用于基于睡眠周期确定睡眠阶段的系统和方法与流程

本公开涉及基于对应于各个睡眠周期的算法和/或参数，在各个睡眠周期期间确定睡眠阶段的系统和方法。

背景技术：

已知用于监测睡眠的系统。已知在睡眠期间确定睡眠阶段。通常，基于静态睡眠阶段确定方法来确定睡眠阶段，这种方法并不随着受检对象的睡眠时间段的进展而改变。静态睡眠阶段确定方法通常在隐含地假设多导睡眠图信号的图案贯穿整个夜晚睡眠保持稳定的情况下来处理该多导睡眠图信号。该假设允许使用更简单的睡眠阶段确定方法。然而，这些方法只能够粗略估计受检对象的睡眠阶段。

技术实现要素：

因此，本公开的一个或多个方面涉及一种配置为在睡眠时间段的各个睡眠周期期间确定受检对象的睡眠阶段的系统。所述系统包括：一个或多个传感器，一个或多个物理计算机处理器和/或其它部件。所述一个或多个传感器被配置为生成传达与所述受检对象的大脑活动相关的信息的输出信号。所述一个或多个物理计算机处理器被配置为由计算机可读指令执行各种活动。所述一个或多个物理计算机处理器被配置为：基于所述输出信号，在所述睡眠时间段期间检测各个睡眠周期，所述各个睡眠周期包括第一睡眠周期和第二睡眠周期。所述一个或多个物理计算机处理器被配置为：获得对应于检测到的不同睡眠周期的睡眠阶段检测算法和/或参数，所述睡眠阶段算法和/或参数包括：对应于第一睡眠周期的第一算法和/或参数，以及对应于第二睡眠周期的第二算法和/或参数。所述一个或多个物理计算机处理器被配置为：基于所述输出信号和针对对应睡眠周期所获得的睡眠阶段检测算法和/或参数，在检测到的不同睡眠周期期间确定睡眠阶段，从而在第一睡眠周期期间，基于所述输出信号和第一算法和/或参数确定睡眠阶段，以及在第二睡眠周期期间，基于所述输出信号和第二算法和/或参数确定睡眠阶段。

本公开的另一方面涉及一种用于利用睡眠阶段确定系统在睡眠时间段的各个睡眠周期期间确定受检对象的睡眠阶段的方法。所述系统包括一个或多个传感器，一个或多个物理计算机处理器和/或其它部件，所述方法包括：利用所述一个或多个传感器，生成传达与所述受检对象的大脑活动相关的信息的输出信号；利用所述一个或多个物理计算机处理器，基于所述输出信号，在所述睡眠时间段期间检测各个睡眠周期，所述各个睡眠周期包括第一睡眠周期和第二睡眠周期；利用所述一个或多个物理计算机处理器，获得对应于检测到的不同睡眠周期的睡眠阶段检测算法和/或参数，所述睡眠阶段算法和/或参数包括：对应于第一睡眠周期的第一算法和/或参数，以及对应于第二睡眠周期的第二算法和/或参数；以及利用所述一个或多个物理计算机处理器，基于所述输出信号和针对对应睡眠周期所获得的睡眠阶段检测算法和/或参数，在检测到的不同睡眠周期期间确定睡眠阶段，从而在第一睡眠周期期间，基于所述输出信号和第一算法和/或参数确定睡眠阶段，以及在第二睡眠周期期间，基于所述输出信号和第二算法和/或参数确定睡眠阶段。

本公开的又一方面涉及一种配置为在睡眠时间段的各个睡眠周期期间确定受检对象的睡眠阶段的系统，所述系统包括：用于生成传达与所述受检对象的大脑活动相关的信息的输出信号的单元；用于基于所述输出信号在所述睡眠时间段期间检测各个睡眠周期的单元，所述各个睡眠周期包括第一睡眠周期和第二睡眠周期；用于获得对应于检测到的不同睡眠周期的睡眠阶段检测算法和/或参数的单元所述睡眠阶段算法和/或参数包括：对应于第一睡眠周期的第一算法和/或参数，以及对应于第二睡眠周期的第二算法和/或参数；以及用于基于所述输出信号和针对对应睡眠周期所获得的睡眠阶段检测算法和/或参数，在检测到的不同睡眠周期期间确定睡眠阶段，从而在第一睡眠周期期间，基于所述输出信号和第一算法和/或参数确定睡眠阶段，以及在第二睡眠周期期间，基于所述输出信号和第二算法和/或参数确定睡眠阶段的单元。

当参考形成该说明书一部分的附图考虑下列描述和随附权利要求时，本公开的这些和其它目标、特征和特性以及操作方法和结构的相关元件的功能以及零件的组合与制造经济都将变得更清晰，在附图中类似的附图标记指定各图中对应的零件。然而，应该清楚理解的是，附图只是出于图示和描述的目的，并不用作限定本公开。

附图说明

图1是被配置为在睡眠时间段的各个睡眠周期期间确定受检对象的睡眠阶段的系统的示意图示。

图2示出了慢波活动中的周期变化。

图3示出了在现有技术的系统中减少的慢波活动如何造成不准确的睡眠阶段确定。

图4示出了在睡眠时间段期间由睡眠周期部件检测到的四个各个睡眠周期。

图5示出了确定当前睡眠阶段的向量量化方法。

图6基于对应于各个睡眠周期的算法和/或参数图形地总结了实时睡眠阶段确定。

图7示出了利用睡眠阶段确定系统在睡眠时间段的各个睡眠周期期间确定受检对象的睡眠阶段的方法。

具体实施方式

如本文所使用的，除非上下文中另有明确指示，单数形式的“一(a)”、“一(an)”和“该(the)”包括复数形式。如本文所使用的，关于“耦合”两个或更多零件或部件的声明将表明所述零件被直接或间接(即，通过一个或多个中间零件或部件，只要发生连接)结合或一起操作。如本文所使用的，“直接耦合”表示两个元件直接彼此接触。如本文所使用的，“固定耦合”或“固定”表示两个部件耦合以便作为一体移动，同时维持相对彼此的恒定定向。

如本文所使用的，词语“单一的”表示将部件创建为单个件或单元。也就是，包括单独创建并将其耦合到一起作为单位的多个件的部件不是“单一”部件或主体。如本文所采用的，关于两个或更多零件或部件彼此“接合”的声明将表明所述零件直接或通过一个或多个中间零件或部件施加相对于彼此的力。如本文所采用的，术语“数量”将表示一或大于一的整数(即，多个)。

本文所使用的方向短语，例如但不限于：顶部、底部、左、右、上、下、前、后及其衍生词，涉及在图中示出的元件的定向，但并不限制权利要求，除非另有明确表示。

图1是被配置为在睡眠时间段的各个睡眠周期期间确定受检对象12的睡眠阶段的系统10的示意性图示。系统10相比于现有技术系统可以进行更准确的实时睡眠阶段确定。系统10基于对应于当前睡眠周期的算法和/或参数确定受检对象12的当前睡眠阶段。睡眠周期对应于通过连续睡眠阶段的有序进展，从浅层睡眠到深度睡眠，然后跟随着快速眼动(rem)睡眠。可以基于脑电图(eeg)和/或通过其它方法实时地检测睡眠周期。在一个睡眠周期结束时，系统10被配置为使得用特别适合于下一睡眠周期的新的算法和/或参数来替换用于先前睡眠周期以确定睡眠阶段的特定算法和/或参数。在一些实施例中，系统10包括以下中的一个或多个：传感器18、处理器20、电子存储设备22、用户接口24和/或其它部件。

传感器18被配置为生成传达与受检对象12的大脑活动相关的信息的输出信号。受检对象12的大脑活动可以对应于当前睡眠周期、当前睡眠阶段和/或受检对象12的其它特性。受检对象12的大脑活动可以与快速眼动(rem)睡眠、非快速眼动(nrem)睡眠和/或其它睡眠相关联。受检对象12的睡眠阶段可以包括以下中的一个或多个：nrem阶段n1、阶段n2、或阶段n3睡眠，rem睡眠，和/或其它睡眠阶段。在一些实施例中，n1对应于浅层睡眠状态，而n3对应于深度睡眠状态。在一些实施例中，nrem阶段3或阶段2睡眠是慢波(例如，深度)睡眠。传感器18可以包括直接测量这种参数的一个或多个传感器。例如，传感器18可以包括电极，其被配置为沿着受检对象12的头皮检测由在受检对象12的大脑内流动的电流引起的电活动。传感器18可以包括间接生成传达与受检对象12的大脑活动相关的信息的输出信号的一个或多个传感器。例如，一个或多个传感器18可以基于受检对象12的心率(例如，传感器18可以是位于受检对象12的胸部的心率传感器，和/或被配置为在受检对象12的手腕上的手镯，和/或位于受检对象12的另一肢体上)，受检对象12的移动(例如，传感器18可以包括围绕受检对象12的手腕和/或脚踝的具有加速度计的镯子，从而可以利用体动记录信号分析睡眠)，受检对象12的呼吸和/或受检对象12的其它特性，来生成输出。虽然在受检对象12附近的单个位置处示出了传感器18，但这并不意味着限制。传感器18可以包括布置在多个位置的多个传感器，例如，与受检对象12的衣物耦合(以可移除的方式)，由受检对象12穿戴(例如，作为头带、腕带等)，当受检对象12睡眠时定位为指向受检对象12(例如，传达与受检对象12的移动相关的输出信号的摄像机)和/或在其它位置。

由传感器18生成的输出信号可以是和/或可以与多导睡眠图信号有关。在多导睡眠图信号(通常是eeg)中的图案在受检对象12的睡眠时间段期间并不保持稳定。eeg展现了贯穿睡眠时间段的变化。在eeg中可见的最显著变化是delta功率(也已知为慢波活动(swa))。睡眠慢波与睡眠时间段期间在受检对象12中的swa相关联。swa对应于在0.5-4.5hz频段中的eeg信号的功率。在一些实施例中，将该频段被设置为0.5-4hz。swa具有贯穿给定睡眠时间段的周期变化的典型表现。swa在非快速眼动睡眠(nrem)期间增加，在快速眼动(rem)睡眠开始之前下降，并在rem期间保持较低。swa在连续nrem期中从一期到下一期渐进地减少。在给定睡眠时间段期间，可以根据受检对象12的eeg估计swa。

图2示出了在swa200中的这种周期变化。针对整个睡眠时间段202标绘出swa200。作为参考，也标绘出对应的睡眠图204。贯穿整个睡眠时间段swa200从一个nrem期到下一个渐进地减少208、210、212和214。

图3示出了在现有技术系统中减少的swa(图2所示)如何造成不准确的睡眠阶段确定。图3示出了基于静态(不随睡眠周期变化)算法确定的睡眠图300的例子，该静态算法对在delta(0.5-4hz)、alpha(8-12hz)、spindle(11-15hz)和beta(15-30hz)频段中过滤的eeg信号的均方根值施加了阈值。图3a示出了手动评分的睡眠图302以供参考。图3b示出了利用静态算法自动评分的睡眠图300。理想地，在图3b中示出的睡眠图应该与在图3a中示出的睡眠图密切匹配。然而，在图3a中的睡眠图和在图3b中的睡眠图之间的一致性随着时间而降低。例如，对于在第三周期304中的n3期(大约从200到250分钟)，算法检测到在n2和n3之间太多的转换。对于在第四周期306中的n3期(大约从300到350分钟)，可以观察到类似情形。系统10(图1所示)被配置为例如利用手动评分睡眠图最小化和/或消除这种差别。系统10被配置为使实时睡眠阶段确定基于对应于各个睡眠周期的算法和/或参数，并改善实时睡眠阶段确定的准确性。

返回图1，处理器20被配置为提供系统10中的信息处理能力。这样，处理器20可以包括以下中的一个或多个：数字处理器、模拟处理器、设计为处理信息的数字电路、设计为处理信息的模拟电路、状态机和/或其它用于电子地处理信息的机构。虽然在图1中示出处理器20是单个实体，但是这仅是出于图示的目的。在一些实施例中，处理器20可以包括多个处理单元。这些处理单元可以物理上位于同一设备(例如，传感器18)内，或处理器20可以表示协作操作的多个设备的处理功能。

如图1所示，处理器20被配置为执行一个或多个计算机程序部件。所述一个或多个计算机程序部件可以包括以下中的一个或多个：睡眠周期部件30、取回部件32、睡眠阶段部件34和/或其它部件。处理器20可以被配置为通过软件，硬件，固件，软件、硬件和/或固件的一些组合，和/或其它配置处理器20上的处理能力的机构，来执行部件30、32、34和/或其它部件。

应该理解的是，虽然在图1中将部件30、32和34示出为共同位于单个处理单元中，但在处理器20包括多个处理单元的实施例中，一个或多个部件30、32、34和/或其它部件可以远离其它部件定位。在下文描述的由不同部件30、32、34和/或其它部件提供的功能的描述是出于说明性目的，而不意图进行限制，因为任何部件30、32和/或34可以提供比所描述的更多或更少的功能。例如，可以消除部件30、32和/或34中的一个或多个，并且可以通过其它部件30、32和/或34提供其一部分或所有功能。作为另一例子，处理器20可以被配置为执行一个或多个额外部件，其可以执行下述归因于部件30、32和/或34的一些或所有功能。

睡眠周期部件30被配置为在睡眠时间段期间检测各个睡眠周期。睡眠周期部件30被配置为基于来自传感器18的输出信号和/或其它信息检测各个睡眠周期。在一些实施例中，在睡眠时间段期间检测各个睡眠周期可以包括在受检对象12的睡眠时间段期间生成和/或监测eeg。例如，可以通过用户接口24显示eeg。睡眠周期部件30被配置为基于在eeg的beta(β)频段中的功率、在eeg的delta(δ)频段中的功率和/或其它信息，来检测各个睡眠周期。更一般地，在任何高频段(例如，alpha[8-12hz]、beta[15-30hz]、sigma[11-16hz]或gamma[30-60hz])中的功率与在任意低频段(例如，delta[0.5-4hz]和theta[4-8hz])之间的比率可以提供能用于睡眠周期检测的周期信号。在beta/delta(图2)的比率中可以容易地显现周期信号。还有，如果例如采用比率alpha/theta和/或alpha/delta，则也可以观察到周期信号。

在一些实施例中，睡眠周期部件30被配置为基于在beta和delta频段中的eeg功率之间的比率的自然对数(log(β/δ))来检测睡眠周期。因为在delta和beta频段中的功率在周期睡眠行为(例如，图2所示)期间经历显著的变化(例如，相对在eeg的其它频段中的功率)，所以可以使用这个比率。在delta频段中的功率和在beta频段中的功率通常展现相反的趋势(例如，delta中的增加/减少通常反映为beta中的减少/增加)。

例如，图4示出了在睡眠时间段400期间由睡眠周期部件30(图1)检测到的四个各个睡眠周期402、404、406、408。在图4中，在对应的手动评分睡眠图412下标绘log(β/δ)410。在一些实施例中，基于log(β/δ)阈值414，通过睡眠周期部件30检测各个睡眠周期402、404、406、408。在一些实施例中，可以基于受检对象12的先前睡眠时间段和/或其它信息确定阈值414。在一些实施例中，可以经由用户接口(图1所示)设置和/或调整阈值414。在一些实施例中，可以在制造时编程得到阈值414。例如，可以在制造时基于经验地接受的值编程得到阈值414，所述值例如是关于log(β/δ)的大约-2的阈值(图4所示)。在一些实施例中，睡眠周期部件30被配置为响应于log(β/δ)410违反了(breach)log(β/δ)阈值414而检测各个睡眠周期。在一些实施例中，睡眠周期部件30响应于log(β/δ)410处于log(β/δ)阈值414之上和/或之下达到比给定事件段更长的时间，来确定log(β/δ)410违反了log(β/δ)阈值414。

应该注意的是，在图4中的四个各个睡眠周期并不意图进行限制。受检对象12可以在睡眠时间段期间经历任意数量的睡眠周期。系统10被配置为从第一睡眠周期到第n睡眠周期检测各个睡眠周期。

返回图1，取回部件32配置为获得预定的睡眠阶段检测算法、算法输入参数和/或对应于检测到的不同睡眠周期的其它信息。在一些实施例中，预定睡眠阶段检测算法、算法输入参数和/或其它信息是和/或包括睡眠阶段标准。睡眠阶段标准可以与eeg的一个或多个频段(例如，beta、spindle、alpha、theta、delta)的功率量有关，和/或与受检对象12的大脑活动的其它特性有关。典型的频段限值是大约8-12hz(alpha)、大约15-30hz(beta)、大约11-16hz(sigma/spindle)、大约30-60hz(gamma)、大约0.5-4hz(delta)和/或大约4-8hz(theta)。

一个睡眠周期的睡眠阶段检测算法、参数、睡眠阶段标准和/或其它信息与其他睡眠周期的睡眠阶段检测算法、参数、睡眠阶段标准和/或其它信息不同。在一些实施例中，一个睡眠周期的睡眠阶段检测算法、参数、睡眠阶段标准和/或其它信息可以类似于和/或与其他睡眠周期的睡眠阶段检测算法、参数、睡眠阶段标准和/或其它信息相同。

睡眠阶段检测算法、参数、睡眠阶段标准的非限制性例子可以包括向量量化算法，其中各个睡眠阶段由代表性的向量(和/或质心)表征，并且，基于最接近向量“x”的质心决定给定向量(x)属于哪个阶段。例如，可以根据在一段eeg信号上的计算信号处理函数来确定向量“x”。eeg段的典型持续事件是30秒，但是这并不意图是限制性的。信号处理函数包括谱带功率、例如均值或熵的时域特性和/或信号处理功能。

睡眠阶段检测算法的另一例子是神经网络，其基于根据eeg信号的一部分估计出的一组特征决定该eeg信号部分属于哪个睡眠阶段。

睡眠阶段检测算法的另一例子是支持向量机，其通过评估所谓的支持向量和向量x之间的广义标量积来确定给定向量(x)所属的睡眠阶段。

上述算法具有还依赖于睡眠周期变化的参数。例如，向量量化算法中的各个睡眠阶段的质心可以依赖于睡眠周期而变化。另一例子是神经网络，其中架构(例如，层和/或神经元的数量)可以保持相同，但是权重会取决于睡眠周期而改变。在该例子中，用于第一周期和第二周期的算法是相同的，但用于第一周期的参数与用于第二周期的参数不同。

在一些实施例中，取回部件32被配置为响应于由睡眠周期部件30检测到各个睡眠周期，而获得对应的预定睡眠阶段检测算法、参数、睡眠阶段标准和/或其它信息。例如，通过取回部件32获得的睡眠阶段算法、参数和/或标准可以包括对应于第一睡眠周期(例如，图4所示的睡眠周期402)的第一算法、参数和/或标准，以及对应于第二睡眠周期(例如，图4中所述的睡眠周期404)的第二算法、参数和/或标准。在一些实施例中，取回部件32被配置为获得对应于由睡眠周期部件30检测到的各个睡眠周期的一个或多个各个算法、参数和/或标准。在一些实施例中，取回部件32被配置为获得对应于由睡眠周期部件30检测到的各个睡眠周期的算法、参数和/或标准的一个或多个集合。

取回部件32被配置为使得预定的算法、算法输入参数、睡眠阶段标准和/或其它信息被电子地存储(例如，在电子存储设备22中)。可以基于各个睡眠周期对预定的算法、算法输入参数、睡眠阶段标准和/或其它信息进行索引。代替针对睡眠阶段存储单个算法、参数和/或标准集，不管睡眠周期如何，系统10被配置为使得针对在不同睡眠周期期间发生的各种睡眠阶段存储若干算法、参数和/或标准集。可以对这些进行索引，从而在第一睡眠周期期间，取回部件32获得针对第一睡眠周期进行索引的算法、参数和/或标准。在最后的睡眠周期期间，取回部件32获得针对最后的睡眠周期进行索引的算法、参数和/或标准。

在一些实施例中，预定的算法、算法输入参数、标准和/或其它信息基于以下中的一个或多个：受检对象12的先前睡眠时间段、来自受检对象的年龄匹配人群的睡眠时间段的信息、和/或其它信息。例如，可以利用来自用户池的训练数据(例如，来自先前睡眠时间段的数据)确定睡眠阶段标准。替代地，可以利用来自单个和/或多个基线(现有)睡眠夜晚(睡眠时间段)的数据，来针对受检对象12使得睡眠阶段标准个性化。

睡眠阶段部件34被配置为在检测到的不同睡眠周期期间确定睡眠阶段。睡眠阶段部件34被配置为基于来自传感器18的输出信号、来自eeg的信息、获得的睡眠阶段检测算法、算法输入参数、和/或针对对应睡眠周期的睡眠阶段标准和/或其它信息，来确定睡眠阶段。例如，在第一睡眠周期期间，基于当前(例如，在第一睡眠周期期间)输出信号、来自eeg的当前信息、第一算法、第一算法输入参数、第一睡眠阶段标准和/或其它信息，来确定睡眠阶段。响应于睡眠循环部件30确定受检对象12处于第一睡眠周期中，通过取回部件32获得第一算法、第一算法输入参数和/或第一睡眠阶段标准。在第二睡眠周期期间，基于当前(例如，在第二睡眠周期期间)输出信号、来自eeg的当前信息、第二算法、第二算法输入参数和/或第二睡眠阶段标准，确定睡眠阶段。

在一些实施例中，睡眠阶段部件34被配置为使用由输出信号、来自eeg的信息、所获得的算法输入参数和/或其他信息传达的信息作为获得算法的算法输入，来在对应的睡眠周期中确定睡眠阶段。在一些实施例中，睡眠阶段部件34被配置为通过将由输出信号传达的信息、由eeg传达的信息和/或其它信息与针对给定睡眠周期的睡眠阶段标准进行比较，而在给定的睡眠周期期间确定睡眠阶段。

通过非限制性例子，睡眠阶段部件34可以使用在五个频段(例如，如上所述，delta(0.5-4hz)、theta(4-8hz)、alpha(8-12hz)、spindle(11-16hz)和beta(15-30hz))中的eeg功率，来确定当前睡眠阶段。睡眠阶段部件34可以在睡眠时间段期间在一个或多个十五秒(例如)长时期内，确定在五个不同频段中的功率。对于各个时期，睡眠阶段部件34可以基于在五个频段中的功率建立5d特征向量。在一些实施例中，5d特征向量可以是对预定算法的输入，所述预定算法是通过取回部件32针对由睡眠周期部件30确定的当前睡眠周期(所述算法取决于睡眠周期而变化)获得的。在一些实施例中，可以将5d特征向量与通过取回部件32针对由睡眠周期部件30确定的当前睡眠周期获得的睡眠阶段标准(所述睡眠阶段标准取决于睡眠周期而变化)进行比较。当前睡眠阶段可以是算法的输出，和/或响应于5d特征向量满足一个或多个睡眠阶段标准而被确定的。

在该例子中，由取回部件32获得预定算法是向量量化算法和/或与向量量化方法相关，以确定当前睡眠阶段。利用该方法，针对来自受检对象12的先前睡眠时间段的训练时期(已知其睡眠周期和睡眠阶段)的特征向量是先前确定的。针对各个训练时期的特征向量的集群用于确定在五维空间(例如，每个维度对应于一个eeg的功率段)中定义各个睡眠阶段的睡眠阶段特征向量边界和/或区域(因为已知训练时期的睡眠阶段)。确定的睡眠阶段特征向量边界和/或区域随着睡眠周期而变化。通过取回部件32获得当前睡眠周期的边界和/或区域的适当集合。睡眠阶段部件34可以将当前5d特征向量与当前睡眠周期的睡眠阶段特征向量边界和/或区域进行比较。睡眠阶段部件34可以基于5d特征向量和当前睡眠周期的定义出的边界和/或区域来确定当前睡眠阶段。除了边界之外，可以通过计算“x”和每个区域的质心之间的距离来确定给定向量“x”所属的阶段。可以为各个睡眠阶段/区域定义质心向量，作为各个区域的重心。

图5示出了用于确定当前睡眠阶段的向量量化方法。来自训练时期的已知特征向量的集群在对应于给定睡眠周期的睡眠阶段的五维空间500(但是在2d页面示出)中定义了区域502、504、506、508、510。由黑点512、514、516、518、520表示每个睡眠阶段的代表性特征向量(模型)。代表性特征向量是质心(如上所述)，各个质心是对应的各个区域的重心。为了确定当前时期属于哪个睡眠阶段，睡眠阶段部件34在当前时期期间基于在eeg的五个频段中的功率确定来自当前时期的5d特征向量。然后，通过例如欧几里得距离，睡眠阶段部件34比较来自当前时期的5d特征向量与每个集群/区域，来确定当前5d特征向量最可能位于哪个集群/区域(睡眠阶段)。

图6基于对应于各个睡眠周期的算法和/或参数图形地总结了实时睡眠阶段确定。如图6所示，eeg信号(其是来自传感器18的输出信号和/或基于来自传感器18的输出信号被确定)经受两个连续和/或基本同时的过程602、604。第一过程602自动检测睡眠周期。第二过程604确定受检对象12的当前睡眠阶段，其接收来自第一过程602的输入606。睡眠周期检测过程602包括基于eeg确定当前睡眠周期。从eeg导出的可以可靠地用于确定睡眠周期的度量是在eeg(图6的参考标记610，还示出了睡眠图611以供参考)的beta(15-30hz)频段中的功率与在delta(0.5-4hz)频段中的功率之间的比率的对数(log(β/δ))。睡眠周期部件30和取回部件32(图1所示)检测在睡眠周期中的变化，并取回针对给定睡眠周期进行索引的睡眠阶段确定算法和/或参数。从电子存储设备612中取回睡眠阶段确定算法和/或参数。睡眠阶段确定614基于从存储模块取回的eeg信号和算法和/或参数。

返回图1，电子存储设备22包括电子地存储信息的电子存储介质。电子存储设备22的电子存储介质可以包括与系统10一体设置(即，本质上不可移除)的系统存储设备和/或例如经由端口(例如，usb端口、火线端口等)或驱动(例如，磁盘驱动等)可移除地连接到系统10的可移除存储设备中的一者或两者。电子存储设备22可以包括以下中的一个或多个：光可读存储介质(例如，光盘等)、磁可读存储介质(例如，磁带、磁硬盘驱动、软盘驱动等)、基于电荷的存储介质(例如，eprom、ram等)、固态存储介质(例如，闪存驱动等)和/或其它电可读存储介质。电子存储设备22可以存储软件算法(例如，由取回部件32取回的预定算法)、算法输入(例如，由取回部件32取回的预定参数)、由处理器20确定的信息、经由用户接口24和/或外部计算系统接收到的信息、和/或使得系统10能够正确运作的其它信息。电子存储设备22可以是在系统10内的(整体或部分)独立部件，或者电子存储设备22可以设置为(整体或部分)与系统10(例如，处理器20)的一个或多个其它部件集成。

用户接口24被配置为提供系统10和受检对象12和/或其他用户之间的接口，通过该接口，受检对象12和/或其他用户可以向系统10提供信息和从系统10接收信息。例如，用户接口24可以向用户显示eeg。这使得数据、线索、结果、指令和/或任意其它通信项(统称为“信息”)在用户(例如，受检对象12、护理者和/或其他用户)与传感器18、处理器20、电子存储设备22和/或系统10的其它部件中的一个或多个之间通信。例如，用户接口24可以促进在电子存储设备22中通过用户存储预定的算法和/或参数。

适于包含于用户接口24中的接口设备的例子包括键区、按钮、开关、键盘、旋钮、杠杆、显示屏、触摸屏、扬声器、麦克风、指示器灯、可听警报、打印机、触觉反馈设备和/或其它接口设备。在一些实施例中，用户接口24包括多个单独的接口。在一些实施例中，用户接口24包括与处理器20、电子存储设备22和/或系统10的其它部件集成地提供的至少一个接口。

应该理解的是，通过本公开还可以将其它通信技术(硬接线或无线的)构思为用户接口24。例如，本公开构思用户接口24可以与电子存储设备22提供的可移除存储接口集成。在该例子中，可以将信息从可移除存储设备(例如，智能卡、闪存驱动、可移除盘等)加载到系统10中，从而使得用户能够定制系统10的实现方式。适于与系统10一起用作用户接口24的其它示例性输入设备和技术包括但不限于rs-232端口、rf链路、ir链路、调制解调器(电话、电缆或其它)。简言之，通过本公开可以将能够与系统10传送信息的任何技术构思为用户接口24。

图7示出了利用睡眠阶段确定系统在睡眠时间段的各个睡眠周期期间确定受检对象的睡眠阶段的方法700。该系统包括一个或多个传感器、一个或多个物理计算机处理器和/或其它部件。下文提出的方法700的操作意图是说明性的。在一些实施例中，可以通过具有未描述的一个或多个额外操作和/或排除讨论到的一个或多个操作来实现方法700。另外，在图7中示出以及在下文中描述的方法700的操作顺序并不意图是限制性的。

在一些实施例中，方法700可以在一个或多个处理设备中实现(例如，数字处理器、模拟处理器、设计为处理信息的数字电路、设计为处理信息的模拟电路、状态机和/或用于电子地处理信息的其它机构)。一个或多个处理设备可以包括响应于电子地存储在电子存储介质上的指令而执行方法700的一些或全部操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件配置以特别设计为执行方法700的一个或多个操作的一个或多个设备。

在操作702处，生成传达与在睡眠时间段期间受检对象的大脑活动相关的信息的输出信号。在一些实施例中，通过与(图1所示和本文描述的)传感器18相同或类似的一个或多个传感器执行操作702。

在操作704处，基于输出信号检测各个睡眠周期。在一些实施例中，基于在eeg的beta频段中的功率和在delta频段中的功率和/或其它信息来检测各个睡眠周期。在一些实施例中，通过与(图1所示和本文所描述的)睡眠周期部件30相同或类似的物理计算机处理器部件执行操作704。

在操作706处，取回对应于在操作704期间检测到的各个睡眠周期的预定睡眠阶段确定算法、算法输入参数和/或其它信息。在一些实施例中，从电子存储设备中取回算法、算法输入参数和/或其它信息。在一些实施例中，基于各个睡眠周期，在电子存储设备中，对算法、算法输入参数和/或其它信息进行索引。在一些实施例中，预定算法和/或算法输入参数基于以下中的一个或多个：受检对象的先前睡眠时间段、来自受检对象的年龄匹配人群的睡眠时间段的信息、和/或其它信息。在一些实施例中，通过与(图1所示和本文中描述的)取回部件32相同或类似的物理计算机处理器部件执行操作706。

在操作708处，确定睡眠阶段。在检测到的不同睡眠周期期间确定睡眠阶段。基于输出信号、针对对应睡眠周期获得的睡眠阶段检测算法和/或参数、和/或其它信息，来确定睡眠阶段。例如，在第一睡眠周期期间，基于对应于第一睡眠周期的输出信号、第一算法、第一参数和/或其它信息确定睡眠阶段。在第二睡眠周期期间，基于对应于第二睡眠周期的输出信号、第二算法、第二参数和/或其它信息确定睡眠阶段。在一些实施例中，通过与(图1所示和本文中描述的)睡眠阶段部件34相同或类似的物理计算机处理器部件执行操作708。

在权利要求中，在括号内放置的任何附图标记不应解释为限制权利要求。词语“包括”或“包含”并不排除存在除了在权利要求中列出的之外的元件或步骤。在枚举若干单元的设备权利要求中，可以通过同一硬件项具体实现这些单元中的一些。在元件前面的词语“一(a)”或“一(an)”并不排除存在多个这种元件。在枚举若干单元的任意设备权利要求中，可以通过同一硬件项具体实现这些单元中的一些。事实上，在相互不同的从属权利要求中记叙的某些元件并不表示不能组合使用这些元件。

虽然，上述描述出于说明的目的基于当前视为最实际且优选的实施例提供了细节，但是可以理解的是，这种细节仅用于说明目的，并且本公开不限于所明确公开的实施例，而是相反地意图覆盖落入随附权利要求的精神和范围内的修改和等同布置。例如，可以理解的是本公开尽量构思任意实施例的一个或多个特征可以与任意其它实施例的一个或多个特征组合。