本发明涉及诊断侦测,特别涉及一种智能穿戴设备的睡眠侦测方法。
背景技术:
1、目前,随着智能穿戴设备的内置系统程序的升级,出现具有睡眠监测功能的智能穿戴设备。现有的智能穿戴设备的睡眠侦测方法多通过对基于预设的生理状态数据(例如心率数据或呼吸数据等)的阈值判断被侦测对象是否入睡,并识别出被侦测对象的不同睡眠状态期(例如深睡期、浅睡期、快速眼动睡眠期等),并基于不同睡眠状态期的生理状态数据或时长评估出被侦测对象的睡眠质量。
2、但是,上述现有的智能穿戴设备的睡眠侦测方法,由于被侦测对象的生理状态数据与睡眠状态之间的对应关系不是固定不变的,可能与被侦测对象的身体素质和性别特征以及被侦测对象的心理状态等因素有很大关系。因此,仅仅通过被侦测对象的生理状态数据和睡眠状态期之间的预设对应关系确定被侦测对象的睡眠时段和睡眠状态期是不够准确的,进而导致基于此方法确定出的睡眠状态期进一步评估出的睡眠质量的评估结果也不够准确。
3、因此,本发明提出了一种智能穿戴设备的睡眠侦测方法。
技术实现思路
1、本发明提供一种智能穿戴设备的睡眠侦测方法,用以基于智能穿戴设备监测获得的被侦测对象的体动数据实现对被侦测对象的总睡眠周期的准确识别,且基于被侦测对象的生理状态数据和眼动状态数据之间的互耦特征,实现在被侦测对象的总睡眠周期中准确识别出不同睡眠状态期,克服了现有技术的智能穿戴设备的睡眠侦测方法中仅依据被侦测对象的生理状态数据与睡眠状态之间的对应关系划分睡眠状态期的准确度不够的缺陷,并进一步地基于睡眠粗略预备时段中的所有睡眠粗略预备时段客观评估出被侦测对象的睡眠质量,以实现对被侦测对象的准确睡眠侦测。
2、本发明提供一种智能穿戴设备的睡眠侦测方法,包括:
3、s1:基于预设的体动静止条件和被侦测对象在单个侦测周期内的体动数据,确定出被侦测对象的睡眠粗略预备时段;
4、s2:确定出被侦测对象在睡眠粗略预备时段内的生理状态数据和眼动状态数据之间的互耦特征;
5、s3:基于生理状态数据和眼动状态数据之间的互耦特征,在睡眠粗略预备时段中划分出多个睡眠状态期;
6、s4:基于睡眠粗略预备时段中所有睡眠状态期的时段特征,评估出被侦测对象的睡眠质量评估值。
7、优选的,s1:基于预设的体动静止条件和被侦测对象在单个侦测周期内的体动数据,确定出被侦测对象的睡眠粗略预备时段,包括:
8、s101:基于三轴加速度传感器获得被侦测对象的智能穿戴设备的穿戴位置所在肢体在三个方向的体动曲线;
9、s102:将三个方向的体动曲线时序对齐后进行合并,获得被侦测对象的综合体动曲线;
10、s103:基于综合体动曲线,在单个侦测周期中识别出体动幅度和体动频率满足预设的体动静止条件的时段,作为被侦测对象的睡眠粗略预备时段。
11、优选的,s103:基于综合体动曲线,在单个侦测周期中识别出体动幅度和体动频率满足预设的体动静止条件的时段,作为被侦测对象的睡眠粗略预备时段,包括:
12、在综合体动曲线中识别出每次动作的部分体动曲线,基于部分体动曲线确定出每次动作的体动幅度;
13、确定出单位分析时间长度,以单位分析时间长度为相邻待分析时段的偏差时段长度,并基于预设的最短分析时长,确定出综合体动曲线中的所有待分析时段;
14、将每个待分析时段内包含的所有相邻部分体动曲线之间的时间间隔的均值与待分析时段的时段长度的比值,当作对应待分析时段的总体动频率;
15、基于所有动作的体动幅度和所有待分析时段的总体动频率以及预设的体动静止条件的时段,在所有待分析时段中筛选出属于睡眠粗略预备时段的待分析时段,当作部分睡眠粗略预备时段;
16、基于所有部分睡眠粗略预备时段,确定出被侦测对象的睡眠粗略预备时段。
17、优选的,基于所有动作的体动幅度和所有待分析时段的总体动频率以及预设的体动静止条件的时段,在所有待分析时段中筛选出属于睡眠粗略预备时段的待分析时段,当作部分睡眠粗略预备时段,包括:
18、确定出待分析时段内体动幅度大于大幅度动作的最小体动幅度阈值且体动幅度的差值在预设差值之内的两个动作,并确定出体动幅度大于大幅度动作的最小体动幅度阈值且体动幅度的差值在预设差值之内的两个动作之间的时间间隔,当作大幅度动作时间间隔;
19、将所有大幅度动作时间间隔与待分析时段的时段长度的比值,当作待分析时段的大幅度体动频率;
20、判断出大幅度动作的体动频率是否不超过预设的体动静止条件中的第一体动频率阈值且待分析时段的总体动频率是否不超过预设的体动静止条件中的第二体动频率阈值,若是,则判定待分析时段为部分睡眠粗略预备时段;
21、否则,判定待分析时段不是部分睡眠粗略预备时段。
22、优选的,基于所有部分睡眠粗略预备时段,确定出被侦测对象的睡眠粗略预备时段,包括:
23、判断出所有部分睡眠粗略预备时段中是否存在间隔时间超出间隔时间阈值的相邻部分睡眠粗略时段,若是,则将对应间隔时间当作过度间隔时间,并确定出过度间隔时间在所有相邻部分睡眠粗略时段之间的间隔时间中的排序序数与所有相邻部分睡眠粗略时段之间的间隔时间的总数的比值,当作过度间隔时间的相对位置表示值;
24、将相对位置表示值不大于排除位置表示值的过度间隔时间之前的所有部分睡眠序列预备时段排除,将最终排除后获得的剩余的所有部分睡眠粗略预备时段的总覆盖时段,当作被侦测对象的睡眠粗略预备时段;
25、否则,将当前的所有部分睡眠粗略预备时段的总覆盖时段,当作被侦测对象的睡眠粗略预备时段。
26、优选的,s2:确定出被侦测对象在睡眠粗略预备时段内的生理状态数据和眼动状态数据之间的互耦特征,包括:
27、s201:基于被侦测对象在睡眠粗略预备时段内的生理状态数据和眼动状态数据,确定出被侦测对象在睡眠粗略预备时段内的生理参数检测项目的电信号频谱图,当作第一电信号频谱图,并确定出眼动状态红外检测项目的电信号频谱图,当作第二电信号频谱图;
28、s202:基于第一电信号频谱图和第二电信号频谱图,确定出被侦测对象在睡眠粗略预备时段内的生理状态数据和眼动状态数据之间的互耦特征。
29、优选的,s202:基于第一电信号频谱图和第二电信号频谱图,确定出被侦测对象在睡眠粗略预备时段内的生理状态数据和眼动状态数据之间的互耦特征,包括:
30、确定出第一电信号频谱图和第二电信号频谱图之间的互功率密度谱,并将互功率密度谱的幅值和相位当作被侦测对象在睡眠粗略预备时段内的生理状态数据和眼动状态数据之间的互耦特征。
31、优选的,s3:基于生理状态数据和眼动状态数据之间的互耦特征,在睡眠粗略预备时段中划分出多个睡眠状态期,包括:
32、基于每种睡眠状态期的幅值范围和相位范围和生理状态数据和眼动状态数据之间的互耦特征中互功率密度谱的幅值和相位,对互功率密度谱进行时域划分,获得多个睡眠状态期。
33、优选的,s4:基于睡眠粗略预备时段中所有睡眠状态期的时段特征,评估出被侦测对象的睡眠质量评估值,包括:
34、基于睡眠粗略预备时段中所有睡眠状态期的时段长度、睡眠粗略预备时段的起始时刻和终止时刻以及预设睡眠质量评估方式,评估出被侦测对象的睡眠质量评估值。
35、优选的,还包括:
36、基于被侦测对象的睡眠质量评估值和睡眠粗略预备时段中所有睡眠状态期的时段特征,生成睡眠报告和睡眠改善建议;
37、将睡眠报告和睡眠改善建议发送至智能穿戴设备中的对应显示平台。
38、本发明区别于现有技术的有益效果为:基于智能穿戴设备监测获得的被侦测对象的体动数据实现对被侦测对象的总睡眠周期的准确识别,且基于被侦测对象的生理状态数据和眼动状态数据之间的互耦特征,实现在被侦测对象的总睡眠周期中准确识别出不同睡眠状态期,克服了现有技术的智能穿戴设备的睡眠侦测方法中仅依据被侦测对象的生理状态数据与睡眠状态之间的对应关系划分睡眠状态期的准确度不够的缺陷,并进一步地基于睡眠粗略预备时段中的所有睡眠粗略预备时段客观评估出被侦测对象的睡眠质量,以实现对被侦测对象的准确睡眠侦测。
39、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
40、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。