【技术实现步骤摘要】
基于眼动的睡眠记忆情感张力量化的方法、系统和装置
[0001]本专利技术涉及睡眠记忆情感张力检测量化领域，特别涉及基于眼动的睡眠记忆情感张力量化的方法、系统和装置。
技术介绍
[0002]眼睛是人类信息获取的最主要来源，视觉信息处理占据了大量的大脑皮层面积，具备着非常核心的生理学意义；同时，眼睛也是心灵的窗口，是注意选择和情感表征的重要基础，具备非常关键的心理学意义。眼动（眼球运动行为）是信息获取、注意选择和情感表征的生理基础，不仅发生在清醒意识状态下，也发生睡眠及昏迷等非意识状态下，是生物生命的基本生理过程。在不同睡眠时相状态过程中，记忆通过信息重放和皮层重激活得到转移和巩固，其中包含了超量视觉信息和情感信息在大脑皮层网络中的显著复合激活过程，情感强烈程度或水平是记忆信息的基本构成。
[0003]当前，关于眼动的生理学和心理学研究，以及不同场景的眼动检测应用非常多，但都集中清醒意识状态下的注意、情感、运动和娱乐等，睡眠及昏迷等非意识状态下的快动眼睡眠行为障碍、睡眠时相分期、瞳孔反射、眼跳检测等。而关于眼动在睡眠记忆...
【技术保护点】
【技术特征摘要】
1.一种基于眼动的睡眠记忆情感张力检测量化方法，其特征在于，包括以下步骤：S1、对用户睡眠的眼生理状态和脑生理状态进行检测采集和信号处理，得到眼生理状态数据和脑生理状态数据，识别睡眠时相状态并得到睡眠时相分期；S2、结合所述睡眠时相分期，根据所述眼生理状态数据识别分析不同睡眠时相状态下眼球运动状态特征，经时相修正生成睡眠时相眼动位速特征；S3、结合所述睡眠时相分期，根据所述脑生理状态数据识别筛选不同睡眠时相状态下记忆激活状态特征，经特征选择生成睡眠时相记忆激活特征；S4、对所述睡眠时相眼动位速特征和所述睡眠时相记忆激活特征进行关联分析和同步分析，提取张力表征关联指数和张力表征同步指数，生成睡眠记忆情感张力指数。2.如权利要求1所述的方法，其特征在于,还包括：S5、重复上述步骤S1
‑
S4，完成对用户整个睡眠过程的所述睡眠记忆情感张力的检测量化和持续跟踪，提取睡眠时相记忆情感张力曲线和时相情感张力相关系数，生成睡眠记忆情感张力检测量化报告，建立和持续更新个性睡眠记忆情感张力量化长期数据库；S6、对所述个性睡眠记忆情感张力量化长期数据库进行特征表征学习，提取并优化所述睡眠时相眼动位速特征对睡眠记忆情感张力的独立表征模式，得到基于眼动的睡眠记忆情感张力量化模型。3.如权利要求1或2所述的方法，其特征在于：所述对用户睡眠的眼生理状态和脑生理状态进行检测采集和信号处理，得到眼生理状态数据和脑生理状态数据，识别睡眠时相状态并得到睡眠时相分期的具体步骤还包括：对用户睡眠的眼生理状态和脑生理状态进行检测采集，得到眼生理状态信号和脑生理状态信号；对所述眼生理状态信号和所述脑生理状态信号进行信号处理，得到所述眼生理状态数据和所述脑生理状态数据；根据所述眼生理状态数据和所述脑生理状态数据识别用户睡眠时相状态，得到所述睡眠时相分期。4.如权利要求3所述的方法，其特征在于：所述眼生理状态信号至少包括眼电信号、眼压信号、眼球运动信号、眼周血氧水平依赖信号的任意一项。5.如权利要求3所述的方法，其特征在于：所述脑生理状态信号至少包括脑电信号、脑磁信号、功能性近红外光谱成像信号、功能性核磁共振成像信号的任意一项。6.如权利要求3所述的方法，其特征在于：所述信号处理至少包括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、矫正处理和动态截取；其中，所述矫正处理具体为对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，所述动态截取是指根据检测量化的时间周期或频率要求以预设时间窗口和预设时间步长对目标信号进行移动截取处理。7.如权利要求1或2所述的方法，其特征在于：所述结合所述睡眠时相分期，根据所述眼生理状态数据识别分析不同睡眠时相状态下眼球运动状态特征，经时相修正生成睡眠时相眼动位速特征的具体步骤还包括：根据所述眼生理状态数据中的多角度矩阵测量信号数据，重建提取眼动位矢图；根据所述眼动位矢图，提取眼球相对位置，经数据计算和数据平滑得到眼动速度矢量
和加速度矢量；根据所述眼球相对位置，所述眼动速度矢量和所述加速度矢量，结合所述睡眠时相分期进行时相修正，生成所述睡眠时相眼动位速特征。8.如权利要求7所述的方法，其特征在于：所述时相修正具体为根据睡眠时相状态对眼动状态特征进行系数修正，以减小不同睡眠时相的眼动状态特征的差异，来保证眼动特征对于记忆情感张力的表征描述能力。9.如权利要求1或2所述的方法，其特征在于：所述结合所述睡眠时相分期，根据所述脑生理状态数据识别筛选不同睡眠时相状态下记忆激活状态特征，经特征选择生成睡眠时相记忆激活特征的具体步骤还包括：对所述脑生理状态数据进行特征向量分析，得到脑生理状态数据特征；根据所述睡眠时相分期和所述脑生理状态数据特征进行目标特征筛选，提取记忆激活状态特征，生成所述睡眠时相记忆激活特征。10.如权利要求9所述的方法，其特征在于：所述特征向量分析至少包括特征频带信号提取、包络分析、小波分解、经验模态分解、主成分分析和独立成分分析。11.如权利要求9所述的方法，其特征在于：所述目标特征筛选具体为根据用户关键生理信息以及不同睡眠时相，确定稳定的筛选规则并从所述脑生理状态数据特征中筛选对应记忆激活状态相关特征；其中，所述用户关键生理信息包括年龄、性别、教育文化程度、健康状态和疾病状态至少一项。12.如权利要求1或2所述的方法，其特征在于：所述对所述睡眠时相眼动位速特征和所述睡眠时相记忆激活特征进行关联分析和同步分析，提取张力表征关联指数和张力表征同步指数，生成睡眠记忆情感张力指数的具体步骤还包括：对所述睡眠时相眼动位速特征和所述睡眠时相记忆激活特征进行关联分析，得到所述张力表征关联指数；对所述睡眠时相眼动位速特征和所述睡眠时相记忆激活特征进行同步分析，得到所述张力表征同步指数；根据所述张力表征关联指数和所述张力表征同步指数，计算提取所述睡眠记忆情感张力指数。13.如权利要求12所述的方法，其特征在于：所述关联分析至少包括相干性分析、皮尔逊相关分析、杰卡德相似分析、线性互信息分析、线性相关分析、欧氏距离分析、曼哈顿距离分析、切比雪夫距离分析的任意一项。14.如权利要求13所述的方法，其特征在于：所述同步分析至少包括锁相分析、相
‑
相耦合分析、相
‑
幅耦合分析和幅
‑
幅耦合分析的任意一项。15.如权利要求12所述的方法，其特征在于，所述睡眠记忆情感张力指数的具体提取方法为：1)获取当前的所述张力表征关联指数和所述张力表征同步指数，生成张力表征指数集；2)按照预设张力表征指数权重对所述张力表征指数集进行权重计算，得到张力表征权重修正指数集；3)对所述张力表征权重修正指数集进行从大到小的数值排序，提取头部预设数量的张
力表征权重修正指数的均方根，得到张力表征强度系数；4)结合对应的所述睡眠时相分期和用户基本信息，对所述张力表征强度系数进行系数修正，得到所述睡眠记忆情感张力指数。16.如权利要求15所述的方法，其特征在于：所述睡眠记忆情感张力指数的具体计算公式为：；其中，为所述睡眠记忆情感张力指数；为所述张力表征权重修正指数集取值排序后的头部预设数量；为一张力表征指数及其对应的预设张力表征指数权重；分别为睡眠时相分期修正系数和用户个性化修正系数。17.如权利要求2所述的方法，其特征在于，所述重复上述步骤，完成对用户整个睡眠过程的所述睡眠记忆情感张力的检测量化和持续跟踪，提取睡眠时相记忆情感张力曲线和时相情感张力相关系数，生成睡眠记忆情感张力检测量化报告，建立和持续更新个性睡眠记忆情感张力量化长期数据库的具体步骤还包括：完成对用户整个睡眠过程的所述睡眠记忆情感张力的检测量化和持续跟踪，提取所述睡眠时相记忆情感张力曲线和睡眠时相分期曲线；计算所述睡眠时相记忆情感张力曲线和所述睡眠时相分期曲线的相关性系数，得到所述时相情感张力相关系数；按预设报告周期，生成并输出所述睡眠记忆情感张力检测量化报告；将睡眠记忆情感张力检测量化过程关键数据存入数据库，建立和持续更新所述个性睡眠记忆情感张力量化长期数据库。18.如权利要求17所述的方法，其特征在于，所述睡眠时相记忆情感张力曲线由按时序排列的所述睡眠时相记忆情感张力指数组成；所述睡眠时相分期曲线由按时序排列的所述睡眠时相分期组成。19.如权利要求17所述的方法，其特征在于，所述相关性系数具体为相干系数、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中的任意一项。20.如权利要求17所述的方法，其特征在于，所述睡眠记忆情感张力检测量化报告至少包括用户基本信息、所述睡眠时相记忆情感张力曲线、所述睡眠时相分期曲线、所述时相情感张力相关系数、所述睡眠时相眼动位速特征的时序曲线、记忆情感张力检测总结。21.如权利要求17所述的方法，其特征在于，所述个性睡眠记忆情感张力量化长期数据库至少包括用户基本信息、所述睡眠时相记忆情感张力曲线、所述睡眠时相分期曲线、所述睡眠时相眼动位速特征、所述睡眠...
【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。