System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于睡眠管理,具体涉及一种基于数据感知的睡眠管理方法及系统。
技术介绍
1、睡眠时人类生成必不可少的活动,但是随着社会节奏的加快,导致许多人群睡眠质量不佳,只能够借助外力改善睡眠质量。目前以药物为主的失眠治疗方法是通过抑制中枢神经系统活动来缩短入睡时间,减少觉醒时间和次数,增加总睡眠时间,从而达到改善睡眠状态的目的,这种治疗方法只是单纯的从量的角度来改善睡眠质量。长期的服用药物,只会让患者产生依赖性,从而导致睡眠质量进一步降低。
技术实现思路
1、本专利技术提供一种基于数据感知的睡眠管理方法及系统,用以解决现有技术中让患者产生依赖性,从而导致睡眠质量进一步降低的问题。
2、一方面,本专利技术提供一种基于数据感知的睡眠管理方法,包括:
3、感知被管理人员在睡眠过程中的eeg信号,并对eeg信号进行预处理,得到预处理之后的eeg信号;
4、提取预处理之后的eeg信号中的目标睡眠脑电特征,并采用预先部署的睡眠状态监测模型对目标睡眠脑电特征进行分析,以获取被管理人员对应的目标睡眠状态;
5、调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案,对被管理人员进行睡眠干预,实现睡眠管理;
6、其中,睡眠辅助设备包括声音播放设备、光照调控设备、温度调控设别、电磁场激发设备中的一种或多种。
7、进一步地,调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案,对被管理人员进行睡眠干预之后,还包括:
9、以预设的更新周期为基础,每间隔一个更新周期,则重新对被管理人员的睡眠干预方案进行调整,以更新被管理人员的专用睡眠管理方案;
10、更新被管理人员的专用睡眠管理方案之后,则调度睡眠辅助设备执行与目标睡眠状态对应的专用睡眠管理方案,对被管理人员进行睡眠干预,实现睡眠管理。
11、进一步地,监测调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案之后的睡眠状态,并对被管理人员的睡眠干预方案进行调整,包括:
12、监测调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案之后的睡眠状态,在当前睡眠状态转换为更优睡眠状态时,则将预设睡眠干预方案作为被管理人员对应的专用睡眠管理方案;
13、在当前睡眠状态转换为更差的睡眠状态或者当前睡眠状态超过时间阈值未发生变化时,在睡眠辅助设备的输出范围内,对睡眠辅助设备的输出方案进行调整,并持续监测被管理人员对应的后续睡眠状态;
14、若被管理人员对应的后续睡眠状态转换为更优睡眠状态,则保存睡眠辅助设备的输出方案作为被管理人员在当前睡眠状态的专用睡眠管理方案;若被管理人员对应的后续睡眠状态转换为更差的睡眠状态或者当前睡眠状态超过时间阈值未发生变化时,则返回睡眠辅助设备的输出方案的调整步骤;
15、在被管理人员的睡眠过程中,持续调整被管理人员的睡眠干预方案,直至为被管理人员的每个睡眠状态都找到专用睡眠管理方案,形成适用于被管理人员的专用睡眠管理方案。
16、进一步地,还可以接收用户通过人机交互输入的干预中断信号,并根据所述干预中断信号对睡眠辅助设备进行中断。
17、进一步地,感知被管理人员在睡眠过程中的eeg信号,并对eeg信号进行预处理,得到预处理之后的eeg信号,包括:
18、感知被管理人员在睡眠过程中的eeg信号,并对eeg信号依次进行小波分解、阈值处理以及小波重构,得到预处理之后的eeg信号。
19、进一步地,提取预处理之后的eeg信号中的目标睡眠脑电特征,包括:采用stps方法对滤波之后的eeg信号进行时频处理,得到目标睡眠脑电特征。
20、进一步地,所述睡眠状态监测模型的部署方法为:
21、采用深度学习模型构建睡眠状态监测模型,并多次初始化睡眠状态监测模型的模型参数,得到多个模型参数向量;其中,每个模型参数向量均包括睡眠状态监测模型的所有模型参数;
22、采用全局信息融合的寻优算法对多个模型参数向量进行更新,以获取睡眠状态监测模型的最优模型参数;
23、以所述睡眠状态监测模型的最优模型参数为基础,部署睡眠状态监测模型。
24、进一步地,采用全局信息融合的寻优算法对多个模型参数向量进行更新,以获取睡眠状态监测模型的最优模型参数,包括:
25、从多个模型参数向量中获取全局最优参数向量,并以全局最优参数向量引导策略以及快速探索策略对多个模型参数向量进行一次搜索,以获取一次搜索之后的模型参数向量;
26、采用高斯扰动策略对全局最优参数向量进行扰动更新,并采用概率接收原则对扰动更新进行控制,以获取更新后的全局最优参数向量;
27、采用变种群策略以及种群信息融合引导更新策略对一次搜索之后的模型参数向量进行二次搜索,得到二次搜索之后的模型参数向量;
28、当不满足搜索结束条件时,重复t1次一次搜索以及扰动更新,重复t2次二次更新;当满足搜索结束条件时,以更新后的全局最优参数向量以及二次搜索之后的模型参数向量为基础,重新获取全局最优参数向量,并输出全局最优参数向量作为睡眠状态监测模型的最优模型参数。
29、进一步地,还包括:对被管理人员的多项生命体征进行监测,得到生命体征监测数据,并对生命体征监测数据进行异常分析,得到异常分析结果;所述异常分析结果包括生命体征正常、生命体征异常或生命体征危险;
30、在每个数据报告周期到来时,根据生命体征监测数据以及异常分析结果,形成监测数据报告,并将监测数据报告上传至云端,允许与被管理人员绑定的终端远程实时查看监测数据报告;
31、当所述异常分析结果为生命体征异常时,则触发自动预警任务,向与被管理人员绑定的终端发送预警信息,以触发预警弹窗以及预警语音;
32、当所述异常分析结果为生命体征危险时,则触发紧急救援任务,顺序拨打紧急联系人电话以及急救报警电话,并在电话接通之后,自动播报当下的生命体征监测数据、被管理人员的居住地址以及被管理人员的历史病历数据;
33、该睡眠管理方法还包括:
34、接收被管理人员通过人机交互输入的一键报警信息,并判断生命体征监测数据是否为生命体征危险,若是,则触发紧急救援任务,顺序拨打紧急联系人电话以及急救报警电话,并在电话接通之后,自动播报当下的生命体征监测数据、被管理人员的居住地址以及被管理人员的历史病历数据,否则仅拨打急联系人电话,并在电话接通之后,自动播报当下的生命体征监测数据、被管理人员的居住地址以及被管理人员的历史病历数据。
35、另一方面,本专利技术提供一种基于数据感知的睡眠管理系统,包括信号感知模块、睡眠状态识别模块、睡眠干预模块以及睡眠干预方案调整模块;
...
【技术保护点】
1.一种基于数据感知的睡眠管理方法,其特征在于,包括:
2.根据权利要求1所述基于数据感知的睡眠管理方法,其特征在于,调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案,对被管理人员进行睡眠干预之后,还包括:
3.根据权利要求2所述基于数据感知的睡眠管理方法,其特征在于,监测调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案之后的睡眠状态,并对被管理人员的睡眠干预方案进行调整,包括:
4.根据权利要求2所述基于数据感知的睡眠管理方法,其特征在于,还可以接收用户通过人机交互输入的干预中断信号,并根据所述干预中断信号对睡眠辅助设备进行中断。
5.根据权利要求1所述基于数据感知的睡眠管理方法,其特征在于,感知被管理人员在睡眠过程中的EEG信号,并对EEG信号进行预处理,得到预处理之后的EEG信号,包括:
6.根据权利要求5所述基于数据感知的睡眠管理方法,其特征在于,提取预处理之后的EEG信号中的目标睡眠脑电特征,包括:采用STPS方法对滤波之后的EEG信号进行时频处理,得到目标睡眠脑电特征。
7.根据权
8.根据权利要求7所述基于数据感知的睡眠管理方法,其特征在于,采用全局信息融合的寻优算法对多个模型参数向量进行更新,以获取睡眠状态监测模型的最优模型参数,包括:
9.根据权利要求8所述基于数据感知的睡眠管理方法,其特征在于,还包括:对被管理人员的多项生命体征进行监测,得到生命体征监测数据,并对生命体征监测数据进行异常分析,得到异常分析结果;所述异常分析结果包括生命体征正常、生命体征异常或生命体征危险;
10.一种基于数据感知的睡眠管理系统,其特征在于,包括信号感知模块、睡眠状态识别模块、睡眠干预模块以及睡眠干预方案调整模块;
...【技术特征摘要】
1.一种基于数据感知的睡眠管理方法,其特征在于,包括:
2.根据权利要求1所述基于数据感知的睡眠管理方法,其特征在于,调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案,对被管理人员进行睡眠干预之后,还包括:
3.根据权利要求2所述基于数据感知的睡眠管理方法,其特征在于,监测调度睡眠辅助设备执行与目标睡眠状态对应的预设睡眠干预方案之后的睡眠状态,并对被管理人员的睡眠干预方案进行调整,包括:
4.根据权利要求2所述基于数据感知的睡眠管理方法,其特征在于,还可以接收用户通过人机交互输入的干预中断信号,并根据所述干预中断信号对睡眠辅助设备进行中断。
5.根据权利要求1所述基于数据感知的睡眠管理方法,其特征在于,感知被管理人员在睡眠过程中的eeg信号,并对eeg信号进行预处理,得到预处理之后的eeg信号,包括:
6.根据权利要求5所述基于数据感知的睡眠管理...
【专利技术属性】
技术研发人员:刘元江,
申请(专利权)人:浙江江赫脑机装备有限公司,
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。