基于智能监测的睡眠数据分析方法及装置
文献发布时间:2024-04-18 20:01:23
技术领域
本发明涉及睡眠监测技术领域,特别涉及基于智能监测的睡眠数据分析方法及装置。
背景技术
睡眠数据分析是利用(如智能手环、智能床垫等)收集用户睡眠过程中的生理信号数据,并通过算法和模型对这些数据进行分析和解读,从而提供关于用户睡眠质量、睡眠阶段、睡眠问题等方面的信息。
睡眠数据分析主要用于对人体睡眠质量进行评测等,但由于睡眠受到个人差异、参考标准和基准值等各项数据的差异,容易造成同样的监测装置和分析方法对不同人群的准确性可能会有所差异,最终导致个人的主观感受与客观数据存在出入,智能化程度不够高。
为解决上述问题。为此,提出基于智能监测的睡眠数据分析方法及装置。
发明内容
本发明的目的在于提供基于智能监测的睡眠数据分析方法及装置,解决了背景技术中现有的睡眠数据分析系统,受到个人差异、参考标准和基准值等各项数据的差异,最终导致个人的主观感受与客观数据存在出入的问题。
为实现上述目的,本发明提供如下技术方案:基于智能监测的睡眠数据分析方法,其特征在于,包括以下步骤:
S1:首先通过穿戴设备中的数据采集单元进行数据采集,其包括采集心率、呼吸频率、体动、体温等数据;
S2:通过数据预处理单元对采集到的原始数据进行预处理,包括噪声去除、异常值处理、插值等,确保数据质量和准确性;
S3:通过特征提取单元从预处理后的数据中提取与睡眠阶段相关的特征,例如,计算心率的平均值、变异性指标,提取呼吸频率和呼吸模式特征,分析加速度信号的幅度、频率等;
S4:通过多种人群的实验和研究,设计出多组规则并建立云端数据库,其中的多组规则包括不同数据的阈值和条件,用于判断睡眠阶段;
S5:通过算法选择单元根据采集到的心率、呼吸频率、体动、体温等数据,从规则数据库中选择一组适用的规则;
S6:通过睡眠阶段判断模块,根据选择的规则,对心率、呼吸频率、体动、体温等数据进行判断,确定当前的睡眠阶段;
S7:通过移动终端进行睡眠评估和数据可视化,根据睡眠分期结果和其他特征,评估用户的睡眠质量和睡眠问题,如睡眠效率、睡眠中断次数、呼吸暂停等,并提供相应的建议和改善措施,将分析结果以图表、曲线等形式展示给用户,使其能够直观地了解自己的睡眠状况和趋势变化。
进一步地,所述智能穿戴设备与移动终端之间通过蓝牙进行通讯,移动终端与云端数据库通过5G进行通讯。
3.如权利要求1所述的基于智能监测的睡眠数据分析方法,其特征在于:所述云端数据库是一个存储和管理睡眠阶段判断规则的系统或组件,通过多种人群的实验和研究来设计和建立,规则数据库包括多组规则,每个规则都包括与睡眠阶段判断相关的数据特征、阈值和条件,并根据优先级进行组织和排序。
进一步地,所述数据预处理单元包括:
噪声去除模块:用于去除数据中的噪声干扰,通过滤波器和降噪算法实现,以提高数据的准确性和可靠性;
异常值处理模块:用于检测和处理数据中的异常值,采用数据平滑技术来识别和处理异常值;
插值模块:在数据中存在缺失值的情况下,插值模块用于填补缺失值,以保持数据的连续性和完整性;
数据校准模块:对采集到的原始数据进行校准,以确保其准确性和一致性,通过校准算法来调整原始数据,使其符合预期的测量结果。
进一步地,所述特征提取单元包括;
心率特征提取模块:于从预处理后的心率数据中提取与睡眠阶段相关的特征,包括但不限于心率的平均值、最大值、最小值、变异性指标、心率变异性;
呼吸特征提取模块:用于从预处理后的呼吸数据中提取与睡眠阶段相关的特征,包括但不限于呼吸频率、呼吸模式以及呼吸变异性;
体动特征提取模块:用于从预处理后的加速度数据中提取与睡眠阶段相关的特征,包括但不限于体动幅度、体动频率、体动模式;
体温特征提取模块:用于从预处理后的体温数据中提取与睡眠阶段相关的特征,包括但不限于体温的平均值、波动范围等特征。
进一步地,所述睡眠阶段判断模块包括:
数据输入模块:用于接收经过预处理的心率、呼吸频率、体动、体温等数据,作为睡眠阶段判断的输入;
规则匹配模块:用于在云端数据库中选择的适用规则,对输入的数据进行匹配;
睡眠阶段判断模块:根据匹配到的规则和数据特征,使用特定的算法进行睡眠阶段的判断;
结果输出模块:根据睡眠阶段判断算法的结果,将当前的睡眠阶段输出至移动终端,包括睡眠阶段标签或连续的睡眠状态指标。
进一步地,在规则匹配模块中,通过使用if-else语句来实现匹配过程,基本语法如下:
if条件:
#如果条件为真,执行这里的代码块
else:
#如果条件为假,执行这里的代码块
通过if-else语句用来检查输入数据是否满足规则的条件,并执行相应的操作;其中,条件是一个逻辑表达式,用于判断某个条件是否为真或为假,在if或else后面的冒号后,编写一段包含了在条件满足时需要执行操作的代码块。
进一步地,所述睡眠阶段判断模块通过决策树进行睡眠阶段判断。
进一步地,所述决策树算法的步骤为:
决策树构建:根据匹配到的规则和数据特征,构建决策树模型。决策树的节点表示特征条件,分支代表特征取值,叶子节点表示最终的分类结果;
判断睡眠阶段:根据构建好的决策树,将待判断的样本数据从根节点开始沿着分支进行判断,直到达到叶子节点,得到最终的睡眠阶段。
本发明提出的另一种技术方案:提供一种智能监测装置,智能穿戴设备包括穿戴背心,以及设置在穿戴背心上的采集模块、处理器模块、供电模块和通信模块,穿戴背心用于使用者穿戴在身上,所述采集模块包括心率传感器、呼吸传感器、加速度传感器和温度传感器,所述处理器模块用于对采集到的数据进行实时处理和分析,所述供电模块用于为采集模块和处理器模块供电,所述通信模块用于与移动终端之间建立蓝牙通信。
与现有技术相比,本发明的有益效果是:
本发明提供的基于智能监测的睡眠数据分析方法及装置,通过穿戴设备中的数据采集单元获取用户的心率、呼吸频率、体动及体温数据,通过数据预处理单元和特征提取单元提取呼吸频率、呼吸模式、加速度信号机体温变化相关特征,并通过匹配云端数据库中的规则,通过睡眠阶段判断模块根据相关特征确定当前的睡眠阶段,最后通过移动终端进行睡眠评估以及数据可视化,并提供相应的改善措施,相比较现有的睡眠数据检测系统,多组可供不同人群选择的规则判断,提高了主观评价和客观数据之间的统一性,智能化程度高。
附图说明
图1为本发明的拓普图;
图2为本发明的分析方法图;
图3为本发明的数据预处理单元和特征提取单元模块图;
图4为本发明的睡眠阶段判断模块图。
图中:1、智能穿戴设备;11、穿戴背心;12、采集模块;13、处理器模块;14、供电模块;15、通信模块;2、移动终端。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决现有的睡眠数据分析系统,受到个人差异、参考标准和基准值等各项数据的差异,最终导致个人的主观感受与客观数据存在出入的技术问题,如图1-图4所示,提供以下优选技术方案:
基于智能监测的睡眠数据分析方法,包括以下步骤:
步骤一:首先通过穿戴设备1中的数据采集单元进行数据采集,其包括采集心率、呼吸频率、体动、体温等数据;
步骤二:通过数据预处理单元对采集到的原始数据进行预处理,包括噪声去除、异常值处理、插值等,确保数据质量和准确性;
步骤三:通过特征提取单元从预处理后的数据中提取与睡眠阶段相关的特征,例如,计算心率的平均值、变异性指标,提取呼吸频率和呼吸模式特征,分析加速度信号的幅度、频率等;
步骤四:通过多种人群的实验和研究,设计出多组规则并建立云端数据库,其中的多组规则包括不同数据的阈值和条件,用于判断睡眠阶段;
步骤五:通过算法选择单元根据采集到的心率、呼吸频率、体动、体温等数据,从规则数据库中选择一组适用的规则;
步骤六:通过睡眠阶段判断模块,根据选择的规则,对心率、呼吸频率、体动、体温等数据进行判断,确定当前的睡眠阶段;
步骤七:通过移动终端2进行睡眠评估和数据可视化,根据睡眠分期结果和其他特征,评估用户的睡眠质量和睡眠问题,如睡眠效率、睡眠中断次数、呼吸暂停等,并提供相应的建议和改善措施,将分析结果以图表、曲线等形式展示给用户,使其能够直观地了解自己的睡眠状况和趋势变化。
所述智能穿戴设备1与移动终端2之间通过蓝牙进行通讯,移动终端2与云端数据库通过5G进行通讯。
所述云端数据库是一个存储和管理睡眠阶段判断规则的系统或组件,通过多种人群的实验和研究,收集和分析大量的睡眠数据,并根据数据特征和统计分析结果来制定规则,规则数据库包括多组规则,每个规则都包括与睡眠阶段判断相关的数据特征、阈值和条件,例如针对加速度数据的规则可能包括幅度阈值和频率阈值;针对心率的规则可能包括平均心率和变异性指标的范围条件,并根据优先级进行组织和排序,先级决定了在判断睡眠阶段时应首先应用哪些规则,优先级可根据数据特征的重要性和对睡眠阶段判断准确性的贡献程度进行设置,在睡眠阶段判断过程中,根据采集到的数据特征,从规则数据库中选择适用的规则进行匹配,匹配通常基于阈值和条件的比较,以确定当前数据是否符合某个规则。
所述数据预处理单元包括:
噪声去除模块:用于去除数据中的噪声干扰,通过滤波器和降噪算法实现,以提高数据的准确性和可靠性;
异常值处理模块:用于检测和处理数据中的异常值,采用数据平滑技术来识别和处理异常值;
插值模块:在数据中存在缺失值的情况下,插值模块用于填补缺失值,以保持数据的连续性和完整性;
数据校准模块:对采集到的原始数据进行校准,以确保其准确性和一致性,通过校准算法来调整原始数据,使其符合预期的测量结果。
所述特征提取单元包括;
心率特征提取模块:于从预处理后的心率数据中提取与睡眠阶段相关的特征,包括但不限于心率的平均值、最大值、最小值、变异性指标、心率变异性,变异性指标如标准差、均方根误差等;
呼吸特征提取模块:用于从预处理后的呼吸数据中提取与睡眠阶段相关的特征,包括但不限于呼吸频率、呼吸模式以及呼吸变异性,呼吸模式如呼气时间、吸气时间、呼吸深度等;
体动特征提取模块:用于从预处理后的加速度数据中提取与睡眠阶段相关的特征,包括但不限于体动幅度、体动频率、体动模式,体动模式如连续体动或间断体动;
体温特征提取模块:用于从预处理后的体温数据中提取与睡眠阶段相关的特征,包括但不限于体温的平均值、波动范围等特征。
所述睡眠阶段判断模块包括:
数据输入模块:用于接收经过预处理的心率、呼吸频率、体动、体温等数据,作为睡眠阶段判断的输入;
规则匹配模块:用于在云端数据库中选择的适用规则,对输入的数据进行匹配;
睡眠阶段判断模块:根据匹配到的规则和数据特征,使用特定的算法进行睡眠阶段的判断;
结果输出模块:根据睡眠阶段判断算法的结果,将当前的睡眠阶段输出至移动终端2,包括睡眠阶段标签或连续的睡眠状态指标,睡眠阶段标签如深睡期、浅睡期、REM睡眠期。
在规则匹配模块中,通过使用if-else语句来实现匹配过程,基本语法如下:
if条件:
#如果条件为真,执行这里的代码块
else:
#如果条件为假,执行这里的代码块
通过if-else语句用来检查输入数据是否满足规则的条件,并执行相应的操作;其中,条件是一个逻辑表达式,用于判断某个条件是否为真或为假,在if或else后面的冒号后,编写一段包含了在条件满足时需要执行操作的代码块;
例如,当心率超过阈值时,输出"心率异常",否则输出"心率正常":
heart_rate=80
threshold=100
if heart_rate>threshold:
print("心率异常")
else:
print("心率正常")
使用if-else语句来判断心率是否超过阈值。如果心率大于阈值,会输出"心率异常";如果心率不大于阈值,会输出"心率正常",并根据结果执行相应的操作,可以实现灵活和准确的规则匹配过程。
所述睡眠阶段判断模块通过决策树进行睡眠阶段判断,所述决策树算法的步骤为:
决策树构建:根据匹配到的规则和数据特征,构建决策树模型。决策树的节点表示特征条件,分支代表特征取值,叶子节点表示最终的分类结果即睡眠阶段;
判断睡眠阶段:根据构建好的决策树,将待判断的样本数据从根节点开始沿着分支进行判断,直到达到叶子节点,得到最终的睡眠阶段;
例如,规则匹配模块选择了一条规则:如果心率小于60且呼吸频率小于10,则判定为深睡期;否则,继续根据其他特征进行匹配;
现在有一个样本数据,经过预处理后的心率为55,呼吸频率为8;首先规则匹配模块对这个样本数据应用该规则,发现条件满足;然后根据构建好的决策树模型,将样本数据从根节点开始沿着分支判断,最终得到深睡期作为睡眠阶段判断结果。
本发明提出的另一种技术方案:提供一种智能监测装置,智能穿戴设备1包括穿戴背心11,以及设置在穿戴背心11上的采集模块12、处理器模块13、供电模块14和通信模块15,穿戴背心11用于使用者穿戴在身上,所述采集模块12包括心率传感器、呼吸传感器、加速度传感器和温度传感器,所述处理器模块13用于对采集到的数据进行实时处理和分析,所述供电模块14用于为采集模块12和处理器模块13供电,所述通信模块15用于与移动终端2之间建立蓝牙通信。
具体的,通过穿戴设备1中的数据采集单元获取用户的心率、呼吸频率、体动及体温数据,通过数据预处理单元和特征提取单元提取呼吸频率、呼吸模式、加速度信号机体温变化相关特征,并通过匹配云端数据库中的规则,通过睡眠阶段判断模块根据相关特征确定当前的睡眠阶段,最后通过移动终端2进行睡眠评估以及数据可视化,并提供相应的改善措施,相比较现有的睡眠数据检测系统,多组可供不同人群选择的规则判断,提高了主观评价和客观数据之间的统一性,智能化程度高。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
- 振动呈现装置、振动呈现方法和程序
- 体感振动产生装置以及体感振动呈现装置