【技术实现步骤摘要】
本专利技术涉及儿童睡眠数据处理，具体而言，涉及儿童睡眠质量检测方法及装置。
技术介绍
1、目前的睡眠质量检测方法大多用于实验目的，在进行睡眠质量检测时依赖领域专家手动提取特征，导致检测过程较为复杂，并且采用的睡眠检测模型泛化能力较低，无法针对不同儿童进行个性化睡眠检测，除此之外，目前的睡眠检测方法需要通过硬件采集系统采集人体生理信号，这个过程需要将硬件采集系统中的多种接触式传感器与人体进行接触，之后通过采集到的信号对睡眠质量进行综合评估。然而对于儿童来说，在睡眠过程中将传感器与身体进行接触会大大影响儿童的睡眠质量，还存在安全风险，并且在睡眠过程中由于儿童自身的翻身移动，容易造成传感器脱落。以上问题都会造成检测结果与实际儿童睡眠质量情况不符，无法获取儿童的真实睡眠质量。
技术实现思路
1、本专利技术的目的在于提供一种儿童睡眠质量检测方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
2、第一方面，本申请提供了一种儿童睡眠质量检测方法，包括：
3、分别获取儿童历史睡眠和实时睡眠的心率信号、呼吸信号和体动次数，对心率手环检测到的心率进行放大、滤波和去噪得到所述心率信号，对红外摄像机检测到的红外图像进行去除噪声和图像增强处理，基于运动检测算法在处理后的每帧所述红外图像上标记运动区域，根据所述运动区域的面积计算呼吸运动的运动幅度，所述呼吸信号为所述运动幅度构成的幅度序列，根据设置于床垫上的压力传感器检测到的压力信号计算所述
4、对所述历史睡眠的心率信号和呼吸信号分别进行数据清洗、特征提取和归一化得到心率变异性和呼吸频率，将所述历史睡眠的体动次数离散化为离散区间，根据所述心率变异性、呼吸频率和离散区间构建状态空间；
5、根据影响儿童睡眠环境的关键动作构建动作空间，所述关键动作包括调节床铺硬度、光线亮度、环境温度、环境湿度和噪音水平；
6、根据所述状态空间和动作空间，基于线性加权和法构建奖励函数；
7、根据所述状态空间、动作空间和奖励函数，基于深度确定性策略梯度算法训练预设的actor-critic网络模型，得到睡眠质量检测模型；
8、将所述实时睡眠的心率信号、呼吸信号和体动次数输入所述睡眠质量检测模型，得到睡眠质量检测结果。
9、第二方面，本申请还提供了一种儿童睡眠质量检测装置，包括：
10、获取模块，所述获取模块用于分别获取儿童历史睡眠和实时睡眠的心率信号、呼吸信号和体动次数，对心率手环检测到的心率进行放大、滤波和去噪得到所述心率信号，对红外摄像机检测到的红外图像进行去除噪声和图像增强处理，基于运动检测算法在处理后的每帧所述红外图像上标记运动区域，根据所述运动区域的面积计算呼吸运动的运动幅度，所述呼吸信号为所述运动幅度构成的幅度序列，根据设置于床垫上的压力传感器检测到的压力信号计算所述体动次数；
11、第一构建模块，所述第一构建模块用于对所述历史睡眠的心率信号和呼吸信号分别进行数据清洗、特征提取和归一化得到心率变异性和呼吸频率，将所述历史睡眠的体动次数离散化为离散区间，根据所述心率变异性、呼吸频率和离散区间构建状态空间；
12、第二构建模块，所述第二构建模块用于根据影响儿童睡眠环境的关键动作构建动作空间，所述关键动作包括调节床铺硬度、光线亮度、环境温度、环境湿度和噪音水平；
13、第三构建模块，所述第三构建模块用于根据所述状态空间和动作空间，基于线性加权和法构建奖励函数；
14、训练模块，所述训练模块用于根据所述状态空间、动作空间和奖励函数，基于深度确定性策略梯度算法训练预设的actor-critic网络模型，得到睡眠质量检测模型；
15、检测模块，所述检测模块用于将所述实时睡眠的心率信号、呼吸信号和体动次数输入所述睡眠质量检测模型，得到睡眠质量检测结果。
16、第三方面，本申请还提供了一种儿童睡眠质量检测设备，包括：
17、存储器，用于存储计算机程序；
18、处理器，用于执行所述计算机程序时实现所述儿童睡眠质量检测方法的步骤。
19、第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于儿童睡眠质量检测方法的步骤。
20、本专利技术的有益效果为：本专利技术通过采集的特定数据以及深度确定性策略梯度算法训练的actor-critic网络模型，构建了灵活性、适应性强、泛化能力好的儿童睡眠质量检测模型，无需依赖领域专家手动提取特征，能够更好地捕捉数据之间的复杂关系，能够针对不同儿童进行个性化睡眠质量检测，通过非接触式传感器进行信号的采集，能够排除佩戴大量接触式传感器造成的睡眠质量干扰，使得睡眠检测结果更加接近实际儿童睡眠质量。
21、本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。
本文档来自技高网...【技术保护点】
1.一种儿童睡眠质量检测方法，其特征在于，包括：
2.根据权利要求1所述的儿童睡眠质量检测方法，其特征在于，根据影响儿童睡眠环境的关键动作构建动作空间，包括：
3.根据权利要求2所述的儿童睡眠质量检测方法，其特征在于，根据所述状态空间和动作空间，基于线性加权和法构建奖励函数，包括：
4.根据权利要求3所述的儿童睡眠质量检测方法，其特征在于，所述奖励函数的公式为：
5.根据权利要求4所述的儿童睡眠质量检测方法，其特征在于，
6.根据权利要求3所述的儿童睡眠质量检测方法，其特征在于，根据所述状态空间、所述动作空间和所述奖励函数，基于深度确定性策略梯度算法训练预设的Actor-Critic网络模型，包括：
7.根据权利要求6所述的儿童睡眠质量检测方法，其特征在于，将所述实时睡眠的心率信号、呼吸信号和体动次数输入所述睡眠质量检测模型，得到睡眠质量检测结果，包括：
8.根据权利要求1所述的儿童睡眠质量检测方法，其特征在于，对红外摄像机检测到的红外图像进行去除噪声和图像增强处理，基于运动检测算法在处理后的每帧
9.根据权利要求1所述的儿童睡眠质量检测方法，其特征在于，根据设置于床垫上的压力传感器检测到的压力信号计算所述体动次数，包括：
10.一种儿童睡眠质量检测装置，其特征在于，包括：
...【技术特征摘要】
1.一种儿童睡眠质量检测方法，其特征在于，包括：
2.根据权利要求1所述的儿童睡眠质量检测方法，其特征在于，根据影响儿童睡眠环境的关键动作构建动作空间，包括：
3.根据权利要求2所述的儿童睡眠质量检测方法，其特征在于，根据所述状态空间和动作空间，基于线性加权和法构建奖励函数，包括：
4.根据权利要求3所述的儿童睡眠质量检测方法，其特征在于，所述奖励函数的公式为：
5.根据权利要求4所述的儿童睡眠质量检测方法，其特征在于，
6.根据权利要求3所述的儿童睡眠质量检测方法，其特征在于，根据所述状态空间、所述动作空间和所述奖励函数，基于深度确定性策略梯度算法训练预设的actor-critic网络模型，...
【专利技术属性】
技术研发人员：潘靓，王爱琳，张燕姗，刘安璇，
申请(专利权)人：中国人民解放军西部战区总医院，
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。