【技术实现步骤摘要】
基于模态分解的睡眠趋稳性量化及调节方法、系统和装置
[0001]本专利技术涉及睡眠趋稳性检测量化及辅助调节领域,特别涉及基于模态分解的睡眠趋稳性量化及调节方法、系统和装置。
技术介绍
[0002]人类的睡眠过程除了非快速眼动睡眠和快速眼动睡眠的多次交替循环属性外,还具有趋势性或趋稳性,即整体睡眠深度基线水平由深到浅,直至睡眠结束。
[0003]申请人提出的在先解决方案中国申请CN202310195993提供了睡眠趋稳性检测量化及辅助干预的方法,包括:采集用户睡眠过程的生理体征数据和环境因素数据,进行数据预处理、时帧处理和时帧特征分析,生成生理体征特征和环境因素特征;对所述生理体征特征进行睡眠状态分析、时序成分分析和趋稳性量化分析,提取睡眠趋稳性指数,生成睡眠趋稳性量化日报;重复上述步骤,对用户睡眠过程进行连续监测和跟踪分析,评估睡眠环境对睡眠趋稳性的影响,提取最佳睡眠趋稳性环境方案并对睡眠环境进行动态优化调整,生成睡眠趋稳性量化报告。该技术方案提出了睡眠趋稳性的创新评价指标,通过时间序列分解方法从睡眠持续期状态特征曲线中提取趋势成分,计算趋势强度并得到睡眠趋稳性指数,已经能够初步解决趋稳性量化的问题。但还存在可以提升的空间,主要包括:首先,时间序列分解方法在计算效率、多场景评价和人群适应度上表现出局限性;其次,睡眠持续期状态特征曲线是基于阶梯式睡眠时相分期值平滑得到的,仅能对用户睡眠状态进行简要描述,而不能细致地刻画和量化,最终了带来了睡眠趋稳性的评价不够细致和灵敏;最后,如何更优地通过睡眠环境的调节来实现对 ...
【技术保护点】
【技术特征摘要】
1.一种基于模态分解的睡眠趋稳性量化及调节方法,其特征在于,包括以下步骤:对用户睡眠过程生理状态进行采集监测处理、特征分析和时相识别,得到睡眠深度特征曲线和睡眠分期曲线;对所述睡眠深度特征曲线进行经验模态分解和或变分模态分解,得到IMF分量信号集并识别趋势分量,提取睡眠趋势特征曲线;根据所述睡眠分期曲线、所述睡眠深度特征曲线和所述睡眠趋势特征曲线,计算提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征,生成睡眠趋势性量化报告;重复上述步骤,对用户不同睡眠场景下的睡眠趋势性进行持续检测量化,建立并更新用户个性化睡眠趋势性数据库;根据所述用户个性化睡眠趋势性数据库,对用户睡眠行为进行动态预测,提取个性时相场景睡眠调节策略并对用户睡眠过程进行干预调节和效果评估,生成用户睡眠趋势性调节报告。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生理状态进行采集处理和特征分析,得到睡眠深度特征曲线和睡眠分期曲线的具体步骤还包括:对用户睡眠过程生理状态进行采集监测和信号处理,得到用户睡眠生理状态时帧数据;对所述用户睡眠生理状态时帧数据进行特征分析和特征融合,得到所述睡眠深度特征曲线;对所述用户睡眠生理状态时帧数据进行时相识别和睡眠分期,得到所述睡眠分期曲线。3.如权利要求2所述的方法,其特征在于:所述信号处理至少包括AD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、矫正处理和时帧分割;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、信号预测和平滑处理,所述时帧分割是指根据信号采样率,以预设时间窗口长度和预设时间平移步长对目标信号数据进行连续滑动分割。4.如权利要求2所述的方法,其特征在于:所述用户睡眠生理状态时帧数据至少包括脑中枢状态数据、自主神经状态数据中的任一项;其中,所述脑中枢状态数据至少包括脑电图信号、脑磁图信号、血氧水平依赖信号中的任一项,所述自主神经状态数据至少包括中血氧水平依赖信号、心电信号、脉搏信号、呼吸信号、血氧信号、体温信号和皮肤电信号的任一项。5.如权利要求2或4所述的方法,其特征在于:所述特征分析至少包括数值分析、包络分析、时频分析、熵分析、分形分析和复杂度分析。6.如权利要求2或4所述的方法,其特征在于:所述特征融合是指从所述特征分析得到的目标特征集中,选择预设特征数量的目标特征并进行加权计算,生成所述睡眠深度特征曲线。7.如权利要求2或4所述的方法,其特征在于,所述睡眠深度特征曲线具体为表征用户在预设入睡前时期、睡眠持续期、预设结束睡眠后时期的睡眠深度和时相状态的特征曲线,其计算生成方法具体为:1)对所述用户睡眠生理状态时帧数据中时帧数据逐个进行特征分析,按时序拼接得到
睡眠生理状态时帧特征曲线集;2)从所述睡眠生理状态时帧特征曲线集中,筛选目标相关特征曲线,并按照预设特征融合权重进行加权计算,生成所述睡眠深度特征曲线。8.如权利要求2或4所述的方法,其特征在于,所述睡眠分期曲线的生成方法具体为:1)通过深度学习算法对规模睡眠用户样本的所述用户睡眠生理状态时帧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)将当前用户的所述用户睡眠生理状态时帧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并按时序生成所述睡眠分期曲线。9.如权利要求1或2所述的方法,其特征在于,所述对所述睡眠深度特征曲线进行经验模态分解和或变分模态分解,得到IMF分量信号集并识别趋势分量,提取睡眠趋势特征曲线的具体步骤还包括:对所述睡眠深度特征曲线进行经验模态分解和或变分模态分解,得到所述IMF分量信号集;从所述IMF分量信号集中识别趋势分量,生成所述睡眠趋势特征曲线。10.如权利要求9所述的方法,其特征在于:所述经验模态分解的方法至少包括EMD、EEMD、CEEMD、 CEEMDAN、ICEEMDAN、ESMD中的任意一项;其中,ESMD具体为极点对称模态分解方法,其借鉴了EMD思想,将外部包络线插值改为内部极点对称插值,借用“最小二乘”思想来优化最后剩余模态使其成为整个数据的“自适应全局均线”,以确定最佳筛选次数。11.如权利要求9所述的方法,其特征在于:所述变分模态分解的方法至少包括VMD、改进型VMD中的任意一项;其中,改进型VMD具体是为适应不同场景的信号分析和信号分解需求进行信号处理算法与VMD的有机组合。12.如权利要求9所述的方法,其特征在于,所述趋势分量的一种识别方法具体为:1)对所述IMF分量信号集中全部IMF分量信号进行时频分析,识别最大功率位置处的频率,得到IMF分量信号峰频率集;2)从所述IMF分量信号峰频率集中,筛选低于预设超低频频率阈值的频率集合并识别其所对应的IMF分量信号,得到趋势IMF分量信号集;3)对所述趋势IMF分量信号集进行频率加权融合计算,生成所述睡眠趋势特征曲线。13.如权利要求12所述的方法,其特征在于:所述预设超低频频率阈值由所述经验模态分解和所述变分模态分解的最大分解阶数、目标信号的采样率和时帧分割的预设时间窗口长度、动态调节效果来决定。14.如权利要求12或13所述的方法,其特征在于:所述频率加权融合计算的具体为以信号的加权权重与其中心频率成反比为计算原则,对目标信号集进行加权融合,生成信号频率加权特征描述曲线。15.如权利要求1或12所述的方法,其特征在于,所述根据所述睡眠分期曲线、所述睡眠深度特征曲线和所述睡眠趋势特征曲线,计算提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征,生成睡眠趋势性量化报告的具体步骤还包括:根据所述睡眠深度特征曲线和所述睡眠趋势特征曲线,计算得到所述睡眠趋势性指数;根据所述睡眠分期曲线和所述睡眠趋势特征曲线进行相关性计算,得到所述时相趋势
相关系数;基于所述睡眠分期曲线,对所述睡眠趋势特征曲线进行时相分布统计,得到所述时相趋势分布特征;根据所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线和所述睡眠趋势性指数进行统计分析,生成所述睡眠趋势性量化报告。16.如权利要求15所述的方法,其特征在于,所述睡眠趋势性指数的计算方法具体为:1)获取所述睡眠深度特征曲线和所述睡眠趋势特征曲线;2)分别对所述睡眠深度特征曲线和所述睡眠趋势特征曲线进行取平方,得到睡眠深度特征平方曲线和睡眠趋势特征平方曲线;3)计算所述睡眠深度特征平方曲线和所述睡眠趋势特征平方曲线的样本点比值,得到睡眠趋势性曲线;4)求取所述睡眠趋势性曲线的平均值,得到睡眠趋势性特征值;5)计算所述睡眠趋势性特征值、经验模态分解或变分模态分解方法对应的预设方法修正系数、与用户生物状态信息相关的预设用户个性修正系数的乘积,生成所述睡眠趋势性指数。17.如权利要求16所述的方法,其特征在于,所述睡眠趋势性指数的计算公式具体为:;其中,为所述睡眠趋势性指数,分别为预设用户个性修正系数和预设方法修正系数,、分别为所述睡眠趋势特征曲线和所述睡眠深度特征曲线中的第i个特征值,N为所述睡眠趋势特征曲线的数据长度。18.如权利要求15所述的方法,其特征在于,所述相关性计算的方法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、切比雪夫距离分析中的任意一项。19.如权利要求15所述的方法,其特征在于,所述时相分布统计具体为按照所述睡眠分期曲线中的睡眠时相分期,对所述睡眠趋势特征曲线中的睡眠趋势特征值进行数值分布统计分析,得到所述睡眠趋势特征曲线的数值分布统计特征。20.如权利要求19所述的方法,其特征在于,所述时相趋势分布特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度中的任意一项。21.如权利要求15所述的方法,其特征在于,所述睡眠趋势性量化报告至少包括所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线、所述睡眠趋势性指数、所述时相趋势相关系数、所述时相趋势分布特征、用户睡眠趋势性量化总结。22.如权利要求1所述的方法,其特征在于:所述重复上述步骤,对用户不同睡眠场景下的睡眠趋势性进行持续检测量化,建立并更新用户个性化睡眠趋势性数据库的具体步骤还包括:对用户不同睡眠场景下的睡眠趋势性进行持续检测量化,提取不同睡眠场景下的所述睡眠分期曲线、所述睡眠趋势特征曲线和所述睡眠趋势性指数;根据用户生物状态信息、睡眠场景、所述睡眠分期曲线、所述睡眠趋势特征曲线和所述
睡眠趋势性指数,建立并更新所述用户个性化睡眠趋势性数据库。23.如权利要求22所述的方法,其特征在于:所述用户生物状态信息包括性别、年龄、职业、健康状态、疾病状态和教育程度至少一项。24.如权利要求22或23所述的方法,其特征在于:所述用户个性化睡眠趋势性数...
【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。