用于深度放松导引的睡眠状态监测系统及其方法

本申请涉及智能监测领域，且更为具体的涉及一种用于深度放松导引的睡眠状态监测系统及其方法。

背景技术：

1、糖尿病是一种以慢性高血糖为特征的代谢性疾病，具有患病率高、并发症发生率高、致死致残率高的“三高”特点，如何有效防治糖尿病已成为建设“健康中国”的重要关注点。糖尿病临床类型多样，其中90％-95％为2型糖尿病(type 2diabetes mellitus，t2dm)。t2dm作为一种典型的心身疾病，高达20-40％的t2dm患者存在焦虑紧张等负面情绪。生物反馈技术是一种新兴的治疗措施，通过辅助放松训练抗应激作用快且强，尤其对交感神经明显兴奋者疗效较好。传统的生物反馈训练技术包括脑电波生物反馈、皮肤电阻生物反馈等。但是传统的生物反馈技术存在一定的缺点，传统的生物反馈技术需要患者长期进行训练和监测，以获得持续的治疗效果。然而，对于一些患者来说，长期的训练和监测可能缺乏足够的动力和依从性，导致治疗效果的下降。

2、因此，期待一种优化的生物反馈方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于深度放松导引的睡眠状态监测系统及其方法，其使用基于深度学习模型的人工智能技术来对患者身体活动视频、心电信号、和呼吸脉冲信号进行特征提取和编码，以得到用于表示语音提示的类型的分类结果。这样通过智能检测患者的睡眠状态，运用生命潮生物反馈技术，相较于传统的生物反馈技术，具有未使用药物、生活方式干预，具有安全性高、治疗依从性好的特点。

2、根据本申请的一个方面，提供了一种用于深度放松导引的睡眠状态监测系统，其包括：

3、数据获取模块，用于获取患者的身体活动视频以及患者的心电信号和呼吸信号；

4、关键帧提取模块，用于基于差帧法从所述身体活动视频中提取出多个身体活动关键帧；

5、动作识别模块，用于将所述多个身体活动关键帧通过人体动作识别器以得到多个动作标签特征向量；

6、双向长短期记忆模块，用于将所述多个动作标签特征向量输入双向长短期记忆神经网络模型以得到动作模式理解特征向量；

7、多尺度特征提取模块，用于将所述心电信号和所述呼吸信号分别通过多尺度特征提取模块后进行融合以得到多尺度身体特征矩阵；

8、身体特征提取模块，用于将所述多尺度身体特征矩阵通过作为特征提取器的卷积神经网络模型以得到身体检测特征向量；

9、融合模块，用于融合所述动作模式理解特征向量和所述身体检测特征向量以得到融合特征向量；

10、结果生成模块，用于将所述融合特征向量通过分类器以得到分类结果，所述分类结果用于表示语音提示的类型。

11、在上述的用于深度放松导引的睡眠状态监测系统中，所述多尺度融合子单元，所述融合模块，包括：

12、拓扑语义匹配单元，用于对所述动作模式理解特征向量和所述身体检测特征向量进行特征节点间的拓扑信息匹配以得到拓扑语义匹配系数；

13、动作模式加权单元，用于以所述拓扑语义匹配系数作为权重，对所述动作模式理解特征向量进行加权以得到加权后动作模式理解特征向量；

14、融合单元，用于融合所述加权后动作模式理解特征向量和所述身体检测特征向量以得到所述融合特征向量。

15、在上述的用于深度放松导引的睡眠状态监测系统中，所述拓扑语义匹配单元，用于：

16、以如下拓扑语义匹配系数计算公式对所述动作模式理解特征向量和所述身体检测特征向量进行特征节点间的拓扑信息匹配以得到拓扑语义匹配系数；其中，所述拓扑语义匹配系数计算公式为：

17、

18、其中，v1表示所述动作模式理解特征向量，v2表示所述身体检测特征向量，||·||f2表示特征向量的frobenius范数的平方，表示特征向量的按位置相减，⊙表示特征向量的按位置相乘，λ和α是超参数，log表示以2为底的对数函数值，w表示所述拓扑语义匹配系数。

19、根据本申请的另一方面，还提供了一种用于深度放松导引的睡眠状态监测方法，其包括：

20、获取患者的身体活动视频以及患者的心电信号和呼吸信号；

21、基于差帧法从所述身体活动视频中提取出多个身体活动关键帧；

22、将所述多个身体活动关键帧通过人体动作识别器以得到多个动作标签特征向量；

23、将所述多个动作标签特征向量输入双向长短期记忆神经网络模型以得到动作模式理解特征向量；

24、将所述心电信号和所述呼吸信号分别通过多尺度特征提取模块后进行融合以得到多尺度身体特征矩阵；

25、将所述多尺度身体特征矩阵通过作为特征提取器的卷积神经网络模型以得到身体检测特征向量；

26、融合所述动作模式理解特征向量和所述身体检测特征向量以得到融合特征向量；

27、将所述融合特征向量通过分类器以得到分类结果，所述分类结果用于表示语音提示的类型。

28、与现有技术相比，本申请提供的用于深度放松导引的睡眠状态监测系统及其方法，其使用基于深度学习模型的人工智能技术来对患者身体活动视频、心电信号、和呼吸脉冲信号进行特征提取和编码，以得到用于表示语音提示的类型的分类结果。这样通过智能检测患者的睡眠状态，运用生命潮生物反馈技术，相较于传统的生物反馈技术，具有未使用药物、生活方式干预，具有安全性高、治疗依从性好的特点。

技术特征：

1.一种用于深度放松导引的睡眠状态监测系统，其特征在于，包括：

2.根据权利要求1所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述动作识别模块，包括：

3.根据权利要求2所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述多尺度特征提取模块，包括：

4.根据权利要求3所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述心电特征提取单元，包括：

5.根据权利要求4所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述第一尺度特征提取子单元，用于：

6.根据权利要求5所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述第二尺度特征提取子单元，用于：

7.根据权利要求6所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述身体特征提取模块，用于：

8.根据权利要求7所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述融合模块，包括：

9.根据权利要求8所述的用于深度放松导引的睡眠状态监测系统，其特征在于，所述拓扑语义匹配单元，用于：

10.一种用于深度放松导引的睡眠状态监测方法，其特征在于，包括：

技术总结
本申请涉及智能监测领域，其具体公开了一种用于深度放松导引的睡眠状态监测系统及其方法，其使用基于深度学习模型的人工智能技术来对患者身体活动视频、心电信号、和呼吸脉冲信号进行特征提取和编码，以得到用于表示语音提示的类型的分类结果。这样通过智能检测患者的睡眠状态，运用生命潮生物反馈技术，相较于传统的生物反馈技术，具有未使用药物、生活方式干预，具有安全性高、治疗依从性好的特点。

技术研发人员：王俊杰,王子璇,肖钢,言芳,刘泽,何汶霞,方会龙,李欣怡,李宇菲,周畅,李智峰,徐瑾言,房睿哲,邱祁广
受保护的技术使用者：湘南学院
技术研发日：
技术公布日：2024/3/12