用于连续护理的系统和方法与流程

用于连续护理的系统和方法
1.相关申请的交叉引用
2.本技术要求2019年9月13日提交的美国临时专利申请no.62/899,833的权益及优先权，该申请的全部内容以引用的方式并入本文。
技术领域
3.本发明大体上涉及用于在睡眠时段期间确定用户的睡眠相关参数的系统和方法，且更明确地说，涉及用于使用两个或两个以上单独且相异的传感器在睡眠时段期间确定用户的两组或更多组睡眠相关参数的系统和方法。


背景技术：

4.许多个体患有与睡眠时段期间发生的一个或多个事件相关的睡眠相关呼吸障碍，例如打鼾、呼吸暂停、呼吸不足、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫发作或其任何组合。这些个体通常使用呼吸治疗系统(例如，持续气道正压通气(cpap)系统)来治疗，其递送加压空气以帮助防止个体的气道在睡眠时段期间变窄或塌陷。呼吸治疗系统可以生成与睡眠时段相关联的生理数据，该生理数据又可以用于确定睡眠相关参数和/或生成指示睡眠质量的报告。然而，如果用户没有将呼吸治疗系统用于睡眠时段的一部分(例如，用户移除用户接口)，则在针对睡眠时段生成的生理数据中存在间隙。本发明旨在解决这些问题并解决其他需要。


技术实现要素：

5.根据本发明的一些实现方式，一种方法包括从一个或多个传感器接收与用户的气道相关联的数据。该方法还包括从第二传感器接收与用户的睡眠时段相关联的第二生理数据。该方法还包括至少部分地基于第一生理数据来确定与用户的睡眠时段相关联的第一组睡眠相关参数。该方法还包括至少部分地基于第二生理数据来确定与用户的睡眠时段相关联的第二组睡眠相关参数。该方法还包括至少部分地基于第一组睡眠相关参数和第二组睡眠相关参数之间的比较来校准第二传感器。
6.根据本发明的一些实现方式，一种系统包括呼吸设备、用户接口、传感器、存储器、和控制系统。呼吸设备被配置为在睡眠时段期间提供加压空气并生成与呼吸机设备的用户相关联的第一生理数据。用户接口经由导管联接到呼吸设备。用户接口被配置为在睡眠时段期间接合用户，以帮助将供应的加压空气引导到用户的气道。传感器被配置为在睡眠时段期间生成与呼吸设备的用户相关联的第二生理数据。存储器存储机器可读指令。控制系统包括一个或多个处理器，处理器被配置为执行机器可读指令以：分析第一生理数据以确定用户在睡眠时段期间的第一组睡眠相关参数。控制系统进一步被配置为分析第二生理数据以确定用户在睡眠时段期间的第二组睡眠相关参数。控制系统进一步配置为至少部分地基于第一组睡眠相关参数与第二组睡眠相关参数的比较，校准传感器。
7.根据本发明的一些实现方式，一种系统包括用户接口、呼吸设备、传感器、存储器
和控制系统。用户接口是被配置为在睡眠时段期间接合用户的面罩。呼吸设备经由导管联接到用户接口。呼吸设备被配置为当用户接口与用户接合时，在睡眠时段期间生成与用户相关联的第一生理数据。传感器，其被配置成在用户接口与用户接合时以及在用户接口不与用户接合时，在睡眠时段期间，生成与呼吸设备的用户相关联的第二生理数据；存储器存储机器可读指令。控制系统包括一个或多个处理器，一个或多个处理器被配置为执行机器可读指令以：分析第一生理数据、第二生理数据或两者以确定在用户接口与用户接合的睡眠时段的第一部分期间用户的第一组睡眠相关参数。控制系统进一步被配置为：分析第二生理数据以确定在用户接口未与用户接合的睡眠时段的第二部分期间用户的第二组睡眠相关参数。控制系统进一步被配置为：生成与第一组睡眠相关参数相关联且与第二组睡眠相关参数相关联的报告。
8.根据本发明的一些实现方式，一种方法包括当呼吸治疗系统的用户接口与用户接合时，在睡眠时段期间接收与用户相关联的呼吸机数据。该方法还包括当用户接口与用户接合时以及当用户接口不与用户接合时，在睡眠时段期间，接收与用户关联的传感器数据。该方法还包括累积呼吸机数据和传感器数据，呼吸机数据包括历史呼吸机数据和当前呼吸机数据，传感器数据包括历史传感器数据和当前传感器数据。方法还包括用历史呼吸机数据和历史传感器数据训练机器学习算法，使得机器学习算法被配置成(i)接收当前呼吸机数据和当前传感器数据作为输入，以及(ii)确定用户在预定时间段将经历的预测活动水平作为输出。
9.根据本发明的一些实现方式，一种系统包括用户接口、呼吸设备、传感器、存储器和控制系统。用户接口被配置为在睡眠时段期间接合用户。呼吸设备经由导管联接到用户接口。呼吸设备被配置为当用户接口与用户接合的时，在睡眠时段期间生成与用户相关联的呼吸机数据。传感器，其被配置成在用户接口与用户接合时以及在用户接口不与用户接合时，在睡眠时段期间，生成与呼吸设备的用户相关联的传感器数据。存储器存储机器可读指令。控制系统包括一个或多个处理器，一个或多个处理器被配置成执行机器可读指令以累积呼吸机数据和传感器数据，呼吸机数据包括历史呼吸机数据和当前呼吸机数据，传感器数据包括历史传感器数据和当前传感器数据。控制系统进一步被配置成用历史呼吸机数据和历史传感器数据训练机器学习算法，使得机器学习算法被配置成(i)接收当前呼吸机数据和当前传感器数据作为输入，以及(ii)确定用户在预定时间段将经历的预测活动水平作为输出。
10.以上概述并非旨在表示本发明的每个实施方案或每个方面。本发明的详细描述和附图中，本发明的附加特征和优点是显而易见的。
附图说明
11.图1是根据本说明的一些实施方式的用于在睡眠时段期间生成与用户相关联的生理数据的系统的功能框图；
12.图2是根据本发明的一些实施方式的图1的系统、用户和床伴的透视图；
13.图3是根据本发明的一些实现的用于在睡眠时段期间确定与用户相关联的睡眠相关参数的方法的处理流程图；
14.图4是根据本发明的一些实施方式的用于生成与睡眠时段相关联的报告的方法的
过程流程图；
15.图5是根据本发明的一些实现方式的用于基于历史呼吸机设备数据和历史传感器数据来训练机器学习算法的方法的过程流程图；
16.图6示出了根据本发明的一些实现方式的睡眠时段的示例性时间线；以及
17.图7是根据本发明的一些实施方式的与图3的睡眠时段相关联的示例性睡眠图。
18.虽然本发明易受各种修改和替换形式的影响，但是其具体实现方式和实施方案已经通过附图中的示例示出并且将在本文中详细描述。然而，应当理解，这并不旨在将本发明限制为所公开的特定形式，而是相反，本发明将覆盖落入由所附权利要求限定的本发明的精神和范围内的所有修改，等同物和替换物。
具体实施方式
19.许多个体患有睡眠相关和/或呼吸障碍。睡眠相关和/或呼吸障碍的示例包括周期性肢体运动障碍(plmd)、不宁腿综合征(rls)、睡眠障碍性呼吸(sdb)、阻塞性睡眠呼吸暂停(osa)、呼吸暂停、潮式呼吸(csr)、呼吸功能不全、肥胖症换气过度综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)和胸壁障碍。
20.阻塞性睡眠呼吸暂停(osa)是睡眠呼吸障碍(sdb)的一种形式，其特征在于包括睡眠时段期间由异常小的上气道和舌、软腭和后口咽壁区域中的正常肌肉张力丧失的组合引起的上气道的闭塞或阻塞的事件。更一般地，呼吸暂停一般是指由空气阻断(阻塞性睡眠呼吸暂停)或呼吸功能停止(通常称为中枢性呼吸暂停)引起的呼吸停止。通常，在阻塞性睡眠呼吸暂停事件期间，个体将停止呼吸约15秒到约30秒。
21.其他类型的呼吸暂停包括呼吸不足、呼吸过度和高碳酸血症。呼吸不足的特征通常在于由狭窄气道引起的缓慢或浅呼吸，而不是阻塞气道。呼吸过度通常以呼吸深度和/或速率增加为特征。高碳酸血症的特征通常在于血流中二氧化碳过量为特征，通常由呼吸不足引起。
22.潮式呼吸(csr)是另一种睡眠呼吸障碍形式。csr是患者呼吸控制器的失调，其中存在称为csr循环的盛衰通气的律动交替周期。csr的特征在于动脉血的重复性缺氧和复氧。
23.肥胖通气过度综合征(ohs)被定义为严重肥胖和觉醒时慢性高碳酸血症的组合，不存在通气不足的其他已知原因。症状包括呼吸困难、晨起头痛和白天过度嗜睡。
24.慢性阻塞性肺病(copd)包括具有某些共同特征的下气道疾病组中的任一种，如对空气运动的阻力增加、呼吸的呼气阶段延长、和肺的正常弹性丧失。
25.神经肌肉疾病(nmd)其涵盖直接通过内在肌肉病理学或间接通过神经病理学损害肌肉功能的许多疾病和病痛。胸壁是一组导致呼吸肌与胸廓之间无效率联接的胸廓畸形。
26.这些和其他病症的特征在于当个体睡眠时发生的特定事件(例如打鼾、呼吸暂停、呼吸不足、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫、或其任何组合)。
27.呼吸暂停低通气指数(ahi)是用于指示睡眠时段期间睡眠呼吸暂停严重性的指数。ahi用户在睡眠时段期间经历的呼吸暂停和/或呼吸不足事件的数量除以睡眠时段中睡眠的总小时数来计算ahi。事件可以是例如持续至少10秒的呼吸暂停。小于5的ahi被认为是
正常的。大于或等于5但小于15的ahi被认为是轻度睡眠呼吸暂停的指示。大于或等于15但小于30的ahi被认为是中度睡眠呼吸暂停的指示。大于或等于30的ahi被认为是严重睡眠呼吸暂停的指示。在儿童中，大于1的ahi被认为是异常的。当ahi正常时，或当ahi正常或轻度时，睡眠呼吸暂停可被认为是“受控的”。ahi还可以与氧去饱和水平结合使用以指示阻塞性睡眠呼吸暂停的严重程度。
28.参考图1，系统100包括控制系统110、呼吸治疗系统120、一个或多个传感器130和外部设备170。如本文，系统100通常可用于使用呼吸系统120在睡眠时段期间生成与用户相关联的第一组生理数据，并使用呼吸系统120外部的一个或多个传感器130生成第二组生理数据，第二组生理数据又可被分析以确定第一组睡眠相关参数和第二组睡眠相关参数。
29.控制系统110包括一个或多个处理器112(下文，处理器112)。控制系统110通常用于控制系统100的各种部件和/或分析由系统100的部件获得和/或产生的数据。处理器112可以是通用或专用处理器或微处理器。虽然在图1中示出了一个处理器112，但是控制系统110可以包括任何合适数量的处理器(例如，一个处理器，两个处理器、五个处理器、十个处理器等)，这些处理器可以在单个壳体中，或者彼此远离地定位。控制系统110可以联接到和/或定位在例如外部设备170的壳体、呼吸系统120的一部分(例如壳体)内、和/或一个或多个传感器130的壳体内。控制系统110可以是集中式的(在一个这样的壳体内)或分散式的(在物理上不同的两个或多个这样的壳体内)。在包括包含控制系统110的两个或更多个壳体的这种实施方式中，这种壳体可以彼此靠近地和/或远离地定位。
30.存储器114存储可由控制系统110的处理器112执行的机器可读指令。存储器设备114可以是任何合适的计算机可读存储设备或介质，例如随机或串行访问存储设备、硬盘驱动器、固态驱动器、闪存设备等。虽然图1中示出了一个存储器设备114，但是系统100可以包括任何合适数量的存储器设备114(例如，一个存储设备、两个存储设备、五个存储设备、十个存储设备等)。存储器设备114可以联接到和/或定位在呼吸设备122的外壳内、外部设备170的外壳内、一个或多个传感器130的外壳内、或其任何组合。与控制系统110类似，存储器设备114可以是集中式的(在一个这样的壳体内)或分散式的(在物理上不同的两个或多个这样的壳体内)。
31.在一些实现方式中，存储器设备114(图1)存储与用户相关联的用户简档。用户简档可以包括例如与用户相关联的人口统计信息、与用户相关联的生物统计信息、与用户相关联的医疗信息、自报告用户反馈、与用户相关联的睡眠参数(例如、从一个或多个较早睡眠时段记录的睡眠相关参数)或其任何组合。人口统计信息可以包括例如指示用户年龄、用户性别、用户种族、失眠家族史、用户就业状况、用户教育状况、用户社会经济状况或其任何组合的信息。医疗信息可以包括例如指示与用户相关联的一个或多个医疗状况、用户的药物使用、或两者。医疗信息数据可以进一步包括多睡眠潜伏期测试(mslt)测试结果或得分和/或匹兹堡睡眠质量指数(psqi)得分或值。自我报告的用户反馈可包括指示自我报告的主观睡眠评分(例如，差、平均、优秀)、用户的自我报告的主观压力水平、用户的自我报告的主观疲劳水平、用户的自我报告的主观健康状态、用户最近经历的生活事件或其任何组合的信息。
32.电子接口119被配置为从一个或多个传感器130接收数据(例如，生理数据和/或音频数据)，使得数据可以被存储在存储器设备114中和/或由控制系统110的处理器112分析。
电子接口119可以使用有线连接或无线连接(例如，使用rf通信协议、wifi通信协议、蓝牙通信协议、通过蜂窝网络等)与一个或多个传感器130通信。电子接口119可包括天线、接收器(例如，rf接收器)、发射器(例如，rf发射器)、收发器或其任何组合。电子接口119还可以包括与本文描述的处理器112和存储器设备114相同或相似的一个或多个处理器和/或一个或多个存储器设备。在一些实现方式中，电子接口119联接到或集成于外部设备170。在其他实现方式中，电子接口119与控制系统110和/或存储器设备114联接或集成(例如，在壳体中)。
33.呼吸系统120(也称为呼吸治疗系统)包括呼吸压力治疗设备122(在此也称为呼吸设备122)、用户接口124、导管126(也称为管或空气回路)、显示设备128和加湿箱129。在一些实现方式中，控制系统110、存储器设备114、显示设备128、一个或多个传感器130、以及加湿箱129是呼吸设备122的一部分。呼吸压力疗法是指以受控的目标压力向用户气道入口供应空气，该受控的目标压力在整个用户的呼吸循环中相对于大气名义上是正的(例如与罐式通气机或导管式通气机的负压治疗相反)。呼吸系统120通常用于治疗患有一种或多种睡眠相关呼吸障碍(例如，阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停或混合性睡眠呼吸暂停)的个体。
34.呼吸设备122通常用于产生输送到用户的加压空气(例如，使用驱动一个或多个压缩机的一个或多个马达)。在一些实现方式中，呼吸设备122产生连续恒定的空气压力，该空气压力被递送至用户。在其他实现方式中，呼吸设备122产生两个或更多个预定压力(例如，第一预定空气压力和第二预定空气压力)。在又其他实现方式中，呼吸设备122被配置成在预定范围内产生多种不同的空气压力。例如，呼吸设备122可以输送至少大约6cm h2o、至少大约10cm h2o、至少大约20cm h2o、介于大约6cm h2o和大约10cm h2o之间、介于大约7cm h2o和大约12cm h2o之间等。呼吸设备122还可以以例如大约-20l/min和大约150l/min之间的预定流量输送加压空气，同时保持正压(相对于环境压力)。
35.用户接口124接合用户面部的一部分，并将加压空气从呼吸设备122输送到用户的气道，以帮助防止气道在睡眠时段期间变窄和/或塌陷。这也可以增加用户在睡眠时段期间的氧气摄入。取决于待施加的治疗，用户接口124可与例如用户面部的区域或部分形成密封，从而有利于气体以与环境压力有足够差异的压力(例如，相对于环境压力大约10cm h2o的正压)进行的输送，以实现治疗。对于其他形式的治疗，诸如氧气递送，用户接口可以不包括足以有利于将约10cm h2o的正压下的气体供应递送至气道的密封。
36.如图2所示，在一些实现方式中，用户接口124是覆盖用户的鼻子和嘴的面罩。可替换地，用户接口124可以是向用户的鼻子提供空气的鼻罩或直接向用户的鼻孔输送空气的鼻枕罩。用户接口124可以包括用于将接口定位和/或稳定在用户的一部分(例如，面部)上的多个绑带(例如，包括钩和环紧固件)以及有助于在用户接口124与用户之间提供气密密封的适形缓冲垫(例如，硅酮、塑料、泡沫等)。用户接口124还可以包括一个或多个通风口，用于允许用户210呼出的二氧化碳和其他气体逸出。在其他实现方式中，用户接口124是用于将加压空气引导到用户的口中的吸嘴(例如，模制为符合用户的牙齿的夜间防护吸嘴、下颌复位设备等)。
37.导管126(也称为空气回路或管)允许空气在呼吸系统120的两个部件之间流动，如呼吸设备122和用户接口124。在一些实现方式中，可具有用于吸气和呼气导管的独立分支。在其他实现方式中，单个分支空气导管用于吸气和呼气。
38.呼吸设备122、用户接口124、导管126、显示设备128和加湿箱129中的一个或多个可以包含一个或多个传感器(例如，压力传感器、流量传感器、或更一般地在此描述的任何其他传感器130)。这些一个或多个传感器可用于例如测量由呼吸设备122供应的加压空气的空气压力和/或流量。
39.显示设备128通常用于显示包括静止图像、视频图像或两者的图像和/或关于呼吸设备122的信息。例如，显示设备128可以提供关于呼吸设备122的状态的信息(例如，呼吸设备122是否开/关、由呼吸设备122递送的空气的压力、由呼吸设备122递送的空气的温度等)和/或其他信息(例如，睡眠得分(也称为myair得分)、当前日期/时间、用户210的个人信息等)。在一些实现方式中，显示设备128充当包括图形用户接口(gui)的人机接口(hmi)，图形用户接口被配置为将图像显示为输入接口。显示设备128可以是led显示器、oled显示器、lcd显示器等。输入接口可以是例如触摸屏或触敏基板、鼠标、键盘或被配置成感测由与呼吸设备122交互的人类用户做出的输入的任何传感器系统。
40.加湿箱129与呼吸设备122连接或集成在呼吸设备中，并包括可用于加湿从呼吸设备122输送的加压空气的储水器。呼吸设备122可以包括加热器以加热加湿箱129中的水以加湿提供给用户的加压空气。另外，在一些实现方式中，导管126还可以包括加热元件(例如，联接至和/或嵌入在导管126中)，加热元件加热递送至用户的加压空气。
41.呼吸系统120可用作例如呼吸机或气道正压通气(pap)系统，如持续气道正压通气(cpap)系统、自动气道正压通气系统(apap)、双水平或可变气道正压通气系统(bpap或vpap)或其任意组合。cpap系统将预定气压(例如，由睡眠医师确定的)输送给用户。apap系统基于例如与用户相关的呼吸数据自动改变输送给用户的气压。bpap或vpap系统被配置成递送第一预定压力(例如，吸气气道正压或ipap)和低于第一预定压力的第二预定压力(例如，呼气气道正压或epap)。
42.参照图2，示出了根据一些实现方式的系统100(图1)的一部分。呼吸系统120的用户210和床伴220位于床230中并躺在床垫232上。用户接口124(例如，完整的面罩)可以由用户210在睡眠时段期间佩戴。用户接口124经由导管126流体地联接和/或连接到呼吸设备122。呼吸设备122又通过导管126和用户接口124将加压空气输送到用户210，以增加用户210的喉咙中的空气压力，从而有助于防止气道在睡眠时段期间闭合和/或变窄。呼吸设备122可定位在如图2所示直接邻近床230的床头柜240上，或更一般地，定位在通常邻近床230和/或用户210的任何表面或结构上。
43.再参考图1，系统100的一个或多个传感器130包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、射频(rf)接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、eeg传感器158、电容传感器160、力传感器162、应变计传感器164、肌电图(emg)传感器166、氧传感器168、分析物传感器174、湿度传感器176、激光雷达传感器178或其任何组合。通常，一个或多个传感器130中的每一个被配置为输出被接收并存储在存储器设备114或一个或多个其他存储器设备中的传感器数据。
44.尽管一个或多个传感器130被示出和描述为包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、rf接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、eeg传感器158、
电容传感器160、力传感器162、应变计传感器164、肌电图(emg)传感器166、氧气传感器168、分析物传感器174、湿度传感器176和激光雷达传感器178中的每一个，更一般地，一个或多个传感器130可以包括本文描述和/或示出的传感器中的每一个的任何组合和任何数量。
45.一个或多个传感器130可用于产生例如生理数据、音频数据或两者。控制系统110可以使用由一个或多个传感器130生成的生理数据来确定在睡眠时段期间与用户相关联的睡眠-觉醒信号和一个或多个睡眠相关参数。睡眠-觉醒信号可以指示一种或多种睡眠状态，包括觉醒、放松的觉醒、微觉醒、快速眼动(rem)阶段、第一非rem阶段(通常称为“n1”)、第二非rem阶段(通常称为“n2”)、第三非rem阶段(通常称为“n3”)或其任何组合。睡眠-觉醒信号还可以加时间戳以指示用户入床的时间、用户离开床的时间、用户试图入睡的时间等。睡眠-觉醒信号可以由传感器130在睡眠时段期间以预定采样速率测量，例如每秒一个样本、每30秒一个样本、每分钟一个样本。可以在睡眠时段期间基于睡眠-觉醒信号为用户确定的一个或多个睡眠相关参数的示例包括床上总时间、总睡眠时间、睡眠开始等待时间、睡眠后觉醒参数、睡眠效率、分段指数或其任何组合。
46.由一个或多个传感器130生成的生理数据和/或音频数据还可以用于确定在睡眠时段期间与用户相关联的呼吸信号。呼吸信号通常表示用户在睡眠时段期间的呼吸。呼吸信号可以指示例如呼吸速率、呼吸速率可变性、吸气幅度、呼气幅度、吸气-呼气比率、每小时的事件数目、事件模式、呼吸设备122的压力设置或其任何组合。事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合呼吸暂停、呼吸不足、面罩泄漏(例如，来自用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫或其任何组合。
47.压力传感器132输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的压力数据。在一些实现方式中，压力传感器132是产生指示呼吸系统120的用户的呼吸(例如，吸气和/或呼气)和/或环境压力的传感器数据的空气压力传感器(例如，大气压力传感器)。在这样的实现方式中，压力传感器132可以联接到或集成于呼吸装置122。压力传感器132可以是例如电容传感器、电磁传感器、压电传感器、应变片传感器、光学传感器、电位传感器或其任意组合。在一个示例中，压力传感器132可用于确定用户的血压。
48.流量传感器134输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的流量数据。在一些实现方式中，流量传感器134用于确定来自呼吸设备122的空气流量、通过导管126的空气流量、通过用户接口124的空气流量、或其任何组合。在这种实现方式中，流量传感器134可以联接到或集成于呼吸设备122、用户接口124或导管126。流量传感器134可以是质量流量传感器，如旋转流量计(例如霍尔效应流量计)、涡轮流量计、孔口流量计、超声流量计、热线传感器、涡流传感器、膜传感器、或其任何组合。
49.温度传感器136输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的温度数据。在一些实现方式中，温度传感器136生成指示用户210(图2)的核心体温、用户210的皮肤温度、从呼吸设备122和/或通过导管126流动的空气的温度、用户接口124中的温度、环境温度、或其任何组合的温度数据。温度传感器136可以是例如热电偶传感器、热敏电阻传感器、硅带隙温度传感器或基于半导体的传感器、电阻温度检测器或其任何组合。
50.麦克风140输出可以存储在存储器设备114中和/或由控制系统110的处理器112分
析的音频数据。由麦克风140产生的音频数据在睡眠时段期间可再现为一个或多个声音(例如，来自用户210的声音)。来自麦克风140的音频数据还可用于识别(例如，使用控制系统110)用户在睡眠时段期间经历的事件，如本文中进一步详细描述。麦克风140可以联接到或集成于呼吸设备122、使用接口124、导管126或外部设备170。
51.扬声器142输出系统100的用户(例如，图2的用户210)可听见的声波。扬声器142可用作例如闹钟或向用户210播放警报或消息(例如，响应于事件)。在一些实现方式中，扬声器142可用于将由麦克风140生成的音频数据传送给用户。扬声器142可以联接到或集成于呼吸设备122、用户接口124、导管126或外部设备170。
52.麦克风140和扬声器142可以用作单独的设备。在一些实现方式中，麦克风140和扬声器142可以被组合到声学传感器141中，如在例如wo2018/050913中所描述的，在此通过引用将其整体并入本文。在这种实现方式中，扬声器142以预定间隔产生或发射声波，并且麦克风140检测来自扬声器142的发射声波的反射。由扬声器142产生或发射的声波具有人耳听不到的频率(例如，低于20hz或高于约18khz)，以便不干扰用户210或床伴220的睡眠(图2)。至少部分地基于来自麦克风140和/或扬声器142的数据，控制系统110可以确定用户210(图2)的位置和/或这里描述的一个或多个睡眠相关参数。
53.在一些实施方式中，传感器130包括(i)第一麦克风，其与麦克风140相同或相似，并且集成在声学传感器141中；以及(ii)第二麦克风，其与麦克风140相同或相似，但是与集成在声学传感器141中的第一麦克风分开且不同。
54.rf发射器148产生和/或发射具有预定频率和/或预定幅度(例如，在高频带内、在低频带内、长波信号、短波信号等)的无线电波。rf接收器146检测从rf发射器148发射的无线电波的反射，并且该数据可以由控制系统110分析以确定用户210(图2)的位置和/或这里描述的睡眠相关参数中的一个或多个。rf接收器(rf接收器146和rf发射器148或另一rf对)也可用于控制系统110、呼吸设备122、一个或多个传感器130、外部设备170或其任意组合之间的无线通信。虽然rf接收器146和rf发射器148在图1中被示为分离且不同的元件，但是在一些实现方式中，rf接收器146和rf发射器148被组合为rf传感器147的一部分。在一些这样的实现方式中，rf传感器147包括控制电路。rf通信的特定格式可以是wifi、蓝牙等。
55.在一些实现方式中，rf传感器147是网格系统的一部分。网格系统的一个示例是wifi网格系统，其可以包括网格节点、网格路由器和网格网关，其中的每一个可以是移动的/可移动的或固定的。在这样的实现方式中，wifi网格系统包括wifi路由器和/或wifi控制器以及一个或多个卫星(例如，接入点)，每个卫星包括与rf传感器147相同或相似的rf传感器。wifi路由器和卫星使用wifi信号连续地彼此通信。wifi网格系统可以用于基于路由器和卫星之间的wifi信号中的变化(例如，接收信号强度中的差异)来生成运动数据，变化是由于移动的物体或人部分地阻挡了信号而引起的。运动数据可以指示运动、呼吸、心率、步态、跌倒、行为等，或其任何组合。
56.相机150输出可再现为可存储在存储器设备114中的一个或多个图像(例如，静止图像、视频图像、热图像或其组合)的图像数据。来自相机150的图像数据可由控制系统110用于确定本文的睡眠相关参数中的一个或多个。例如，来自相机150的图像数据可用于识别用户的位置，确定用户210入床230(图2)的时间，以及确定用户210离开床230的时间。
57.红外(ir)传感器152输出可再现为可存储在存储器设备114中的一个或多个红外
图像(例如，静止图像、视频图像或两者)的红外图像数据。来自ir传感器152的红外数据可用于确定睡眠时段期间的一个或多个睡眠相关参数，包括用户210的温度和/或用户210的移动。当测量用户210的存在、位置和/或移动时，ir传感器152也可以与照相机150结合使用。例如，ir传感器152可以检测波长在约700nm和约1mm之间的红外光，而照相机150可以检测波长在约380nm和约740nm之间的可见光。
58.ppg传感器154输出与用户210(图2)相关联的生理数据，该生理数据可用于确定一个或多个睡眠相关参数，如心率、心率变异性、心动周期、呼吸率、吸气幅度、呼气幅度、吸气-呼气比率、估计血压参数或其任意组合。ppg传感器154可以由用户210佩戴，嵌入在由用户210佩戴的衣服和/或织物中，嵌入在和/或联接到用户接口124和/或其相关联的头盔(例如，绑带等)等。
59.ecg传感器156输出与用户210的心脏的电活动相关联的生理数据。在一些实现方式中，ecg传感器156包括在睡眠时段期间位于用户210的一部分之上或周围的一个或多个电极。来自ecg传感器156的生理数据可用于例如确定本文的睡眠相关参数中的一个或多个。
60.eeg传感器158输出与用户210的大脑的电活动相关联的生理数据。在一些实施方式中，eeg传感器158包括一个或多个电极，其在睡眠时段期间定位在用户210的头皮上或周围。来自eeg传感器158的生理数据可用于例如确定用户210在睡眠时段期间的任何给定时间的睡眠状态。在一些实现方式中，eeg传感器158可以集成在用户接口124和/或相关联的头盔(例如，绑带等)中。
61.电容性传感器160、力传感器162和应变仪传感器164输出可存储在存储器设备114中且由控制系统110使用，以确定本文的睡眠相关参数中的一个或多个的数据。emg传感器166输出与一个或多个肌肉产生的电活动相关的生理数据。氧气传感器168输出指示气体的氧气浓度的氧气数据(例如，在导管126中或在用户接口124处)。氧气传感器168可以是例如超声波氧气传感器、电氧气传感器、化学氧气传感器、光学氧气传感器或其任意组合。在一些实施方式中，一个或多个传感器130还包括皮肤电反应(gsr)传感器、血流传感器、呼吸传感器、脉搏传感器、血压计传感器、血氧传感器、或其任意组合。
62.分析物传感器174可用于检测用户210呼气中分析物的存在。由分析物传感器174输出的数据可以存储在存储器设备114中，并由控制系统110使用以确定用户210的呼吸中的任何分析物的身份和浓度。在一些实现方式中，分析物传感器174位于用户210的嘴附近，以检测从用户210的嘴呼出的呼吸中的分析物。例如，当用户接口124是覆盖用户210的鼻子和嘴的面罩时，分析物传感器174可以位于面罩内以监视用户210的嘴呼吸。在其他实现方式中，如当用户接口124是鼻罩或鼻枕面罩时，分析物传感器174可定位在用户210的鼻子附近，以检测通过用户鼻子呼出的呼吸中的分析物。在其他实现方式中，当用户接口124是鼻罩或鼻枕面罩时，分析物传感器174可以位于用户210的嘴附近。在该实现方式中，分析物传感器174可用于检测任何空气是否无意中从用户210的嘴泄漏。在一些实现方式中，分析物传感器174是可用于检测碳基化学品或化合物的挥发性有机化合物(voc)传感器。在一些实施方式中，分析物传感器174还可用于检测用户210是否正在通过他们的鼻子或嘴呼吸。例如，如果由位于用户210的嘴附近或面罩内(在用户接口124是面罩的实现方式中)的分析物传感器174输出的数据检测到分析物的存在，则控制系统110可以使用该数据作为用户210
正通过他们的嘴呼吸的指示。
63.湿度传感器176输出可以存储在存储设备114中并由控制系统110使用的数据。湿度传感器176可用于检测围绕用户的各个区域中的湿度(例如，在导管126或用户接口124内部，靠近用户210的面部，靠近导管126和用户接口124之间的连接，靠近导管126和呼吸设备122之间的连接，等)。因此，在一些实现方式中，湿度传感器176可以被联接到或集成于用户接口124或导管126以监测来自呼吸设备122的加压空气的湿度。在其他实现方式中，湿度传感器176被放置在需要监测湿度水平的任何区域附近。湿度传感器176还可用于监测用户210周围的周围环境的湿度，例如卧室内的空气。
64.光检测和测距(激光雷达lidar)传感器178可用于深度感测。这种类型的光学传感器(例如，激光传感器)可用于检测对象并构建周围环境(例如，生活空间)的三维(3d)图。激光雷达通常可以利用脉冲激光来进行飞行时间测量。激光雷达也被称为3d激光扫描。在使用这种传感器的示例中，具有激光雷达传感器166的固定或移动设备(如智能电话)可以测量和映射从传感器延伸5米或更远的区域。例如，激光雷达数据可以与由电磁雷达(radar)传感器估计的点云数据融合。激光雷达传感器178还可以使用人工智能(ai)通过检测和分类可能引起雷达系统的问题的空间中的特征来自动地理栅栏雷达系统，例如玻璃窗(其可以是对雷达高度反射的)。例如，激光雷达还可以用于提供人的身高的估计，以及当人坐下或跌倒时身高的变化。激光雷达可用于形成环境的3d网格表示。在进一步的用途中，对于无线电波穿过的固体表面(例如，透射线材料)，激光雷达可以反射离开这样的表面，从而允许对不同类型的障碍物进行分类。
65.虽然在图1中单独示出，但是一个或多个传感器130的任何组合可以集成在和/或联接到系统100的任何一个或多个部件，包括呼吸设备122、用户接口124、导管126、加湿箱129、控制系统110、外部设备170或其任何组合。例如，麦克风140和扬声器142集成在和/或联接到外部设备170，并且压力传感器130和/或流量传感器132集成在和/或联接到呼吸设备122。在一些实现方式中，一个或多个传感器130中的至少一个不联接到呼吸设备122、控制系统110或外部设备170，并且在睡眠时段期间通常邻近用户210定位(例如，定位在用户210的一部分上或与其接触，由用户210佩戴，联接到床头柜或定位在床头柜上，联接到床垫，联接到天花板等)。
66.例如，如图2所示，一个或多个传感器130可以位于床230和用户210附近的床头柜240上的第一位置250a。或者，一个或多个传感器130可位于床垫232上和/或床垫中的第二位置250b(例如，传感器联接到和/或集成到床垫232中)。此外，一个或多个传感器130可位于床230上的第三位置250c(例如，辅助传感器140联接到和/或集成于床头板、床脚板、或床230的框架上的其他位置)。一个或多个传感器130也可以位于墙壁或天花板上的第四位置250d，该位置通常邻近床230和/或用户210。传感器130中的一个或多个也可位于第五位置250e，使得传感器130中的一个或多个联接到呼吸系统120的呼吸设备122的壳体上和/或定位在壳体上和/或壳体内。此外，一个或多个传感器130可位于第六位置250f，使得传感器联接到用户210和/或定位在用户210上(例如，在睡眠时段期间，传感器嵌入或联接到用户210所穿的织物或衣服)。更一般地，一个或多个传感器130可以相对于用户210定位在任何合适的位置，使得传感器140可以在一个或多个睡眠时段期间生成与用户210和/或床伴220相关联的生理数据。
67.返回参考图1，外部设备170包括处理器172、存储器174和显示设备176。外部设备170例如可以是诸如智能电话、平板电脑、膝上型电脑等的移动设备。处理器172与控制系统110的处理器112相同或相似。同样，存储器174与控制系统110的存储器设备114相同或相似。显示设备176通常用于显示包括静止图像、视频图像或两者的图像。在一些实现方式中，显示设备176充当包括图形用户接口(gui)的人机接口(hmi)，图形用户接口被配置为显示图像和输入接口。显示设备176可以是led显示器、oled显示器、lcd显示器等。输入接口可以是例如触摸屏或触敏基板、鼠标、键盘或被配置成感测由与外部设备170交互的人类用户做出的输入的任何传感器系统。
68.虽然控制系统110和存储器设备114在图1中被描述和示出为系统100的单独且不同的部件，但是在一些实现方式中，控制系统110和/或存储器设备114被集成在外部设备170和/或呼吸设备122中。可替代地，在一些实现方式中，控制系统110或其一部分(例如，处理器112)可以位于云中(例如，集成在服务器中、集成在物联网(iot)设备中，连接到云，经受边缘云处理等)，位于一个或多个服务器中(例如，远程服务器、本地服务器等、或其任何组合)。
69.虽然系统100被示为包括上述所有部件，但是更多或更少的部件可被包括在用于生成生理数据并确定建议的睡眠相关参数的系统中。例如，第一替代系统包括控制系统110、呼吸系统120和一个或多个传感器130中的至少一个。作为另一示例，第二替代系统包括呼吸系统120、多个一个或多个传感器130和外部设备170。作为又另一示例，第三替代系统包括控制系统110和多个一个或多个辅助传感器140。因此，用于确定与睡眠时段相关联的睡眠相关参数的各种系统可以使用本文所示和描述的部件的任何部分或多个部分和/或结合一个或多个其他部件来形成。
70.在许多情况下，呼吸系统120的用户将仅佩戴用户接口124用于睡眠时段的一部分(例如，八小时睡眠时段中的1小时、八小时睡眠时段中的2小时、八小时睡眠时段中的4小时、八小时睡眠时段中的6小时等)。例如，用户最初可以在佩戴用户接口124面罩时入睡，觉醒并移除用户接口124，然后回睡。在其他情况下，用户可能在睡眠时段期间根本不佩戴用户接口124(例如，用户每隔一天仅使用呼吸系统120)。当用户不主动使用呼吸系统120时，呼吸系统120中的任何传感器不能获得生理数据(例如，用于确定睡眠相关参数或生成指示睡眠质量的报告)。换言之，未能将呼吸系统120用于整个睡眠时段会在该睡眠时段的生理数据中产生间隙(或根本没有生理数据)，当用户不遵守其规定的呼吸系统120的使用时，使用户、他们的治疗医师和其他利益相关者(例如，家庭成员、床伴等)没有睡眠质量指示(或缺乏睡眠质量指示)。通常，在没有呼吸机系统120的情况下，用户的睡眠质量将比按规定使用该系统时差。确定和量化睡眠质量中的这种差异对于鼓励和/或激励用户利用该系统并遵守他们的规定使用是有用的。
71.使用物理地联接到或集成于呼吸系统120的传感器获得的相同或相似类型的生理数据也可以使用独立的外部传感器(例如，集成在与呼吸系统120分离且不同的移动设备中的传感器)生成或获得。有利地，该独立传感器可用于记录睡眠时段期间的生理数据，即使当呼吸系统120未使用和/或断电时。然而，由于传感器仪器的变化，由传感器获得或产生的生理数据可能不同于由呼吸治疗系统获得或产生的生理数据。例如，虽然呼吸治疗系统可以使用压力传感器和/或流量传感器来确定用户的呼吸信号或速率，但是外部传感器可以
使用麦克风来确定呼吸速率。由于传感器的变化，通常难以在由呼吸治疗系统获得的生理数据和由独立传感器获得的生理数据之间进行精确比较，以便确定睡眠相关参数和/或产生指示睡眠质量的报告。
72.参考图3，示出了用于在睡眠时段期间确定用户的睡眠相关参数的方法300。这里描述的方法300的一个或多个步骤可以使用系统100(图1和2)来实现。
73.方法300的步骤301包括在睡眠时段期间生成或获得与用户相关联的第一生理数据。第一生理数据由这里描述的一个或多个传感器130中的第一个或一个或多个传感器130的第一组产生。例如，步骤301可以包括使用气压传感器130和/或流量传感器132生成或获得第一生理数据，气压传感器和/或流量传感器物理地联接到或集成于呼吸系统120(图1)。在步骤301期间使用第一传感器生成或获得的第一生理数据可以包括在此描述的任何生理数据。例如，第一生理数据可以从呼吸设备122、用户接口124、导管126(图1)或它们的任何组合内的气压(例如，使用气压传感器130)、气流(例如，使用流量传感器132)、或两者的测量中导出。
74.方法300的步骤302包括在睡眠时段期间生成或获得与用户相关联的第二生理数据。例如，步骤302可以包括使用与第一传感器分离且不同的一个或多个传感器130的第二个或第二组来生成或获得第二生理数据(步骤301)。在步骤302期间使用第二传感器生成或获得的第二生理数据可以是与第一生理数据不同类型的生理数据(例如，第一生理数据从压力和/或空气流量导出，第二生理数据从用户的运动或声音的测量导出)。通常，在步骤302期间第二生理数据的生成和在步骤301期间第一生理数据的生成基本上是同时的，使得第一生理数据(步骤301)和第二生理数据(步骤302)可以在睡眠时段期间(当用户使用呼吸系统120时)的至少一部分时间进行比较。
75.与在步骤301期间用于生成第一生理数据的第一传感器(例如，联接到或集成于呼吸系统120的压力传感器132和/或流量传感器134)不同，在一些实现方式中，在步骤302期间用于生成或获得第二生理数据的传感器不联接到或不集成于呼吸系统120。即，在步骤302中用于第二生理数据的第二传感器与呼吸系统120分离且不同。如这里所描述的，第二传感器可以作为独立的、单独的传感器(例如，联接到床230、床垫232、床头柜240、天花板等)大体邻近用户210定位或集成在或联接到外部设备170。可替代地，在步骤302中使用的第二传感器可以联接到呼吸系统120的呼吸设备122的壳体上。在一些这样的可选实现方式中，在步骤302期间使用的第二传感器不测量由呼吸系统120产生的加压空气的压力或流量。
76.方法300(图3)的步骤303包括分析第一生理数据(步骤301)以确定在睡眠时段期间用户的第一组睡眠相关参数。例如，第一生理数据(步骤301)可以存储在控制系统110(图1)的存储器设备114中，并且存储在存储器设备114中的机器可读指令由处理器112执行以分析第一生理数据。第一组睡眠相关参数可包括例如第一睡眠得分、第一流量信号、第一呼吸信号、第一呼吸速率、第一吸气幅度、第一呼气幅度、第一吸气-呼气比率、每小时第一事件数、每小时第一平均事件数、第一事件模式、第一睡眠状态、呼吸设备122的第一压力设置、第一心率、第一心率变异性、用户210的第一移动、或其任何组合。
77.方法300(图3)的步骤304包括分析第二生理数据(步骤302)以确定在睡眠时段期间用户的第二组睡眠相关参数。例如，第二生理数据(步骤302)可以存储在控制系统110的
存储器设备114中，并且存储在存储器设备114中的机器可读指令可以由处理器112(图1)执行以分析第二生理数据。第二组睡眠相关参数可包括例如第二睡眠得分、第二流量信号、第二呼吸信号、第二呼吸速率、第二吸气幅度、第二呼气幅度、第二吸气-呼气比率、每小时的第二事件数、每小时的第二平均事件数、第二事件模式、第二睡眠状态、呼吸设备122的第二压力设置、第二心率、第二心率变异性、用户210的第二移动、或其任何组合。方法300的步骤303和步骤304可以基本上同时或顺序地执行(例如，步骤303在步骤304启动之前完成，步骤304在步骤303启动之前完成等)。
78.方法300的步骤305包括至少部分地基于第一组睡眠相关参数(步骤303)和/或第二组睡眠相关参数(步骤304)来校准用于生成第二生理数据的第二传感器。具体地，步骤305包括将第一组睡眠相关参数(步骤303)与第二组睡眠相关参数(步骤304)进行比较。如本文，因为第一传感器(例如，压力传感器132和/或流量传感器134)不同于第二传感器，所以在第一生理数据(步骤301)和第二生理数据(步骤302)之间可能存在变化，这又在睡眠时段期间的任何给定时间引起所确定的第一组睡眠相关参数(步骤303)和所确定的第二组睡眠相关参数(步骤304)之间的变化。例如，在校准第二传感器之前，第一组睡眠相关参数(步骤303)可包括第一事件模式、每小时第一平均事件数、第一呼吸信号或其任何组合，而第二组睡眠相关参数(步骤304)可包括不匹配第一事件模式、第一平均事件数、或第一呼吸信号中的一个或多个的第二事件模式、每小时第二平均事件数、第二呼吸信号或其任何组合。作为另一示例，来自第二传感器的数据中的噪声(步骤302)可以致使控制系统110基于对第二生理数据的分析来确定用户已经经历了正在经历这里描述的事件之一，即使用户没有或没有实际经历该事件(例如，基于对第一生理数据的分析)。
79.在一些实现方式中，步骤305包括至少部分地基于第一组睡眠相关参数(步骤303)和第二组睡眠相关参数(步骤304)之间的比较来修改传感器的一个或多个参数。修改第二传感器的一个或多个参数影响在步骤302期间由第二传感器生成的第二生理数据。例如，修改参数可以帮助消除记录数据中的异常数据点和/或其他噪声。一个或多个参数的分析和/或修改可以包括线性和非线性变换操作、重新采样、模板匹配、自动和互相关、形态处理等。此外，在一些实现方式中，一个或多个参数的分析和/或修改可以包括表征和调整，随后重新表征。这种表征和调节可以包括读取生理和/或其他信号，或注入已知信号，已知信号可以被两个传感器(例如，第一传感器和第二传感器)识别，并且用作不同传感器的参考。可以修改的第二传感器的一个或多个传感器参数包括频率、相位、功率、幅度、强度、传感器信号的调制、波束方向图、传感器的一个或多个天线的开和关、波束形成、传感器的一个或多个天线的物理位置、传感器的物理位置、频谱形状或其任何组合。在一些实现方式中，一个或多个传感器参数由控制系统110自动修改。在其他实现方式中，控制系统110致使指令或其他标记被显示(例如，使用外部设备170的显示设备176，cpap系统120的显示设备128，或两者)以提示用户修改一个或多个参数(例如，物理地重新定位传感器)。
80.在一些实现方式中，步骤305包括当在步骤304期间至少部分地基于第一组睡眠相关参数(步骤303)和第二组睡眠相关参数(步骤304)之间的比较来分析第二生理数据时，修改由控制系统110(图1)的处理器112执行的机器可读指令的一个或多个参数。修改机器可读指令的参数调整在步骤304期间如何确定第二组睡眠相关参数。例如，如果基于至少两种类型的生理数据(例如，来自运动传感器138的运动数据和来自相机150的图像数据)来确定
睡眠相关参数，则可以修改存储在存储器设备114中的机器可读指令的参数，以向每种类型的生理数据提供不同的权重。在一些实现方式中，步骤305包括修改第二传感器的一个或多个参数以及修改存储在控制系统110的存储器设备114中的机器可读指令的一个或多个参数。
81.方法300的步骤301-305可以重复一次或多次，直到第一组睡眠相关参数(步骤303)中的一个或多个参数与第二组睡眠相关参数(步骤304)中的一个或多个参数匹配或基本匹配或对应(例如，第二组睡眠相关参数在与第一组睡眠相关参数的预定标准偏差内)。例如，在方法300的第一迭代中，其中第一组睡眠相关参数(步骤303)与第二组睡眠相关参数(步骤304)不匹配，在步骤305期间(例如，通过修改传感器的一个或多个参数，修改机器可读指令的一个或多个参数，或两者)校准次级传感器140。步骤301-304可以在方法300的第二迭代中重复。如果在第二迭代期间，第一组睡眠相关参数(步骤303)仍然与第二组睡眠相关参数(步骤304)不充分匹配，则步骤305包括通过修改在方法300的第一迭代期间修改的相同参数，或通过修改第二传感器和/或机器可读指令的不同参数，或两者，来再次校准第二传感器。以此方式，方法300可以以预定间隔(例如，每0.01秒、每0.1秒、每2秒、每10秒、每60秒、每5分钟、每30分钟、每60分钟等)重复多次(例如，5次、20次、50次、200次、1,000次等)，直到在步骤305期间执行的校准在后续迭代中使第一组睡眠相关参数(步骤303)与第二组睡眠相关参数(步骤304)匹配或对应为止。
82.在一些实现方式中，方法300包括在步骤305期间使用机器学习算法来校准辅助传感器140。在此类实现方式中，指示(i)对第二传感器和/或机器可读指令的一个或多个参数的修改和(ii)第一组睡眠相关参数(步骤303)与第二组睡眠相关参数(步骤304)之间的比较的信息存储在控制系统110(图1)的存储器设备114中。该信息可以由机器学习算法在方法300的多次迭代过程中使用，以通过例如确定对一个或多个参数的哪些修改或修改的组合对第一组睡眠相关参数(步骤303)和第二组睡眠相关参数(步骤304)之间的差异具有相应的影响来辅助校准第二传感器。如果机器学习算法确定某些传感器或机器可读指令参数或参数修改不影响多组睡眠相关参数中的差异，则在方法300的后续迭代中不再修改这些参数。因此，使用机器学习算法可以减少校准第二传感器所需的方法300的迭代次数(步骤305期间的参数修改)。
83.一旦使用方法300校准了第二传感器，系统100就可以继续确定第二睡眠相关参数(步骤304)，即使包括第一传感器的呼吸系统120(图1)不再例如经由压力传感器132和/或流量传感器134生成第一组生理数据(步骤301)。有利地，因为已经使用方法300校准了第二传感器，所以第二组睡眠相关参数将继续提供指示睡眠时段的信息，该信息与使用呼吸系统120获得的第一组睡眠相关参数相同或相似。例如，如果用户210(图2)在睡眠时段的第一部分期间佩戴用户接口124，但随后在睡眠时段的第二部分移除用户接口124，则系统100继续确定用户210的睡眠相关参数，即使用户210在整个睡眠时段期间不使用呼吸系统120。
84.参考图4，示出了生成与睡眠时段相关联的报告的方法400。这里描述的方法400的一个或多个步骤可以使用系统100(图1)来实现。
85.方法400的步骤401包括当用户接口(例如，用户接口124)与用户接合时，在睡眠时段期间生成或获得与用户相关联的第一生理数据。步骤401类似于方法300(图3)的步骤301，因为可以使用一个或多个第一传感器(例如，压力传感器132和/或流量传感器134，其
集成和/或联接到呼吸设备122)获得第一生理数据。步骤401与步骤301(图3)的不同之处在于，仅当呼吸系统120的用户接口124在睡眠时段期间与用户210(图2)接合时生成或获得第一生理数据。因此，对于用户接口124不与用户210接合的睡眠时段的部分，不生成或获得第一生理数据。
86.在一些实现方式中，步骤401包括使用与用于生成第一生理数据(步骤401)或第二生理数据(步骤402)的传感器相同或不同的传感器来确定用户接口124是否与用户210接合。例如，如果压力传感器132和/或流量传感器134检测到缺少到用户接口124的空气压力和/或空气流，这可以指示用户接口124未与用户210(图2)接合的事实。作为另一示例，面罩124可包括一个或多个传感器，其可用于确定用户接口124是否与用户210接合。在另一示例中，可以使用对象识别算法、面部识别算法或两者来分析来自相机150(图1)的图像数据，以确定用户接口124是否与用户210接合。
87.方法400的步骤402包括当用户接口与用户接合时以及当用户接口不与用户接合时，在睡眠时段期间生成或获得与用户相关联的第二生理数据。步骤402类似于方法300(图3)的步骤302，因为第二生理数据可以由系统100(图1)的传感器130中的至少一个来获得，该传感器与联接到或集成于呼吸系统120的传感器(例如，联接到或集成于外部设备170的传感器)分离且不同。除了使用未集成在系统120中的不同传感器之外，步骤402与步骤401的不同之处在于，无论用户接口124在睡眠时段的全部或部分期间是否与用户210(图2)接合，都获得第二生理数据。
88.方法400的步骤403包括分析第一生理数据(步骤401)、第二生理数据(步骤402)或两者，以在用户接口与用户接合的睡眠时段的第一部分期间确定第一组睡眠相关参数。例如，第一生理数据(步骤401)和/或第二生理数据(步骤402)可以存储在控制系统110(图1)的存储器设备114中，并且存储在存储器设备114中的机器可读指令由处理器112执行以分析第一和/或第二生理数据。在步骤403期间确定的第一组睡眠相关参数通常与在此描述的方法300(图3)的步骤303中的第一组睡眠相关参数相同或相似，但是不同之处在于在步骤403期间确定的第一组睡眠相关参数限于用户接口124与用户210(图2)接合的睡眠时段的第一部分。
89.方法400的步骤404包括分析第二生理数据(步骤402)以在用户接口不与用户接合的睡眠时段的第二部分期间确定第二组睡眠相关参数。例如，第二生理数据(步骤402)可以存储在控制系统110(图1)的存储器设备114中，并且存储在存储器设备114中的机器可读指令由处理器112执行以分析第二生理数据。因为第一组睡眠相关参数限于没有接合用户接口的睡眠时段的第一部分，所以在步骤404期间不使用第一生理数据来确定第二组睡眠相关参数。
90.睡眠时段的第一部分(步骤403)和/或睡眠时段的第二部分(步骤404)可包括休眠时段期间的连续时间周期，或不连续时间周期的组合。例如，如果用户210(图2)在睡眠时段的前3小时佩戴用户接口124，在睡眠时段的下2小时移除用户接口124，然后在睡眠时段的最后2小时(总计7小时)重新打开用户接口124，则第一部分包括5小时而第二部分包括2小时。在一些实现方式中，第一部分或第二部分包括整个睡眠时段(例如，用户210为整个睡眠时段佩戴用户接口124，或者在睡眠时段期间根本不佩戴用户接口124)。
91.方法400的步骤405包括生成与第一组睡眠相关参数(步骤403)和第二组睡眠相关
参数(步骤404)相关联的报告。举例来说，控制系统110(图1)的存储器设备114可包括可由处理器112执行以分析第一组睡眠相关参数(步骤403)和第二组睡眠相关参数(步骤404)以产生报告的机器可读指令。所生成的针对睡眠时段的报告可以存储在控制系统110的存储器设备114中，在睡眠时段之后(例如，当用户醒来时)在外部设备170的显示设备176和/或呼吸系统120的显示设备128上显示，传输到第三方(例如，治疗医师、cpap设备技术人员)，或其任何组合。将所产生的报告存储在存储器设备114中允许系统100在多个休眠时段期间比较报告以确定趋势并提供建议和/或预测，如本文中进一步描述。
92.在一些实施方案中，在步骤405期间产生的报告可包含第一组睡眠相关参数的至少一部分(步骤403)与第二组睡眠相关参数的至少一部分(步骤404)的比较。在其他实现方式中，该报告可以指示在用户接口124与用户210接合的睡眠时段的第一部分期间用户210的睡眠质量，以及在用户接口124不与用户接合的睡眠时段的第二部分期间用户210的睡眠质量。如在此所描述的，典型地，与当用户接口124被使用时的睡眠质量相比，当用户接口124未被使用时，用户将经历较低质量的睡眠。该报告可以通过量化睡眠质量的差异并将其传送给用户来鼓励遵守呼吸系统120的规定使用，或者提供不再需要呼吸系统120的规定使用的指示。
93.例如，报告可包括指示睡眠时段的第一部分和第二部分的睡眠质量的睡眠得分或度量。通常，睡眠得分可以表示为0和100之间的数(例如整数)，其中100的得分表示高质量睡眠，0的得分表示低质量睡眠，1-99的得分表示其间的变化质量。可以基于例如睡眠时段期间事件的数目或类型、睡眠时段的持续时间、睡眠时段期间一个或多个睡眠状态的持续时间(例如，rem睡眠和/或非rem睡眠的相对持续时间)、睡眠时段期间用户的移动量、这里描述的任何其他睡眠相关参数和/或事件、或其任何组合来确定睡眠得分。睡眠得分也可以以说明呼吸系统120的使用或不使用如何影响用户睡眠得分的方式显示或传送给用户210。
94.在一些实现方式中，在步骤405期间生成的报告可以包括基于用户210的呼吸系统120的规定使用的睡眠依从性得分度量。指示呼吸系统120的规定使用的信息可以存储在控制系统110(图1)的存储器设备114中。睡眠依从性得分度量指示用户210在睡眠时段期间对规定使用的依从程度。睡眠依从性得分度量可表示为0和100之间的数字(例如，整数)、百分比、或使用其他标记(例如，差、中等、好、极好等)。例如，如果假设用户210在至少80％的睡眠时段中佩戴面罩124，并且用户在50％的睡眠时段中佩戴用户接口124，则睡眠依从性得分度量可以表示为62.5。睡眠依从性得分度量可以帮助激励或鼓励用户210坚持他们规定的呼吸系统120的使用和/或向治疗医师提供信息。在2017年4月20日提交的，于2017年11月2日公开为us2017/0311879的申请号为15,520,663中描述了关于睡眠依从性得分度量(例如，治疗质量指示符)的更多细节，该申请通过引用整体并入本文。
95.如上，在一些实现方式中，所生成的报告包括指示睡眠质量的睡眠得分或度量。在这样的实现方式中，所生成的报告还可以包括关于调整上述睡眠习惯中的一个或多个的建议，以帮助改善睡眠评分的质量。例如，建议可向用户指示修改用户上床的时间并增加睡眠时段的持续时间以改善睡眠得分。该报告还可以包括与实施针对一个或多个睡眠习惯的建议的调整相对应的用户的睡眠得分或质量度量的预测定量改善。例如，如果报告中的睡眠得分指示低质量睡眠，则报告可建议增加睡眠时段持续时间(例如，从5小时到7小时)并增加用户佩戴面罩124的时间量(例如，从睡眠时段的50％到睡眠时段的至少90％)并预测睡
眠得分的定量改善(例如，从得分50增加到得分90)。可以基于例如先前生成的存储在控制系统110的存储器设备114中的报告来确定量化预测。
96.在一些实现方式中，即使用户210还没有使用cpap系统120，也可以确定睡眠评分或质量度量的预测定量改善。在个体被诊断为睡眠相关的呼吸障碍并开具呼吸治疗系统之后，个体获得呼吸治疗系统通常需要数周或甚至数月。在一些情况下，个体可能不会在该延迟期间进行随访或改变他们关于使用呼吸系统的想法(例如，用户可能看到呼吸治疗系统的图像，并认为使用起来太过侵入或难以使用)。在睡眠时段期间使用传感器(例如，集成在外部设备170中)来生成第二生理数据允许系统100确定睡眠得分，并且如果用户210要使用呼吸系统120来帮助激励，鼓励或激励用户210遵循处方并获得和使用呼吸系统120，则预测睡眠得分质量的定量改善。
97.在一些实现方式中，在步骤405期间生成的报告可以包括关于呼吸系统120(图1)的呼吸设备122的使用的建议和/或关于调整用户的睡眠习惯的建议。例如，所生成的报告可包括修改用户上床的时间、用户醒来的时间、睡眠时段的持续时间、用户在睡眠时段期间佩戴用户接口124的时间量(例如，睡眠时段的持续时间的至少33％、睡眠时段的至少66％、睡眠时段的至少75％、睡眠时段的90％等)或其任何组合的建议。关于使用cpap系统120的呼吸设备122的建议还可包括使用不同呼吸系统(例如，可输送较高压力的cpap系统)或不同呼吸系统部件(例如，不同的用户接口类型)的建议。
98.在步骤405期间生成的报告还可用于基于第一组睡眠相关参数(步骤303)和第二组睡眠相关参数(步骤304)之间的比较来确认呼吸系统120是否正在改善睡眠质量。例如，如果报告指示在第一组睡眠相关参数(步骤303)和第二组睡眠相关参数(步骤304)之间存在很少或没有差异，则这可以指示用户210不再需要呼吸系统120。报告中的比较还可用于帮助识别可能负面影响用户睡眠的未被呼吸系统120治疗的其他因素(例如，未诊断的健康状况、环境状况等)。
99.方法400(图4)的步骤406包括基于第一生理数据(步骤401)、第二生理数据(步骤402)、所生成的报告(步骤405)、或其任意组合来修改呼吸系统120的呼吸设备122的一个或多个参数。步骤406可以包括例如修改呼吸设备122的斜坡时间，修改睡眠时段期间的压力设置，修改响应于确定用户已经从睡眠时段期间醒来的压力设置，或其任何组合。
100.方法400的步骤407与方法300(图3)的步骤305相同或相似，并且包括在步骤402期间校准用于生成或获得第二生理数据的第二传感器。步骤407可以包括修改第二传感器的一个或多个参数，修改存储在存储器设备114中并由控制系统110的处理器112执行的机器可读指令的一个或多个参数，或两者。
101.虽然方法400被描述为获得与用户210(图2)相关联的第一和第二生理数据(步骤401和402)，但是在一些实现方式中，方法400还可以包括在睡眠时段期间生成或获得与床伴220(图2)相关联的第三生理数据。在这种实现方式中，一个或多个辅助传感器140中的一个和/或呼吸系统120可以用于生成或获得针对床伴220的第三生理数据，第三生理数据可以被存储在控制系统110的存储器设备114中。用于产生或获得第三生理数据的传感器可以是在步骤402期间用于产生或获得第二生理数据的相同传感器，或者是不同的传感器。
102.在包括与床伴220相关联的第三生理数据的实现方式中，在步骤405期间生成的报告可以包括指示在睡眠时段期间床伴220的睡眠质量的睡眠质量得分或度量。即使床伴220
没有遭受任何睡眠相关的呼吸障碍，床伴220也可以具有比呼吸系统120的用户210低的睡眠得分。例如，来自用户210的打鼾可能扰乱床伴220的睡眠。作为另一示例，来自用户210所佩戴的用户接口124的空气泄漏可以引起可能干扰床伴220的睡眠的噪声。因此，在步骤405期间生成的报告可以包括关于调整呼吸系统120的用户210的一个或多个睡眠习惯的建议，以帮助改善床伴220的睡眠质量度量。例如，该报告可以包括增加或减少用户210每次睡眠时段使用呼吸设备122的平均时间量的建议。该报告还可以包括床伴220的睡眠质量度量的预测的定量改善，其对应于用户210对一个或多个睡眠习惯执行建议的调整。
103.在一些实现方式中，所生成的报告还可以包括关于用户210所佩戴的用户接口124的建议。例如，该报告可以建议不同的面罩尺寸以帮助在面罩和用户210之间产生更好的配合或接口，或者建议不同的面罩类型(例如，鼻罩、全脸罩、摇篮面罩等)。
104.参考图5，示出了训练机器学习算法的方法500。这里描述的方法500的一个或多个步骤可以使用系统100(图1)来实现。
105.方法500的步骤501包括当用户接口与用户接合时，在睡眠时段期间使用呼吸设备生成或获得与用户相关联的呼吸机数据。步骤501类似于方法400(图4)的步骤401，因为可以使用集成在呼吸系统120的呼吸设备122中的系统100的一个或多个辅助传感器130(图1)中的一个来获得第一生理数据。例如，当用户接口124不与用户210(图2)接合时，呼吸设备122中的压力传感器132和/或空气流量传感器134不生成或获得第一生理数据。类似于方法400(图4)的步骤401，在一些实现方式中，步骤501包括确定用户接口124是否与用户210接合。
106.方法500的步骤502包括当用户接口与用户接合时以及当用户接口不与用户接合时，在睡眠时段期间生成或获得与用户相关联的传感器数据。步骤502类似于方法400(图4)的步骤402，因为第二生理数据可以由系统100(图1)的不同的一个或多个传感器130获得，该传感器与联接到或集成于呼吸系统120的传感器(例如，联接到或集成于外部设备170的传感器)分离且不同。
107.方法500的步骤503包括累积呼吸机数据和传感器数据。所累积的呼吸机数据包括当前在步骤501期间生成或获得的第一生理数据(在下文中，当前呼吸机数据)和来自方法500的先前迭代的先前记录的第一生理数据(在下文中，历史呼吸机数据)。类似地，累积的传感器数据包括当前在步骤502期间生成或获得的第二生理数据(在下文中，当前传感器数据)和来自方法500的先前迭代的先前记录的第二生理数据(在下文中，历史传感器数据)。历史呼吸机数据和历史传感器数据可以在多个睡眠时段的过程中并且可以存储在控制系统110(图1)的存储器设备114中。历史呼吸机数据和/或历史传感器数据可无限期地或在预定时间段(例如，一周、一个月、六个月、一年、三年等)内存储在存储器设备114中，然后自动删除。
108.方法500的步骤504包括使用在步骤503期间累积的历史呼吸机数据和历史传感器数据来训练机器学习算法(mla)。训练mla、使得mla可接收当前呼吸机数据(步骤501)和当前传感器数据(步骤502)作为输入，并确定预测的活动水平、预测的反应时间测量、预测的主观睡意睡眠或其任何组合作为输出。即，使用历史呼吸机数据和历史传感器数据作为训练数据集来训练mla。历史呼吸机数据和历史传感器数据可被连续地累积或更新(步骤503)以更新mla的训练数据集。mla可以是例如深度学习算法或神经网络，并且可以作为机器可
读指令存储在控制系统110的存储器设备114中，其可以由处理器112执行。
109.方法500的步骤505包括确定用户在睡眠时段之后的预定时间段期间将经历的预测活动水平。在步骤504期间使用历史呼吸机和传感器数据训练mla之后，mla可接收当前呼吸机数据(步骤501)和/或当前传感器数据(步骤502)作为输入，并确定预定时段的预测活动水平作为输出。预定时间段可以是在睡眠时段结束之后约0.1小时至约24小时之间、在睡眠时段之后约3小时至约16小时之间、在睡眠时段之后约8小时至约14小时之间、在睡眠时段之后约12小时之间、在睡眠时段之后约24小时至约1周之间、在睡眠时段之后约12小时至约1个月之间等。
110.当用户210依从其呼吸治疗系统的规定使用时，典型地，用户210将经历更好质量的睡眠，导致整天更多的活动(例如，步数)、更低的静息心率、更低的心率变异性、体重减轻(例如，通过燃烧更多的卡路里)、改善的饮食(例如，消耗更少的卡路里)、更少的头痛、或其任何组合。在步骤505期间使用训练的mla确定的预测活动水平(步骤504)可以包括在预定时间段(例如，在睡眠时段结束之后12小时)期间的预测步数、预测燃烧卡路里数、预测静息心率、预测心率变异性、预测头痛数、预测体重减轻或其任何组合。在步骤505期间确定的预测活动水平可以使用移动设备的显示设备176、呼吸系统120的显示设备128或两者显示或传送给用户210。将所确定的预测活动水平传送给用户210可以有助于鼓励或激励用户210依从他们对呼吸系统120的规定使用。
111.方法500的步骤506包括在预定时间段期间使用训练的mla确定用户在睡眠时段之后将经历的对标准化测试的反应时间的预测度量(步骤504)。通常，经历较高质量睡眠的个体将比经历较低质量睡眠的个体更警觉且更不困倦。反应时间使用标准化测试，例如点击反应时间测试、轻敲反应时间测试、速度测试、识别测试、分辨率测试、处理测试、解码测试、反应棒测试、光板反应测试或其任何组合，来测量或评估个体对刺激作出反应的快速性。在步骤506期间确定的预测反应时间可以使用移动设备的显示设备176、呼吸系统120的显示设备128或两者显示或传送给用户210。将所确定的预测反应时间传送给用户210可以有助于鼓励或鼓励用户210遵守他们对呼吸系统120的规定使用。
112.方法500的步骤507包括使用训练的mla确定在睡眠时段之后用户将体验的预测的主观睡意得分(步骤504)。主观睡意得分基于睡眠时段之后用户210的主观感觉，并且可以表示为0和100之间的数字(例如，整数)或使用其他标记(例如，极度或极度困倦、中度困倦、中性、不困倦等)。可以使用移动设备的显示设备176、呼吸系统120的显示设备128或两者向用户210显示或传送在步骤507期间确定的预测主观睡意得分。将预测的主观睡意得分传送给用户210可以帮助鼓励或激励用户210依从他们对呼吸系统120的规定使用。
113.方法500的步骤508包括显示请求来自用户的关于用户主观感受的主题反馈的提示。用户的主观感受可以使用例如描述性术语(例如，差、一般、中性、好、极好、困倦、疲倦、休息、警觉等)，数字(例如0和10之间的整数，其中10表示最高主观感受，0表示最低主观感受)或两者来表达。可以使用外部设备170(图1)的显示设备176、呼吸系统120的显示设备128或两者来显示提示。提示通常指示用户210提供主题反馈，并且可以作为字母数字文本和/或其他标记被显示或可视地传送给用户210。可替换地，提示可被可听地传送给用户210(例如，使用与扬声器148相同或类似的联接到或集成于外部设备170的扬声器)。
114.类似地，来自用户210的主题反馈可以由外部设备170的显示设备176接收。例如，
可以通过选择(例如，点击或轻敲)显示在显示设备176上的一个或多个标记，通过输入字母数字文本(例如，使用显示在显示设备176上的触摸键盘)，使用语音到文本(例如，使用与麦克风146相同或相似的联接到或集成于外部设备170的麦克风)或其任何组合，来提供所请求的主题反馈。
115.可以在步骤504期间使用在步骤508期间响应于该提示而提供的主题反馈来训练在此描述的mla。在多个睡眠时段期间提供的对象反馈可以存储在控制系统110(图1)的存储器设备114中，作为历史对象反馈，用于以与上述历史呼吸机数据和历史传感器数据相同或相似的方式训练mla。可以训练mla来确定生活质量度量(例如，表示为数值或描述性文本)，该生活质量度量是在此描述的睡眠得分或度量与在步骤508期间提供的主题反馈的组合。
116.虽然方法300、方法400和方法500在本文中被描述为在睡眠时段期间收集生理数据，但更一般地，这些方法可被实现(例如，使用系统100)以在用户全天觉醒时生成或获得相同或类似的生理数据。在这样的实现方式中，用于生成生理数据的传感器可以联接到或集成于外部设备170，该外部设备通常可以在一天的至少一部分中(例如，在用户210的口袋中)定位或坐落在邻近用户210。可以将针对睡眠时段之外的用户生成或获得的生理数据与在睡眠时段期间生成或获得的生理数据进行比较，或者与先前记录的在睡眠时段之外生成或获得的生理数据进行比较。这些比较可用于例如在方法500(图5)的步骤504期间训练mla以预测活动水平(步骤505)，预测反应时间的度量(步骤506)，预测主观睡眠评分(步骤507)或其任何组合。
117.如这里所使用的，可以基于例如初始开始时间和结束时间以多种方式定义睡眠时段。参考图6，示出了睡眠时段的示例性时间线600。时间线600包括入床时间(t
入床
)，入睡时间(t
gts
)，初始睡眠时间(t
睡
)，第一微觉醒ma1和第二微觉醒ma2，觉醒时间(t
醒
)和起床时间(t
起床
)。
118.如这里所使用的，可以以多种方式定义睡眠时段。例如，睡眠时段可以由初始开始时间和结束时间来定义。在一些实现方式中，睡眠时段是用户睡眠的持续时间，即，睡眠时段具有开始时间和结束时间，并且在睡眠时段期间，用户直到结束时间才醒来。也就是说，用户醒着的任何时段都不包括在睡眠时段中。根据睡眠时段的这一第一定义，如果用户在同一夜晚多次醒来并入睡，则由醒来间隔分开的每个睡眠间隔是睡眠时段。
119.或者，在一些实现方式中，睡眠时段具有开始时间和结束时间，并且在睡眠时段期间，只要用户醒着的连续持续时间低于醒着持续时间阈值，用户就可以醒着，而睡眠时段不结束。觉醒持续时间阈值可以被定义为睡眠时段的百分比。觉醒持续时间阈值可以是例如睡眠时段的大约百分之二十、睡眠时段持续时间的大约百分之十五、睡眠时段持续时间的大约百分之十、睡眠时段持续时间的百分之五、睡眠时段持续时间的大约百分之二等、或任何其他阈值百分比。在一些实现方式中，觉醒持续时间阈值被定义为固定的时间量，如大约一小时、大约三十分钟、大约十五分钟、大约十分钟、大约五分钟、大约两分钟等、或任何其他时间量。
120.在一些实现方式中，睡眠时段被定义为在晚上用户首先上入床的时间与第二天早上用户最后离开床的时间之间的整个时间。换言之，睡眠时段可以被定义为在第一日期(例如，周一，2020年9月7日)在第一时间(例如，下午10：00)开始的时间段，该时间段可以被称
为当前晚上，当用户首先进入意图去睡眠的床时(例如，如果用户不打算在去睡眠之前首先观看电视或用智能电话播放等)，并且在第二日期(例如，周二，2020年9月8日)在第二时间(例如，上午7：00)结束，这可以被称为第二天早上，此时用户首先离开该床，目的是不要在第二天早上返回睡眠。
121.在一些实现方式中，用户可以手动定义睡眠时段的开始和/或手动终止睡眠时段。例如，用户可以选择(例如，通过点击或轻敲)在外部设备170(图1)的显示设备172上显示的一个或多个用户可选元素，以手动发起或终止睡眠时段。
122.参照图6，入床时间t
入床
与用户在入睡之前(例如，当用户躺下或坐在床中时)最初入床(例如，图2中的床230)的时间相关联。可基于床阈值持续时间来识别入床时间t
入床
，以区分用户出于睡眠而入床时与用户出于其他原因(例如，观看电视)而入床时的时间。例如，床阈值持续时间可以是至少约10分钟、至少约20分钟、至少约30分钟、至少约45分钟、至少约1小时、至少约2小时等。虽然本文中关于床描述了入床时间t
入床
，但更一般地，入床时间t
入床
可以指用户最初进入用于睡眠的任何位置(例如，沙发椅、椅子、睡袋等)的时间。
123.入睡时间(gts)与用户在入床之后最初尝试入睡的时间(t
入床
)相关联。例如，在入床之后，用户可以参加一个或多个活动以在试图睡眠之前放松一下(例如，阅读、观看电视、听音乐、使用外部设备170等)。初始睡眠时间(t
睡
)是用户初始入睡的时间。例如，初始睡眠时间(t
睡
)可以是用户初始进入第一非rem睡眠阶段的时间。
124.觉醒时间t
醒
是与用户在不回到睡眠的情况下醒来的时间(例如，与用户在晚间醒来并回到睡眠相反)相关联的时间。用户可以在最初入睡之后体验具有短持续时间(例如，5秒、10秒、30秒、1分钟等)的多个无意识微觉醒(例如，微觉醒ma1和ma2)中的一个。与觉醒时间t
醒
相反，用户在微觉醒ma1和ma2中的每一个之后回到睡眠。类似地，用户可以在最初入睡(例如，起床去浴室、照顾儿童或宠物、睡眠行走等)之后具有一个或多个有意识的觉醒(例如，觉醒a)。然而，用户在觉醒a之后回到睡眠。因此，觉醒时间t
醒
可以例如基于觉醒阈值持续时间(例如，用户被觉醒至少15分钟、至少20分钟、至少30分钟、至少1小时等)来定义。
125.类似地，起床时间t
起床
与用户离开床并下床以结束睡眠时段(例如，与用户在夜间起床去浴室、照顾儿童或宠物、睡眠行走等相反)的时间相关联。换言之，起床时间t
起床
是用户最后离开床而不返回床直到下一个睡眠时段(例如，下一个晚上)的时间。因此，起床时间t
起床
可以例如基于起床阈值持续时间(例如，用户已经离开床至少15分钟、至少20分钟、至少30分钟、至少1小时等)来定义。还可以基于起床阈值持续时间(例如，用户已经离开床至少4小时、至少6小时、至少8小时、至少12小时等)来定义第二后续睡眠时段的入床时间t
入床
时间。
126.如上，在最初的t
入床
和最后的t
起床
之间的夜晚期间，用户可以醒来并离开床一次以上。在一些实现方式中，最终觉醒时间t
醒
和/或最终起床时间t
起床
是基于事件(例如，入睡或离开床)之后的预定阈值持续时间来识别或确定的。这种阈值持续时间可以为用户定制。对于在晚上下床，然后在早上醒来和下床的任何时间段(在用户醒来(t
醒
)或起床(t
起床
)和用户上床(t
入床
)，入睡(t
gts
)或入睡(t
睡
)之间)的标准用户，可以使用约12至约18小时。对于在床上花费较长时段的用户，可以使用较短的阈值时段(例如，在约8小时和约14小时之间)。可以基于监视用户睡眠行为的系统初始地选择和/或稍后调整阈值周期。
127.床中总时间(tib)是入床时间t
入床
和起床时间t
起床
之间的持续时间。总睡眠时间
(tst)与初始睡眠时间和觉醒时间之间的持续时间相关联，不包括其间的任何有意识或无意识的觉醒和/或微觉醒。通常，总睡眠时间(tst)将比床上总时间(tib)短(例如，短一分钟、短十分钟、短一小时等)。例如，参考图6的时间线600，总睡眠时间(tst)跨越初始睡眠时间t
睡
和觉醒时间t
醒
之间，但不包括第一微觉醒ma1、第二微觉醒ma2和觉醒a的持续时间。如图所示，在该示例中，总睡眠时间(tst)比床中的总时间(tib)短。
128.在一些实现方式中，总睡眠时间(tst)可以被定义为持久总睡眠时间(ptst)。在这种实现方式中，持久总睡眠时间不包括第一非rem阶段(例如，轻度睡眠阶段)的预定初始部分或时段。例如，预定的初始部分可以在大约30秒和大约20分钟之间、在大约1分钟和大约10分钟之间、在大约3分钟和大约5分钟之间等。持久的总睡眠时间是持续睡眠的量度，并且使睡眠-觉醒睡眠图平滑。例如，当用户最初入睡时，用户可以处于第一非rem阶段很短的时间(例如，大约30秒)，然后返回到觉醒阶段很短的时间(例如，一分钟)，然后返回到第一非rem阶段。在该示例中，持久总睡眠时间排除第一非rem阶段的第一实例(例如，约30秒)。
129.在一些实现方式中，睡眠时段被定义为在入床时间(t
入床
)开始并在起床时间(t
起床
)结束，即，睡眠时段被定义为总入床时间(tib)。在一些实现方式中，睡眠时段被定义为在初始睡眠时间(t
睡
)开始并在觉醒时间(t
醒
)结束。在一些实现方式中，睡眠时段被定义为总睡眠时间(tst)。在一些实现方式中，睡眠时段被定义为在进入睡眠时间(t
gts
)开始并在觉醒时间(t
醒
)结束。在一些实现方式中，睡眠时段被定义为在进入睡眠时间(t
gts
)开始并在起床时间(t
起床
)结束。在一些实现方式中，睡眠时段被定义为在入床时间(t
入床
)开始并在觉醒时间(t
醒
)结束。在一些实现方式中，睡眠时段被定义为在初始睡眠时间(t
醒
)开始并在起床时间(t
起床
)结束。
130.参照图7，示出了根据一些实现方式的对应于时间线600(图6)的示例性睡眠图700。如图所示，睡眠图700包括睡眠-觉醒信号701、觉醒阶段轴710、rem阶段轴720、轻度睡眠阶段轴730和深度睡眠阶段轴740。睡眠-觉醒信号701和轴710-740之一之间的交点表示在睡眠时段期间的任何给定时间的睡眠阶段。
131.睡眠-觉醒信号701可基于与用户相关联的生理数据(例如，由本文的传感器130中的一者或一者以上产生)而产生。睡眠-觉醒信号可以指示一种或多种睡眠状态、包括觉醒、放松的觉醒、微觉醒、rem阶段、第一非rem阶段、第二非rem阶段、第三非rem阶段或其任何组合。在一些实现方式中，第一非rem阶段、第二非rem阶段和第三非rem阶段中的一个或多个可以被分组在一起并且被分类为轻度睡眠阶段或深度睡眠阶段。例如，浅睡眠阶段可以包括第一非rem阶段，而深睡眠阶段可以包括第二非rem阶段和第三非rem阶段。虽然在图7中示出的睡眠图700包括浅睡眠阶段轴730和深睡眠阶段轴740，但是在一些实现方式中，睡眠图700可以包括用于第一非rem阶段、第二非rem阶段和第三非rem阶段中的每一个的轴。在其他实现方式中，睡眠-觉醒信号还可以指示呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比率、每小时事件的数目、事件的模式、或其任何组合。描述睡眠-觉醒信号的信息可存储在存储器设备114中。
132.睡眠记录仪700可用于确定一个或多个睡眠相关参数，例如睡眠开始等待时间(sol)、睡眠开始后觉醒(waso)、睡眠效率(se)、睡眠分段指数、睡眠阻塞或其任何组合。
133.睡眠开始等待时间(sol)被定义为进入睡眠时间(t
gts
)和初始睡眠时间(t
睡
)之间的时间。换言之，睡眠开始等待时间表示用户在最初尝试入睡之后实际入睡所花费的时间。
在一些实现方式中，睡眠开始等待时间被定义为持续睡眠开始等待时间(psol)。持续睡眠开始等待时间与睡眠开始等待时间的不同之处在于，持续睡眠开始等待时间被定义为进入睡眠时间与预定量的持续睡眠之间的持续时间。在一些实现方式中，预定量的持续睡眠可以包括例如在第二非rem阶段、第三非rem阶段和/或rem阶段(其中不超过2分钟的觉醒)、第一非rem阶段内至少10分钟的睡眠和/或其间的移动。换句话说，在第二非rem阶段、第三非rem阶段和/或rem阶段和/或rem阶段内持续睡眠多达例如8分钟。在其他实现方式中，预定量的持续睡眠可以包括在初始睡眠时间之后的第一非rem阶段、第二非rem阶段、第三非rem阶段和/或rem阶段内的至少10分钟的睡眠。在这样的方式中，预定量的持续睡眠可以排除任何微觉醒(例如，十秒微觉醒不重新开始10分钟时段)。
134.睡眠后觉醒开始(waso)与用户在初始睡眠时间和觉醒时间之间醒着的总持续时间相关联。因此，睡眠后觉醒开始包括睡眠时段期间的短暂和微觉醒(例如，图4中所示的微觉醒ma1和ma2)，无论是有意识的还是无意识的。在一些实现方式中，睡眠后觉醒发作(waso)被定义为仅包括具有预定长度(例如，大于10秒、大于30秒、大于60秒、大于约5分钟、大于约10分钟等)的觉醒的总持续时间的持续睡眠后觉醒发作(pwaso)。
135.睡眠效率(se)被确定为床中总时间(tib)与总睡眠时间(tst)的比率。例如，如果在床上的总时间是8小时并且总睡眠时间是7.5小时，则该睡眠时段的睡眠效率是93.75％。睡眠效率表示用户的睡眠卫生。例如，如果用户在睡觉之前入床并花费时间从事其他活动(例如，观看电视)，则睡眠效率将降低(例如，用户被罚分)。在一些实现方式中，可以基于床上总时间(tib)和用户试图睡眠的总时间来计算睡眠效率(se)。在这样的实现方式中，用户试图睡眠的总时间被定义为进入睡眠(gts)时间这里描述的起床时间之间的持续时间。例如，如果总睡眠时间是8小时(例如，在下午11点和上午7点之间)，进入睡眠时间是上午10:45，并且起床时间是上午7:15，则在这样的实现方式中，睡眠效率参数被计算为大约94％。
136.至少部分地基于睡眠时段期间的觉醒次数来确定分段指数。例如，如果用户具有两个微觉醒(例如，图7中所示的微觉醒ma1和微觉醒ma2)，则分段指数可以表示为2。在一些实现方式中，分段索引在整数的预定范围之间(例如，在0和10之间)缩放。
137.睡眠块与任何睡眠阶段(例如，第一非rem阶段、第二非rem阶段、第三非rem阶段和/或rem)和觉醒阶段之间的过渡相关联。可以以例如30秒的分辨率计算睡眠块。
138.在一些实现方式中，在此描述的系统和方法可以包括生成或分析包括睡眠-觉醒信号的睡眠图，以至少部分地基于睡眠图的睡眠-觉醒信号来确定或识别入床时间(t
入床
)、入睡时间(t
gts
)、初始睡眠时间(t
睡
)、一个或多个第一微觉醒(例如，ma1和ma2)、觉醒时间(t
醒
)、起床时间(t
起床
)、或其任何组合。
139.在其他实现方式中，传感器130中的一个或多个可以用于确定或识别入床时间(t
入床
)、入睡时间(t
gts
)、初始睡眠时间(t
睡
)、一个或多个第一微觉醒(例如，ma1和ma2)、觉醒时间(t
醒
)、起床时间(t
起床
)、或其任何组合，这反过来又定义了睡眠时段。例如，可以基于例如由运动传感器138、麦克风140、相机150或其任意组合生成的数据来确定入床时间t
入床
。可以基于例如来自运动传感器138的数据(例如，指示用户没有移动的数据)、来自相机150的数据(例如，指示用户没有移动和/或用户已经关闭灯的数据)、来自麦克风140的数据(例如，指示正在关闭tv的数据)、来自外部设备170的数据(例如，指示用户不再使用外部设备170的数据)、来自压力传感器132和/或流量传感器134的数据(例如，指示用户打开呼吸设
备122的数据，指示用户佩戴用户接口124的数据等)、或其任何组合来确定入睡时间。
140.来自以下权利要求1-84中任一项的一项或多项的一个或多个要素或方面或步骤或其任何部分可以与来自其他权利要求1-84中任一项的一项或多项或其组合的一个或多个要素或方面或步骤或其任何部分组合，以形成本发明的一个或多个附加实现和/或权利要求。
141.虽然已经参考一个或多个特定实施方案或实现方式描述了本发明，但是本领域技术人员将认识到，在不脱离本发明的精神和范围的情况下，可以对其做出许多改变。这些实现方式及其明显变化中的每一个都被认为落入本发明的精神和范围内。还设想根据本发明的方面的附加实现可以组合来自本文描述的任何实现的任何数量的特征。