一种睡眠效率量化及干预的方法、系统和装置制造方法及图纸

本发明专利技术提供了睡眠效率量化及干预的方法，采集用户的空间行为数据、生理体征数据和睡眠环境数据，得到空间行为信息、生理体征信息和睡眠环境信息；对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析，识别用户睡眠时相变化，生成睡眠效率信息；对所述睡眠效率信息进行交叉分析，生成睡眠效率量化报告和睡眠效率环境影响报告，并通过图形可视化界面向用户展示；根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告，生成睡眠效率优化调整方案，并进行用户睡眠环境的动态优化调整，使得用户获得更高的睡眠效率。高的睡眠效率。高的睡眠效率。

【技术实现步骤摘要】
一种睡眠效率量化及干预的方法、系统和装置


[0001]本专利技术涉及睡眠效率量化及干预领域，特别涉及一种睡眠效率量化及干预的方法、系统和装置。

技术介绍

[0002]睡眠是人类及其他高级生物最基本的生命过程和基本必需品，发挥着体力精力恢复、机体生长和功能修复等关键作用。但随着社会经济快速发展和社会生存压力不断增加，对于大多数人们来说，好的睡眠质量和高的睡眠效率是一种身心奢侈追求。而对神经系统疾病和精神心理疾病的患者来说，常常伴随着严重的睡眠问题或睡眠疾病。
[0003]现有睡眠监测医疗设备及其数据分析系统、智能手表或智能手环等可穿戴设备仅能完成对用户睡眠行为的有限量化分析或是单次睡眠分析，缺乏对用户睡眠行为习惯、睡眠环境状态、睡眠效率的系统性、长期性的跟踪分析，缺乏对用户睡眠效率的长期量化，缺乏用户睡眠行为习惯和睡眠环境状态等关键因素对睡眠效率的影响程度的准确评估，用户无法获得具体有效的、科学合理的、符合用户正常生活行为习惯的干预方案或生活调整建议，无法进一步养成良好的睡眠行为习惯，获得更好的睡眠质量和更高的睡眠效率。例如文献CN114041752A披露了监测睡眠状况得方案，但其主要分析当前睡眠是否属于异常睡眠状态，并未有对用户得长期监测和持续分析，未充分考虑不同人的差异。此外，也并未披露如何进行睡眠效率的量化。
[0004]因此，现有技术有待改进以准确量化睡眠效率、高效改善用户睡眠体验。

技术实现思路

[0005]针对现有方法的以上缺陷及改进需求，本专利技术的目的在于提供一种睡眠效率量化及干预的方法，通过对用户的睡眠行为数据、生理体征数据和环境信息数据进行长期跟踪分析，系统性地分析用户睡眠行为习惯、睡眠环境状态和睡眠效率，完成对睡眠效率的科学量化，评估睡眠行为习惯、睡眠环境因素对睡眠效率的影响因子，向用户提供睡眠环境因素、睡眠行为习惯和睡眠心理辅助的调整方案或辅助建议，帮助用户养成良好的睡眠行为习惯，获得更好的睡眠质量和更高的睡眠效率，同时辅助医生的临床诊疗和用户的睡眠健康管理。本专利技术还提供了一种睡眠效率量化及干预的系统，用于实现上述方法。本专利技术还提供了一种睡眠效率量化及干预的装置，用于实现上述系统。
[0006]根据本专利技术的目的，本专利技术提出了一种睡眠效率量化及干预的方法，包括如下步骤：采集用户的空间行为数据、生理体征数据和睡眠环境数据，完成数据预处理和时帧处理，得到空间行为信息、生理体征信息和睡眠环境信息；对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析，识别用户睡眠时相变化，生成睡眠效率信息；对所述睡眠效率信息进行交叉分析，生成睡眠效率量化报告和睡眠效率环境影响
报告，并通过图形可视化界面向用户展示；根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告，生成睡眠效率优化调整方案，并进行用户睡眠环境的动态优化调整。
[0007]更优地，所述空间行为信息至少包括上床时间、下床时间、床上体动时间、空间位置、身体姿态、活动频率、活动强度。
[0008]更优地，所述生理体征信息至少包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息。
[0009]更优地，所述睡眠环境信息至少包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度。
[0010]更优地，所述数据预处理至少包括A/D转换、重采样、去伪迹、降噪、工频陷波、带通滤波、去无效、重参考、平滑处理。
[0011]更优地，所述时帧处理是以预设分帧窗口时长对信号数据进行预设分帧步长的滑动分割。
[0012]更优地，所述睡眠效率信息包括睡眠时相特征信息、睡眠行为习惯特征信息和睡眠环境因素特征信息。
[0013]更优地，所述睡眠时相特征信息至少包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长。
[0014]更优地，所述睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息，至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度。
[0015]更优地，所述睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。
[0016]更优地，所述环境状态参数均值至少包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值。
[0017]更优地，所述睡眠效率量化报告至少包括睡眠效率指数和睡眠效率指数曲线。
[0018]更优地，所述睡眠效率指数和所述睡眠效率指数曲线的计算方法，包括：1)按日期时序，获取用户长期跟踪（连续多日）的睡眠时相特征信息和睡眠行为习惯特征信息，并提取用户睡眠行为时间序列，并生成睡眠行为时间序列数组；2)对所述睡眠行为时间序列数组进行时间数据化变换，得到睡眠行为数据序列数组；3)根据所述睡眠行为数据序列数组，计算当前日期的所述睡眠效率指数；4)按日期时序，得到全部日期的所述睡眠效率指数，生成睡眠效率指数曲线。
[0019]更优地，所述睡眠行为时间序列至少包括上床时点序列、入睡时点序列、觉醒时点序列、离床时点序列、睡眠持续时长序列和睡眠觉醒总时长序列。
[0020]更优地，所述睡眠效率指数的计算方法，如下：
[0021]其中，为特定具体日期标识，为当前睡眠过程的睡眠效率指数，
为当前睡眠过程的睡眠持续时长（数据值），为当前睡眠过程的睡眠觉醒总时长（数据值），为当前睡眠过程的离床时点（数据值），为当前睡眠过程的上床时点（数据值），为离床时点和上床时点的间隔天数,为与用户疾病状态相关的睡眠效率修正指数。
[0022]更优地，所述睡眠效率修正指数由用户疾病状态决定，对于嗜睡、发作性睡病、睡眠呼吸暂停等睡眠疾病严重程度呈反比关系，而正常或亚健康用户的所述睡眠效率修正指数通常为0.9~1.0。
[0023]更优地，所述睡眠效率环境影响报告至少包括睡眠效率环境影响因子序列、最佳睡眠效率环境参数序列。
[0024]更优地，所述睡眠效率环境影响因子序列至少包括睡眠效率环境光照度影响因子、睡眠效率环境光谱影响因子、睡眠效率环境气压影响因子、睡眠效率环境温度影响因子、睡眠效率环境湿度影响因子、睡眠效率环境微颗粒影响因子、睡眠效率环境噪声影响因子、睡眠效率环境氧气浓度影响因子、睡眠效率环境二氧化碳指标浓度影响因子和睡眠效率环境甲醛浓度影响因子。
[0025]更优地，所述睡眠效率环境影响因子序列的计算方法，包括：1)按日期时序，获取用户长期跟踪（连续多日）的睡眠环境因素特征信息中的睡前、入睡、睡中和睡后的环境状态参数均值，按所述睡眠环境信息的不同类型，生成睡眠环境均值变化多维矩阵，所述睡眠环境均值变化多维矩阵包括睡前环境均值变化矩阵、入睡环境均值变化矩阵、睡中环境均值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种睡眠效率量化及干预的方法，其特征在于，包括如下步骤：采集用户的空间行为数据、生理体征数据和睡眠环境数据，完成数据预处理和时帧处理，得到空间行为信息、生理体征信息和睡眠环境信息；对所述空间行为信息、所述生理体征信息和所述睡眠环境信息进行时帧特征分析，识别用户睡眠时相变化，生成睡眠效率信息；对所述睡眠效率信息进行交叉分析，生成睡眠效率量化报告和睡眠效率环境影响报告，并通过图形可视化界面向用户展示；根据预设睡眠知识库、所述睡眠效率量化报告和所述睡眠效率环境影响报告，生成睡眠效率优化调整方案，并进行用户睡眠环境的动态优化调整。2.如权利要求1所述的方法，其特征在于：所述空间行为信息包括上床时间、下床时间、床上体动时间、空间位置、身体姿态、活动频率、活动强度至少一项。3.如权利要求1所述的方法，其特征在于：所述生理体征信息包括脑电功率谱及特征频带能量信息、心电功率谱及心率变异性信息、心率信息、呼吸频率、血氧浓度信息和体温信息至少一项。4.如权利要求1所述的方法，其特征在于：所述睡眠环境信息至少包括环境光照度、环境光谱、环境气压、环境温度、环境湿度、环境微颗粒、环境噪声水平、环境氧气浓度、环境二氧化碳浓度和环境甲醛浓度至少一项。5.如权利要求1所述的方法，其特征在于：所述数据预处理至少包括A/D转换、重采样、去伪迹、降噪、工频陷波、带通滤波、去无效、重参考、平滑处理。6.如权利要求1或5所述的方法，其特征在于：所述时帧处理是以预设分帧窗口时长对信号数据进行预设分帧步长的滑动分割。7.如权利要求1所述的方法，其特征在于：所述睡眠效率信息包括睡眠时相特征信息、睡眠行为习惯特征信息和睡眠环境因素特征信息。8.如权利要求7所述的方法，其特征在于：所述睡眠时相特征信息包括睡眠状态时相曲线、睡眠入睡时点、睡眠觉醒时点、睡眠持续总时长和睡眠觉醒总时长至少一项。9.如权利要求8所述的方法，其特征在于：所述睡眠行为习惯特征信息具体划分为睡眠前行为习惯特征信息、睡眠潜伏行为习惯特征信息、睡眠中行为习惯特征信息、睡眠后行为习惯特征信息，至少包括上床时点、入睡时点、觉醒时点、离床时点、床上姿态、体动频率和体动强度。10.如权利要求9所述的方法，其特征在于：所述睡眠环境因素特征信息至少包括睡前、入睡、睡中和睡后的环境状态参数均值。11.如权利要求10所述的方法，其特征在于：所述环境状态参数均值包括光照度均值、光谱融合均值、气压均值、温度均值、湿度均值、微颗粒均值、噪声均值、氧气浓度均值、二氧化碳浓度均值和甲醛浓度均值至少一项。12.如权利要求1所述的方法，其特征在于：所述睡眠效率量化报告至少包括睡眠效率指数、睡眠效率指数曲线。13.如权利要求12所述的方法，其特征在于：所述睡眠效率指数和所述睡眠效率指数曲线的计算方法包括：1)按日期时序，获取用户一段时间跟踪的睡眠时相特征信息和睡眠行为习惯特征信
息，并提取用户睡眠行为时间序列，并生成睡眠行为时间序列数组；2)对所述睡眠行为时间序列数组进行时间数据化变换，得到睡眠行为数据序列数组；3)根据所述睡眠行为数据序列数组，计算当前日期的所述睡眠效率指数；4)按日期时序，得到全部日期的所述睡眠效率指数，生成睡眠效率指数曲线。14.如权利要求13所述的方法，其特征在于：所述睡眠行为时间序列至少包括上床时点序列、入睡时点序列、觉醒时点序列、离床时点序列、睡眠持续时长序列和睡眠觉醒总时长序列。15.如权利要求13所述的方法，其特征在于：所述睡眠效率指数的计算方法如下：；其中，为特定具体日期标识，为当前睡眠过程的睡眠效率指数，为当前睡眠过程的睡眠持续时长，为当前睡眠过程的睡眠觉醒总时长，为当前睡眠过程的离床时点，为当前睡眠过程的上床时点，为离床时点和上床时点的间隔天数,为与用户疾病状态相关的睡眠效率修正指数。16.如权利要求15所述的方法，其特征在于：所述睡眠效率修正指数由用户疾病状态决定，与睡眠疾病严重程度呈反比关系。17.如权利要求1所述的方法，其特征在于：所述睡眠效率环境影响报告至少包括睡眠效率环境影响因子序列、最佳睡眠效率环境参数序列。18.如权利要求17所述的方法，其特征在于：所述睡眠效率环境影响因子序列包括睡眠效率环境光照度影响因子、睡眠效率环境光谱影响因子、睡眠效率环境气压影响因子、睡眠效率环境温度影响因子、睡眠效率环境湿度影响因子、睡眠效率环境微颗粒影响因子、睡眠效率环境噪声影响因子、睡眠效率环境氧气浓度影响因子、睡眠效率环境二氧化碳指标浓度影响因子和睡眠效率环境甲醛浓度影响因子至少一项。19.如权利要求17或18所述的方法，其特征在于：所述睡眠效率环境影响因子序列的计算方法包括：1)按日期时序，获取用户一段时间跟踪的睡眠环境因素特征信息中的睡前、入睡、睡中和睡后的环境状态参数均值，按所述睡眠环境信息的不同类型，生成睡眠环境均值变化多维矩阵，所述睡眠环境均值变化多维矩阵包括睡前环境均值变化矩阵、入睡环境均值变化矩阵、睡中环境均值变化矩阵和睡后环境均值变化矩阵；2)按睡前、入睡、睡中和睡后，分别计算所述睡眠环境均值变化多维矩阵中不同类型睡眠环境信息的均值变化曲线和睡眠效率指数曲线的相关性指数，生成睡眠效率
‑
环境状态均值关联矩阵；3)按照睡眠环境信息的不同类型，计算所述睡眠效率
‑
环境状态均值关联矩阵中不同类型睡眠环境信息的环境效率相关性融合指标，生成所述睡眠效率环境影响因子序列。20.如权利要求19所述的方法，其特征在于：所述睡眠效率
‑
环境状态均值关联矩阵至少包括睡眠效率
‑
睡前环境状态均值关联指数序列，睡眠效率
‑
入睡环境状态均值关联指数序列，睡眠效率
‑
睡中环境状态均值关联指数序列，睡眠效率
‑
睡后环境状态均值关联指数序列。
21.如权利要求17所述的方法，其特征在于：所述最佳睡眠效率环境参数序列的提取方法包括：1)基于睡眠效率指数曲线进行预设睡眠效率阈值判断，筛选所述睡眠效率指数超过预设睡眠效率阈值的对应日期，生成最佳睡眠效率日期集合；2)判断所述最佳睡眠效率日期集合是否为空集，若为空集则对所述睡眠效率指数曲线的所述睡眠效率指数进行降序排列并筛选预设头部数量，生成所述最佳睡眠效率日期集合；3)根据所述最佳睡眠效率日期集合的日期，从睡眠环境因素特征信息中提取对应日期的入睡和睡中的环境状态参数均值，生成最佳睡眠环境状态均值集合；4)按所述睡眠环境信息的不同类型，对所述最佳睡眠环境状态均值集合进行指标融合处理，生成最佳睡眠效率环境参数序列。22.如权利要求1所述的方法，其特征在于：所述睡眠效率优化调整方案包括睡眠行为习惯调整方案、睡眠环境优化控制方案和睡眠...

【专利技术属性】
技术研发人员：何将，
申请(专利权)人：安徽星辰智跃科技有限责任公司，
类型：发明
国别省市：