【技术实现步骤摘要】
睡眠质量的评估方法、装置、存储介质及计算机设备
[0001]本专利技术涉及信息技术及数字医疗
，尤其是涉及一种睡眠质量的评估方法、装置、存储介质及计算机设备。
技术介绍
[0002]睡眠对人体非常重要，保持充足的睡眠对于人体的精力恢复，维持大脑正常运转有重要意义。基于此，对人体的睡眠质量进行评估变得尤为重要。
[0003]目前，通常通过人工分析用户醒后的心率图来对用户睡眠质量进行评估。然而，这种人为评估方式需要分析者预先查阅大量资料，导致睡眠质量的评估效率较低，同时，由于评估人员技术水平的参差不齐，会导致对心率图分析错误的情况，从而导致睡眠质量的评估准确度较低。
技术实现思路
[0004]本专利技术提供了一种睡眠质量的评估方法、装置、存储介质及计算机设备，主要在于能够提高睡眠质量的评估准确度和评估效率。
[0005]根据本专利技术的第一个方面，提供一种睡眠质量的评估方法，包括：
[0006]获取评估对象的基础特征数据和睡眠属性数据；
[0007]基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
[0008]确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
[0009]将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；>[0010]基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0011]根据本专利技术的第二个方面，提供一种睡眠质量的评估装置，包括：
[0012]获取单元，用于获取评估对象的基础特征数据和睡眠属性数据；
[0013]数据确定单元，用于基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
[0014]向量确定单元，用于确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
[0015]预测单元，用于将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
[0016]评估单元，用于基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0017]根据本专利技术的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
[0018]获取评估对象的基础特征数据和睡眠属性数据；
[0019]基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
[0020]确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
[0021]将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
[0022]基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0023]根据本专利技术的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
[0024]获取评估对象的基础特征数据和睡眠属性数据；
[0025]基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
[0026]确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
[0027]将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
[0028]基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0029]根据本专利技术提供的一种睡眠质量的评估方法、装置、存储介质及计算机设备，与目前通过测量用户醒后的心率来确定用户睡眠质量的方式相比，本专利技术根据评估对象的基础特征数据和睡眠属性数据进行睡眠质量的评估，能够避免仅根据单一信号不能准确对睡眠质量进行评估的缺陷，之后，利用预设睡眠质量预测模型对基础特征数据和睡眠属性数据对应的转化质量进行预测，得到评估对应的睡眠质量预测参数，最终基于睡眠质量预测参数对评估对象的睡眠质量进行评估，能够避免由于评估人员经验不足，导致对睡眠质量评估错误的情况，从而提高了睡眠质量的评估准确度，同时通过预设睡眠质量预测模型进行睡眠质量的预测，能够减少人工对睡眠质量评估时查阅资料的时间，因此本专利技术提高了睡眠质量的评估效率。
附图说明
[0030]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0031]图1示出了本专利技术实施例提供的一种睡眠质量的评估方法流程图；
[0032]图2示出了本专利技术实施例提供的另一种睡眠质量的评估方法流程图；
[0033]图3示出了本专利技术实施例提供的一种睡眠质量的评估装置的结构示意图；
[0034]图4示出了本专利技术实施例提供的另一种睡眠质量的评估装置的结构示意图；
[0035]图5示出了本专利技术实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
[0036]下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0037]目前，通过人工分析用户醒后的心率图来对用户睡眠质量进行评估的方式，导致睡眠质量的评估效率较低，与此同时，由于评估人员技术水平的参差不齐，会导致对心率图分析错误的情况，从而导致睡眠质量的评估准确度较低。
[0038]为了解决上述问题，本专利技术实施例提供了一种睡眠质量的评估方法，如图1所示，所述方法包括：
[0039]101、获取评估对象的基础特征数据和睡眠属性数据。
[0040]其中，基础特征数据包括评估对象的年龄、性别、疾病史、工作等数据，睡眠属性数据包括评估对象的睡眠时长、入睡时间、心电数据和血压数据等。
[0041]需要说明的是，本实施例中获取的评估对象的基础特征数据和睡眠属性数据，并非是评估对象的个人隐私数据，评估对象的基础特征数据可以在数据库中获取，与此同时，可以通过测量装置测量用户在睡眠过程中的心电数据和血压数据等，可以基于计时装置确定评估对象的睡眠时长和入睡时间等数据。之后利用上述基础特征数据和睡眠属性数据来对评估对象的睡眠质量进行评估本文档来自技高网...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种睡眠质量的评估方法，其特征在于，包括：获取评估对象的基础特征数据和睡眠属性数据；基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。2.根据权利要求1所述的方法，其特征在于，所述确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量，包括：确定所述基础特征数据中包含的各个第一字符，以及确定所述时序特征数据中包含的各个第二字符；确定所述各个第一字符对应的第一嵌入向量，以及确定所述各个第二字符对应的第二嵌入向量；将所述第一嵌入向量输入至预设特征提取模型中进行特征提取，得到所述基础特征数据对应的基础属性特征向量；将所述第二嵌入向量输入至所述预设特征提取模型中进行特征提取，得到所述时序特征数据对应的睡眠时序特征向量。3.根据权利要求1所述的方法，其特征在于，所述将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，包括：对所述基础属性特征向量和所述睡眠时序特征向量进行向量交叉处理，得到睡眠交叉特征向量；将所述睡眠交叉特征向量输入至预设睡眠质量预测模型进行转化质量预测。4.根据权利要求3所述的方法，其特征在于，所述对所述基础属性特征向量和所述睡眠时序特征向量进行向量交叉处理，得到睡眠交叉特征向量，包括：对所述基础属性特征向量和所述睡眠时序特征向量做特征交叉处理，得到第一处理结果；对所述基础属性特征向量和所述睡眠时序特征向量做元素交叉处理，得到第二处理结果；对所述基础属性特征向量和所述睡眠时序特征向量做高阶交叉处理，得到第三处理结果；利用预设变换函数对所述第一处理结果、所述第二处理结果和所述第三处理结果进行变换处理，得到睡眠交叉特征向量。5.根据权利要求1所述的方法，其特征在于，在所述将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型之前，所述方法还包括：构建多个预设初始睡眠质量预测模型；获取样本评估对象的样本基础特征数据和样本睡眠属性数据，以及获取所述样本评估对象对应的实际睡眠质量参数；
技术研发人员：张渊，
申请(专利权)人：平安科技深圳有限公司，
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。