一种睡眠阶段确定方法和系统的制作方法
【技术领域】
[0001]本发明涉及通信领域，尤其涉及一种睡眠阶段确定方法和系统。
【背景技术】
[0002]人的一生有近1/3的时间在睡眠中度过，睡眠的好坏直接关系到人体的记忆、学习、工作和免疫力等多个方面。随着时代的发展，人们的生活节奏越来越快，压力越来越大，很多人出现了睡眠问题，睡眠监测应运而生。
[0003]在睡眠监测中，人的睡眠通常用6个阶段的连续来描述，这6个阶段通常包括:
[0004]1、清醒阶段，可以记为醒。在这个阶段，睡眠者的意识处于清醒状态。
[0005]2、入睡阶段，可以记为慢速眼球运动睡眠(non-rapid eye movements, NREM) I。在NREMl中，睡眠者的眼睛是闭上的，不过如果在此阶段被唤醒，睡眠者可能感觉他还没有睡着。
[0006]3、浅睡阶段，可以记为NREM2。在NREM2中，睡眠者的身体准备进入深睡。
[0007]4、深睡阶段，可以记为NREM3，睡眠者进入深度睡眠状态。
[0008]5、延续深睡阶段，可以记为NREM4，且睡眠者在NREM4中比在NREM3中睡得更深。
[0009]6、快速眼球运动阶段,可以记为快速眼球运动睡眠(rapid eye movements, REM)。在REM中，与NREMl至NREM4的生理状态有所区别，睡眠者的眼球在此阶段时会快速移动。
[0010]目前临床上监测睡眠阶段的方法中，典型的方法是采用多导睡眠仪(Polysomnography, PSG)采集睡眠期间的生理信号,包括脑电波(EEG)Jg^ji] (E0G)、肌肉运动(EMG)、心电(ECG)、血氧饱和度(Sp02)和呼吸信号。睡眠阶段判断主要基于对EEG的分析，并可以利用ECG和EEG进行辅助判断。然而PSG操作复杂，仅适用于医院的临床研究，在家庭监测中难以推广。
[0011]因此，目前通常将睡眠用三个阶段的连续来描述，仅通过ECG进行睡眠阶段确定，使得即使不使用PSG，也可以进行睡眠阶段判断，达到简化睡眠阶段确定的目的。这三个睡眠阶段包括:
[0012]1、醒或RHM。由于在利用心电或者心率变异率进行睡眠描述时，醒和REM的表现是几乎一样的，因此，将睡眠用三个阶段的连续来描述时，将清醒阶段和REM划分为一个阶段。
[0013]2、浅度睡眠阶段。将睡眠用三个阶段的连续来描述时，将入睡阶段和浅睡阶段划分为一个阶段，并统一称为浅度睡眠阶段。
[0014]3、深度睡眠阶段。将睡眠用三个阶段的连续来描述时，将深睡阶段和延续深睡阶段划分为一个阶段，并统一称为深度睡眠阶段。
[0015]通过ECG进行睡眠阶段判断时，主要包括心电特征提取和睡眠阶段分类器两个部分。其中，常用的心电特征主要是心率变异率(Heart rate variability, HRV)的特征,包括心率变异率的时域特征和频域特征。常用的睡眠阶段分类器主要是统计分类器，如支持向量机分类器，或隐马尔可夫模型分类器。通过ECG进行睡眠阶段判断的示意图可以如图1所示。首先，在训练模块中，对ECG训练集进行心电特征提取，利用提取出的心电特征进行分类器训练，得到睡眠阶段分类器；然后在使用模块中，提取待处理ECG数据的心电特征，并根据提取出的心电特征，采用通过训练模块得到的睡眠阶段分类器确定睡眠阶段。
[0016]目前通过ECG进行睡眠阶段确定的方案中，睡眠阶段的确定结果由睡眠阶段分类器决定。而睡眠阶段分类器完全是利用训练集训练得到的。睡眠阶段分类器的训练是一个有监督学习的过程，需要具有标签的样本进行训练，对于基于统计学习的睡眠阶段分类器，如支持向量机或者隐马尔可夫模型，其分类能力依赖于训练集，这样可能引起下面的问题。每个人睡眠期间的心率状况是不同的，而且，由于睡眠环境、身体状态等不同因素，同一个人的不同日期的睡眠期间的心率状况也是不同的。为了适应不同的用户，需要大量的训练样本才可能覆盖整个样本空间。而睡眠数据的获取是不容易的，而且人工标注的工作量也很大。因此，难以获得足够的训练样本。而在有限的训练样本的情况下，睡眠阶段分类器很难具有好的普适性，且睡眠阶段确定的精度难以得到保证。
【发明内容】
[0017]本发明实施例提供一种睡眠阶段确定方法和系统，用于提高睡眠阶段确定的精度，扩大睡眠阶段确定的普适性。
[0018]一种睡眠阶段确定方法，所述方法包括:
[0019]确定指定时段内的心率变异率数据；
[0020]针对所述指定时段的一个时间片段，根据所述心率变异率数据确定至少一个特征参数；
[0021]根据所述特征参数与预设规则的对应关系，确定所述时间片段对应的睡眠阶段；
[0022]其中，所述时间片段是根据不大于设定时长，将所述指定时段依次划分得到的；所述睡眠阶段为醒或快速眼球运动睡眠REM，深度睡眠阶段和浅度睡眠阶段中的一种。
[0023]一种睡眠阶段确定系统，所述系统包括:
[0024]确定模块，用于确定指定时段内的心率变异率数据；
[0025]判断模块，用于针对所述指定时段的一个时间片段，根据所述确定模块确定出的心率变异率数据确定至少一个特征参数，根据所述特征参数与预设规则的对应关系，确定所述时间片段对应的睡眠阶段；其中，所述时间片段是根据不大于设定时长，将所述指定时段依次划分得到的；所述睡眠阶段为醒或快速眼球运动睡眠REM，深度睡眠阶段和浅度睡眠阶段中的一种。
[0026]根据本发明实施例提供的方案，可以利用心率变异率数据的特征参数，来进行睡眠阶段的识别。因此，仅需要在确定出心率变异率数据后，根据一个时间片段对应的心率变异率数据的特征参数与预设规则的对应关系，即可以确定出该时间片段对应的睡眠阶段，而无需采集训练样本来确定睡眠阶段分类器，解决了由于训练样本不足导致的睡眠阶段确定的精度较低，睡眠阶段分类器普适性较差的问题。
【附图说明】
[0027]图1为现有技术提供的通过ECG进行睡眠阶段判断的示意图；
[0028]图2为本发明实施例一提供的睡眠阶段确定方法的步骤流程图；
[0029]图3 (a)为本发明实施例一提供的每30秒的心率变异率数据均值数组曲线示意图；
[0030]图3 (b)为本发明实施例一提供的图3 Ca)所示曲线的趋势变化图；
[0031]图4 Ca)为本发明实施例一提供的未经过异常处理的心率变异率数据曲线示意图；
[0032]图4 (b)为本发明实施例一提供的经过异常处理的心率变异率数据曲线示意图；
[0033]图5为本发明实施例二提供的睡眠阶段确定方法的步骤示意图；
[0034]图6为本发明实施例二提供的第一级规则逻辑图；
[0035]图7为本发明实施例二提供的第二级规则逻辑图；
[0036]图8为本发明实施例三提供的睡眠阶段确定系统的结构示意图。
【具体实施方式】
[0037]本案发明人研究发现，心率变异率数据的特征参数可以用于表征睡眠阶段，因此，可以通过心率变异率数据的特征参数进行睡眠阶段的识别。而利用本发明提供的方案确定睡眠阶段，不存在利用睡眠阶段分类器进行睡眠阶段分类时，训练样本有限的问题，可以有效提高睡眠阶段确定的精度，扩大睡眠阶段确定的普适性，对健康人群、存在睡眠障碍的人群都能有效地进行睡眠阶段确定。
[0038]本发明方案中还可以结合睡眠医学、神经科学的研究成果进行睡眠阶段的确定。例如，可以根据随着睡眠时间的增加，心率会随之发生变化的特点进行睡眠阶段的确定。具体的，可以根据随着睡眠时间的增加，心率有变慢的趋势的特点，对心率变异率数据进行去趋势分析，使得预设规则时，可以无需考虑睡眠时间的影响，简化特征参数与预设规则的匹配过程，进一步提高睡眠阶段确定的精度。
[0039]更进一步的，本发明实施例中，除了可以利用心率变异率的特征参数来确定睡眠阶段外，还可以结合其他体征信号，如加速度信号和/或鼾声信号，来确定睡眠阶段。而且，本发明实施例中，还可以利用睡眠阶段出现的规律来进一步确定睡眠阶段。例如，根据在REM之后不会马上进入深度睡眠阶段，睡眠先经过深度睡眠阶段或浅度睡眠阶段，才会进入REM等规律，实现睡眠阶段的综合判断。
[0040]以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0041]实施例一、
[0042]本发明实施例一提供一种睡眠阶段确定方法，该方法的步骤流程可以如图2所示，包括:
[0043]步骤101、确定指定时段内的心率变异率数据。
[0044]在本步骤中，可以确定睡眠者在指定时段内的心率变异率数据，用于后续确定该睡眠者在所述指定时段对应的睡眠情况的描述。
[0045]所述心率变异率数据可以是通过采集到的体征信号来确定的，当然，本步骤也可以理解为接收已经预先得到的指定时段内的心率变异率数据。所述体征信号可以但不限于为心电信号或脉搏波信号，任何可以用于确定心率变异率数据的体征信号均可以理解为适用于本实施例。例如，在本步骤中，可以提取采集到的所述指定时段内心电信号的R波位置，根据所述R波位置确定所述指定时段内的心率变异率数据，具体的，可以基于小波变换的方法或积分的方法提取所述心电信号的R波位置；或者，提取采集到的所述指定时段内脉搏