【技术实现步骤摘要】
本专利技术涉及睡眠监测，尤其涉及一种睡眠监测方法、系统、计算机设备及存储介质。
技术介绍
1、睡眠监测
主要关注于使用各种方法和系统来追踪和分析个体的睡眠模式和质量，结合生理传感技术、数据分析、机器学习以及人体生物学，以获取关于睡眠深度、持续时间、中断情况以及睡眠周期的详细信息。监测设备包括床垫传感器、可穿戴设备、移动应用和其他无线技术，能够实时收集睡眠相关的生理和运动数据，通过数据分析，可以帮助识别睡眠障碍、评估睡眠质量，并为改善个人健康和生活质量提供科学依据。
2、其中，睡眠监测方法的主题是通过科技手段，系统地收集和分析睡眠数据，以评估和提升睡眠质量，主要用途包括帮助识别各种睡眠障碍如失眠、睡眠呼吸暂停或周期性肢体运动障碍等，此外还能监测睡眠健康，为医疗专业人士提供决策支持，并帮助普通用户通过调整生活习惯，如睡眠环境和作息时间，来改善睡眠质量，有助于提高人们的整体健康和生活质量，特别是在当今社会，睡眠问题日益增多的背景下。
3、现有技术在睡眠监测方面，在对微小生理变化的检测与分析上仍存在局限。往往只能提供有限的数据分辨率，导致对微小的呼吸或动作变化的忽视，从而影响到对睡眠质量和阶段的准确评估。此外在处理大量数据时，往往依赖于较为通用的分析模型，未能充分考虑到个体间的生理差异，导致监测结果的个体化不足。例如，对于轻微的睡眠呼吸暂停或是微小的睡眠动作，现有技术可能未能及时识别和响应，从而在一定程度上降低了对睡眠障碍的预防和干预效果。这些不足在日常应用中可能导致用户对睡眠监测技术的信任度下降，尤其是对
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的一种睡眠监测方法、系统、计算机设备及存储介质。
2、为了实现上述目的，本专利技术采用了如下技术方案：一种睡眠监测方法，包括以下步骤：
3、s1：通过微型差分压力传感器，监控用户头部和颈部的压力变化，实时采集压力数据，根据压力波动记录呼吸周期，识别压力高低峰值，生成头部压力监测数据；
4、s2：对所述头部压力监测数据进行频率和幅度分析，识别正常呼吸波动与异常呼吸波动，将数据转换为识别标记，得到呼吸模式分析结果；
5、s3：根据所述呼吸模式分析结果，设置警报机制，当检测到呼吸异常时触发警报信号，通过声音或光信号对用户进行提醒，记录警报发出时间点和频率，生成呼吸异常警报记录；
6、s4：利用微动能传感器监测头部细微移动，通过动作与时间的对比分析，评估用户睡眠阶段，识别深睡期和浅睡期的转换，生成头部动作分析结果；
7、s5：结合所述呼吸异常警报记录和头部动作分析结果，对用户睡眠质量进行综合评估，分析睡眠周期的规律性和异常睡眠事件的分布，输出用户睡眠综合监测记录。
8、作为本专利技术的进一步方案，通过微型差分压力传感器，监控用户头部和颈部的压力变化，实时采集压力数据，根据压力波动记录呼吸周期，识别压力高低峰值，生成头部压力监测数据的具体步骤为，
9、s101：基于微型差分压力传感器，进行设备校准，实时监控并记录每个检测点的压力变化，提取时间序列压力数据，生成头颈压力数据集；
10、s102：基于所述头颈压力数据集，进行数据筛选，提取连续压力波动，通过识别峰值与谷值界定每个呼吸周期，对周期性数据进行归类，生成呼吸周期记录；
11、s103：基于所述呼吸周期记录，进行数据聚合，分析头部与颈部的压力数据，通过计算周期内的平均压力值，确定压力变化的总体趋势，生成头部压力监测数据。
12、作为本专利技术的进一步方案，对所述头部压力监测数据进行频率和幅度分析，识别正常呼吸波动与异常呼吸波动，将数据转换为识别标记，得到呼吸模式分析结果的具体步骤为，
13、s201：基于所述头部压力监测数据，对波动频率进行准确测定，并对每次波动进行幅度评估，提取每次呼吸的基本特性，生成基本呼吸波动特征集；
14、s202：基于所述基本呼吸波动特征集，对比标准呼吸模式，识别偏离正常参数的频率或幅度，标记异常呼吸波动，生成异常呼吸标识结果；
15、s203：基于所述异常呼吸标识结果，对异常波动进行分类标注，包括打鼾或呼吸暂停，并将标注转化为呼吸模式识别标记，生成呼吸模式分析结果。
16、作为本专利技术的进一步方案，根据所述呼吸模式分析结果，设置警报机制，当检测到呼吸异常时触发警报信号，通过声音或光信号对用户进行提醒，记录警报发出时间点和频率，生成呼吸异常警报记录的具体步骤为，
17、s301：基于所述呼吸模式分析结果，定义警报触发条件，包括呼吸频率低于或高于正常值的阈值，并设定警报参数，生成警报触发参数设定结果；
18、s302：基于所述警报触发参数设定结果，当警报触发时立即发出对应声音或光信号，同步记录警报信息发出的确切时间点，生成实时警报发出记录；
19、s303：基于所述实时警报发出记录，统计并汇总每次警报的发出时间点和发出频率，创建警报响应日志，输出呼吸异常警报记录。
20、作为本专利技术的进一步方案，利用微动能传感器监测头部细微移动，通过动作与时间的对比分析，评估用户睡眠阶段，识别深睡期和浅睡期的转换，生成头部动作分析结果的具体步骤为，
21、s401：基于所述微动能传感器，持续监测用户头部每次微小的头部移动，记录每个移动动作的时间戳和幅度数据，生成头部微动数据记录；
22、s402：基于所述头部微动数据记录，对收集到的时间戳和头部移动数据进行分析，评估移动的频率和持续时间，计算睡眠阶段指数，区分睡眠阶段的变化，生成睡眠阶段分析结果；
23、s403：基于所述睡眠阶段分析结果，识别深睡与浅睡的转换，记录深睡期和浅睡期的起止时间，分析转换频率，生成头部动作分析结果。
24、作为本专利技术的进一步方案，所述睡眠阶段指数，按照公式：
25、
26、进行计算，其中，ssi表示时间段i的睡眠阶段指数，fi为第i个记录的头部移动频率，di为对应持续时间，wi为针对每个时间段i的自适应权重系数，ci为睡眠期间用户的舒适度评分，v为舒适度权重系数，t为总的观测时间。
27、作为本专利技术的进一步方案，结合所述呼吸异常警报记录和头部动作分析结果，对用户睡眠质量进行综合评估，分析睡眠周期的规律性和异常睡眠事件的分布，输出用户睡眠综合监测记录的具体步骤为，
28、s501：基于所述呼吸异常警报记录和头部动作分析结果，对每个时间点的呼吸异常事件和头部动作数据进行交叉比较，分析在整个睡眠周期中的时间对应性和频率分布，生成交叉分析记录；
29、s502：基于所述交叉分析记录，识别异常睡眠事件模式，分析呼吸暂停与头部动作的关联性，评估影响睡眠质量的关键因素，生成关键睡眠质量因素分析结果；
30、s503：基于所述关键睡眠质量因素分析结果，综合分析睡本文档来自技高网...
【技术保护点】
1.一种睡眠监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的睡眠监测方法，其特征在于，通过微型差分压力传感器，监控用户头部和颈部的压力变化，实时采集压力数据，根据压力波动记录呼吸周期，识别压力高低峰值，生成头部压力监测数据的具体步骤为，
3.根据权利要求1所述的睡眠监测方法，其特征在于，对所述头部压力监测数据进行频率和幅度分析，识别正常呼吸波动与异常呼吸波动，将数据转换为识别标记，得到呼吸模式分析结果的具体步骤为，
4.根据权利要求1所述的睡眠监测方法，其特征在于，根据所述呼吸模式分析结果，设置警报机制，当检测到呼吸异常时触发警报信号，通过声音或光信号对用户进行提醒，记录警报发出时间点和频率，生成呼吸异常警报记录的具体步骤为，
5.根据权利要求1所述的睡眠监测方法，其特征在于，利用微动能传感器监测头部细微移动，通过动作与时间的对比分析，评估用户睡眠阶段，识别深睡期和浅睡期的转换，生成头部动作分析结果的具体步骤为，
6.根据权利要求5所述的睡眠监测方法，其特征在于，所述睡眠阶段指数，按照公式：
7
8.一种睡眠监测系统，其特征在于，所述一种睡眠监测系统用于执行权利要求1至7任一所述的一种睡眠监测方法，所述一种睡眠监测系统包括；
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求8的一种睡眠监测系统。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的睡眠监测方法的步骤。
...【技术特征摘要】
1.一种睡眠监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的睡眠监测方法，其特征在于，通过微型差分压力传感器，监控用户头部和颈部的压力变化，实时采集压力数据，根据压力波动记录呼吸周期，识别压力高低峰值，生成头部压力监测数据的具体步骤为，
3.根据权利要求1所述的睡眠监测方法，其特征在于，对所述头部压力监测数据进行频率和幅度分析，识别正常呼吸波动与异常呼吸波动，将数据转换为识别标记，得到呼吸模式分析结果的具体步骤为，
4.根据权利要求1所述的睡眠监测方法，其特征在于，根据所述呼吸模式分析结果，设置警报机制，当检测到呼吸异常时触发警报信号，通过声音或光信号对用户进行提醒，记录警报发出时间点和频率，生成呼吸异常警报记录的具体步骤为，
5.根据权利要求1所述的睡眠监测方法，其特征在于，利用微动能传感器监测头部细微移动，通过动作与时间的对比分析，评估用户睡眠阶段，识...
【专利技术属性】
技术研发人员：吴正刚，于慧娟，
申请(专利权)人：天津中健国康纳米科技股份有限公司，
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。