民众认为自己可能有睡眠障碍情况的时候,通常通过咨询及纸本填写问卷的方式来评估是否有失眠的情况,若评估的结果显示有失眠的情况时,会进行进一步的检测来判断是属于失眠症或者可能有呼吸中止症。然而,如此的评估方式需耗费较多时间及人力成本方能判定出待评估者的睡眠障碍的类型,无法立即地产生评估结果,所以实有必要提出一解决方案。
技术实现思路
[0003]本专利技术的目的在于提供一种可实时且节省人力成本地自动评估出一待评估者为一呼吸中止症或一失眠症的睡眠评估方法。
[0004]本专利技术睡眠评估方法,通过一运算装置来实施,该运算装置储存有一用于分类一使用者为该失眠症或该呼吸中止症的睡眠评估模型,该睡眠评估方法包含以下步骤:
[0005](A)该运算装置经由一待评估者的输入操作产生一对应一睡眠质量调查表的作答内容;
[0006](B)该运算装置根据该作答内容获得一相关于该待评估者的睡眠质量的睡眠分数;
[0007](C)该运算装置根据该睡眠分数判定该待评估者是否具有睡眠质量障碍;及
[0008](D)当该运算装置判定该待评估者具有睡眠质量障碍时,该运算装置根据该作答内容利用该睡眠评估模型获得对应该待评估者的一睡眠分类结果,其中该睡眠分 ...
【技术保护点】
【技术特征摘要】
1.一种睡眠评估方法,通过一运算装置来实施,该运算装置储存有用于分类使用者为失眠症或呼吸中止症的睡眠评估模型,其特征在于,该睡眠评估方法包含以下步骤:(A)该运算装置经由待评估者的输入操作产生对应一睡眠质量调查表的作答内容;(B)该运算装置根据该作答内容获得相关于该待评估者的睡眠质量的睡眠分数;(C)该运算装置根据该睡眠分数判定该待评估者是否具有睡眠质量障碍;及(D)当该运算装置判定该待评估者具有睡眠质量障碍时,该运算装置根据该作答内容利用该睡眠评估模型获得对应该待评估者的睡眠分类结果,其中该睡眠分类结果指示出该待评估者为该呼吸中止症或该失眠症。2.根据权利要求1所述的睡眠评估方法,其特征在于,在步骤(A)中,该睡眠质量调查表包含用于评估多个不同睡眠指标的多个问题内容,每一睡眠指标可被分类为第一类指标或第二类指标,且步骤(D)包含以下子步骤:(D
‑
1)当该运算装置判定该待评估者具有睡眠质量障碍时,该运算装置从该作答内容获得对应每一第一类指标的问题内容所对应的第一作答内容;(D
‑
2)该运算装置根据该作答内容中对应每一第二类指标的问题内容所对应的第二作答内容,获得每一第二类指标对应的指标值;及(D
‑
3)该运算装置根据每一第一作答内容及每一第二类指标对应的指标值,利用该睡眠评估模型获得对应该待评估者的该睡眠分类结果。3.根据权利要求2所述的睡眠评估方法,该运算装置还存有多笔对应于多个测试者针对该睡眠质量调查表进行作答的训练作答内容,该运算装置还储存有每一训练作答内容所对应的睡眠分类标记结果,该睡眠分类标记结果为该失眠症或该呼吸中止症,其特征在于,在步骤(A)前,还包含以下步骤:(E)对于每一训练作答内容,该运算装置从该训练作答内容获得对应每一第一类指标的问题内容所对应的第一训练作答内容;(F)对于每一训练作答内容,该运算装置根据该训练作答内容中对应每一第二类指标的问题内容所对应的第二训练作答内容,获得每一第二类指标对应的训练指标值;(G)对于每一训练作答内容,该运算装置将该训练作答内容所对应的每一第一训练作答内容、每一第二类指标对应的训练指标值,及所对应的睡眠分类标记结果作为一组睡眠训练资料;及(H)根据所述睡眠训练资料,利用一机器学习算法,建立该睡眠评估模型。4.根据权利要求1所述的睡眠评估方法,其特征在于,在步骤(A)中,该睡眠质量调查表包含多个用于评估多个不同睡眠指标的问题内容,且步骤(B)包含以下子步骤:(B
‑
1)该运算装置根据对应该睡眠质量调查表的作答内容获得多个对应所述睡眠指标的指标值;及(B
‑
2)该运算装置根据所述指标值,获得相关于该待评估者的睡眠质量的该睡眠分数。5.根据权利要求1所述的睡眠评估方法,该运算装置还储存有用于评估该使用者的呼吸中止程度的呼吸中止评估模型,该呼吸中止程度对应轻度呼吸中止、中度呼吸中止,及重度呼吸中止的其中一者,其特征在于,在该步骤(D)后,还包含以下步骤:(I)该运算装置判定该睡眠分类结果是否指示出该待评估者为该呼吸中止症;(J)当该运算装置判定出该睡眠分类结果指示出该待评估者为该呼吸中止症时,该运
算装置根据该待评估者于夜晚睡眠期间的血氧浓度信息,利用一特征提取方法,获得该血氧浓度信息的血氧特征值;及(K)该运算装置根据该血氧特征值利用该呼吸中止评估模型获得对应该待评估者的该呼吸中止程度。6.根据权利要求5所述的睡眠评估方法,该运算装置还存有多笔对应多个测试者在夜晚睡眠期间的训练血氧浓度信息,该运算装置还存有每一训练血氧浓度信息所对应的呼吸中止程度标记,该呼吸中止程度标记对应该轻度呼吸中止、该中度呼吸中止,及该重度呼吸中止的其中一者,其特征在于,在步骤(J)前,还包含以下步骤:(L)对于每一训练血氧浓度信息,该运算装置根据该训练血氧浓度信息,利用所述特征提取方法获得该训练血氧浓度信息所对应的训练血氧特征值;(M)对于每一训练血氧浓度信息,该运算装置将该训练血氧浓度信息所对应的训练血氧特征值,及所对应的呼吸中止程度标记作为一组呼吸训练资料;及(N)根据所述呼吸训练资料,利用一机器学习算法,建立该呼吸中止评估模型。7.根据权利要求1所述的睡眠评估方法,该运算装置还储存有用于评估该使用者的一睡眠分期的睡眠分期评估模型,该睡眠分期对应清醒期、快速动眼期,及非快速动眼期的其中一者,其特征在于,在该步骤(D)后,还包含以下步骤:(O)当该运算装置判定出该睡眠分类结果指示出该待评估者为该失眠症时,该运算装置根据该待评估者于夜晚睡眠期间的心电信号,将该心电信号切分为多段心电分期信号;及(P)该运算装置根据所述心电分期信号,利用该睡眠分期评估模型获得对应所述心电分期信号的所述睡眠分期。8.根据权利要求7所述的睡眠评估方法,该运算装置还存有多笔对应多个测试者在夜晚睡眠期间的心电信号,每一心电信号被切分为多段心电分期信号,该运算装置还存有每一心电分期信号所对应的睡眠分期标记,该睡眠分期标记对应该清醒期、该快速动眼期,及该非快速动眼期的其中一者,其特征在于,在步骤(O)前,...
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。