【技术实现步骤摘要】
基于动态皮肤温度的睡眠分期方法及控制系统
[0001]本专利技术涉及人体睡眠监测
,具体地,涉及一种基于动态皮肤温度的非接触式睡眠分期方法及精确控制系统,尤其涉及一种基于动态皮肤温度的睡眠分期方法及控制系统。
技术介绍
[0002]鉴于睡眠分期的研究十分热门,同时具有广阔的市场需求。皮温或者体温作为评估人体健康和热舒适的重要生理指标,与局部血流量有密切的关系,目前已经出现了一些与皮肤温度相关的睡眠状态判定方法。
[0003]公开号为CN109788913A的专利技术专利,公开了一种用于确定人的睡眠的时间窗口的方法和系统,包括接收人的远端皮肤温度的样本,并检测远端皮肤温度的样本中的温度变化模式。温度变化模式指示昼夜节律内的参考点。基于所指示的参考点确定用于睡眠的最优时间窗口。温度变化模式是远端皮肤温度的下降随后是远端皮肤温度的增加的形式,其中下降和增加在十分钟或更短的时间窗口内发生。该专利通过测量远端皮肤温度判定睡眠状态,但是远端(手足)上并没有分布人体的主动脉,远端皮温不能反映总体尤其是脑部的血流量数值。
[0004]公开号为CN104095615B的专利技术专利,公开了一种人体睡眠监测方法及监测系统,通过测量电容量、人体重力加速度、体温信息以及心率信息实现睡眠监测和唤醒,首先该技术只能判定总睡眠时长、浅睡时长和深睡时长,无法对睡眠分期进行详细划分(即非快速眼动期的一至三期);其次该技术中皮温起到协助作用,并不主导睡眠分期;最后该技术测量的是局部某点的皮肤温度,无法反映整体的人体血流量数值。r/>[0005]公开号为CN113468147A的专利技术专利,公开了一种稳定睡眠状态的体温数据库建立与使用方法,该技术建立了皮温、核心体温与睡眠质量之间的数据库。但是,首先该技术主要应用于稳定睡眠状态下的睡眠分期判定,对非稳态、多变但短暂出现的睡眠状态无法判定,其次,该技术只构建了皮温与快速眼动期、深度睡眠期之间的关系,无法判定皮温度与非快速眼动期的1至3期之间的关系;而且,该技术,没有考虑到非快速眼动期的1至3期的可逆性变化对体温的影响;最后,该技术只考虑到改善热环境对睡眠质量的影响,但是睡眠受到温度、湿度、风速、噪声、光照、空气品质等多个因素的影响,只改变单一因素可能无法提高睡眠质量。
[0006]包上述三个专利在内的多个使用皮温评估睡眠状态的专利,绝大多数使用接触式测量,需要让处于睡眠状态中的被测佩戴一系列传感器,测量本身会对睡眠质量产生干扰;而且,这些专利采用的生理指标均是静态皮温数值,即当皮温达到一定大小后判定进入某个睡眠阶段,但是皮温同时受到外部环境和内部生理代谢的影响,对于不同人种、年龄、性别、地区、生活习惯的被测,内部生理代谢量都有所差异,外部环境尤其是空气温度更是通过对流换热直接影响皮肤温度,因此直接采用静态皮温数值对睡眠时期进行判定是不合理的。而且,睡眠分期应该考虑到睡眠节律的影响,即使是在同一夜晚中出现的同一种睡眠时
期也不能一概而论,例如非快速眼动2期,应区分是由非快速眼动1期转化而来还是非快速眼动3期转化而来,再制定相应判定规则。
技术实现思路
[0007]针对现有技术中的缺陷,本专利技术提供一种基于动态皮肤温度的睡眠分期方法及控制系统。
[0008]根据本专利技术提供的一种基于动态皮肤温度的睡眠分期方法及控制系统,所述方案如下:
[0009]第一方面,提供了一种基于动态皮肤温度的睡眠分期方法,所述方法包括:
[0010]皮温监测步骤:监测人体不同部位的皮肤温度,并将皮温数据传输至机器学习步骤和睡眠分期步骤中;
[0011]睡眠监测步骤:实时监测被测的睡眠过程,并将睡眠数据传输至机器学习步骤中;
[0012]机器学习步骤:包括训练模型和测试模型,所述训练模型接收皮温监测步骤和睡眠监测步骤传输来的训练集数据后,对初始皮温阈值进行不断调整;
[0013]所述训练模型输出训练后的皮温阈值并构成测试模型,皮温监测步骤和睡眠监测步骤将测试集数据输入测试模型中进行检验;若精确度不达标,则重复机器学习步骤,若精确度达标,则将个性化皮温阈值输入睡眠分期步骤的数据库中;
[0014]睡眠分期步骤:对睡眠过程进行分期,依据机器学习步骤输出的皮温阈值,实时对皮温监测步骤输入的数据进行判定,进而判断当前被测所处的睡眠时期;
[0015]环境监测控制步骤:对睡眠分期步骤输出的精准睡眠分期结果进行判定,若睡眠质量达标,则结束流程;
[0016]若睡眠质量不达标,环境监测控制步骤将监测的卧室环境参数与内设数据库中的适宜参数范围进行比较,优先对与预设范围偏离最大环境参数进行调控,确保睡眠质量达标。
[0017]优选地,所述皮温监测步骤包括:使用非接触式测定仪器,实时监测睡眠期间的人体皮肤温度的动态变化数值,定义皮肤温度在第n分钟的变化量ΔT
n
为:
[0018][0019]其中,为第n分钟的平均皮温,为第n
‑
1分钟的平均皮温。
[0020]优选地,所述机器学习步骤中对初始皮温阈值进行不断调整具体包括:
[0021]所述皮温阈值为判定睡眠分期转化时的最小皮温变化量,即使得皮温阈值不断向实际测量情况靠近,ΔT
m
为第m次调整后的皮温阈值:
[0022][0023]其中,ΔT0为初始设定的皮温阈值,ΔT
i
为第i次的皮温阈值实测值。
[0024]优选地,所述睡眠分期步骤中:睡眠过程划分为觉醒、快速眼动期和非快速眼动期,其中非快速眼动期依据睡眠深度由浅入深分为1至3期,且睡眠分期模块中设有皮温阈值数据库,对于同一类被测,存在15个皮温阈值。
[0025]优选地,所述环境监测控制步骤包括:卧室环境主要包括热环境、声环境、光环境
和空气品质;环境监测控制步骤监测卧室温度、湿度、噪声、光照强度及二氧化碳浓度在内的相关环境参数。:
[0026]第二方面,提供了一种基于动态皮肤温度的睡眠分期控制系统,所述系统包括:
[0027]皮温监测模块:监测人体不同部位的皮肤温度,并将皮温数据传输至机器学习模块和睡眠分期模块中;
[0028]睡眠监测模块:实时监测被测的睡眠过程,并将睡眠数据传输至机器学习模块中;
[0029]机器学习模块:包括训练模型和测试模型,所述训练模型接收皮温监测模块和睡眠监测模块传输来的训练集数据后,对初始皮温阈值进行不断调整;
[0030]所述训练模型输出训练后的皮温阈值并构成测试模型,皮温监测模块和睡眠监测模块将测试集数据输入测试模型中进行检验;若精确度不达标,则重复机器学习模块,若精确度达标,则将个性化皮温阈值输入睡眠分期模块的数据库中;
[0031]睡眠分期模块:对睡眠过程进行分期,依据机器学习模块输出的皮温阈值,实时对皮温监测模块输入的数据进行判定,进而判断当前被测所处的睡眠时期;
[0032]环境监测控制模块:对睡眠分期模块输出的精准睡眠分期结果进行判定,若睡眠本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于动态皮肤温度的睡眠分期方法,其特征在于,包括:皮温监测步骤:监测人体不同部位的皮肤温度,并将皮温数据传输至机器学习步骤和睡眠分期步骤中;睡眠监测步骤:实时监测被测的睡眠过程,并将睡眠数据传输至机器学习步骤中;机器学习步骤:包括训练模型和测试模型,所述训练模型接收皮温监测步骤和睡眠监测步骤传输来的训练集数据后,对初始皮温阈值进行不断调整;所述训练模型输出训练后的皮温阈值并构成测试模型,皮温监测步骤和睡眠监测步骤将测试集数据输入测试模型中进行检验;若精确度不达标,则重复机器学习步骤,若精确度达标,则将个性化皮温阈值输入睡眠分期步骤的数据库中;睡眠分期步骤:对睡眠过程进行分期,依据机器学习步骤输出的皮温阈值,实时对皮温监测步骤输入的数据进行判定,进而判断当前被测所处的睡眠时期;环境监测控制步骤:对睡眠分期步骤输出的精准睡眠分期结果进行判定,若睡眠质量达标,则结束流程;若睡眠质量不达标,环境监测控制步骤将监测的卧室环境参数与内设数据库中的适宜参数范围进行比较,优先对与预设范围偏离最大环境参数进行调控,确保睡眠质量达标。2.根据权利要求1所述的基于动态皮肤温度的睡眠分期方法,其特征在于,所述皮温监测步骤包括:使用非接触式测定仪器,实时监测睡眠期间的人体皮肤温度的动态变化数值,定义皮肤温度在第n分钟的变化量ΔT
n
为:其中,为第n分钟的平均皮温,为第n
‑
1分钟的平均皮温。3.根据权利要求1所述的基于动态皮肤温度的睡眠分期方法,其特征在于,所述机器学习步骤中对初始皮温阈值进行不断调整具体包括:所述皮温阈值为判定睡眠分期转化时的最小皮温变化量,即使得皮温阈值不断向实际测量情况靠近,ΔT
m
为第m次调整后的皮温阈值:其中,ΔT0为初始设定的皮温阈值,ΔT
i
为第i次的皮温阈值实测值。4.根据权利要求1所述的基于动态皮肤温度的睡眠分期方法,其特征在于,所述睡眠分期步骤中:睡眠过程划分为觉醒、快速眼动期和非快速眼动期,其中非快速眼动期依据睡眠深度由浅入深分为1至3期,且睡眠分期模块中设有皮温阈值数据库,对于同一类被测,存在15个皮温阈值。5.根据权利要求1所述的基于动态皮肤温度的睡眠分期方法,其特征在于,所述环境监测控制步骤包括:卧室环境主要包括热环境、声环境、光环境和空气品质;环境监测控制步骤监测卧室温度、湿度、噪声、光照强度及二氧化碳浓度在内的相关环境参数。6.一种基于动态皮肤温度的...
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。