睡眠呼吸周期评价及辅助调节方法、系统和装置与流程

本发明涉及睡眠呼吸检测评价及辅助调节领域，特别涉及一种睡眠呼吸周期评价及辅助调节方法、系统和装置。

背景技术：

1、呼吸是人类维持正常的生理功能的最基本需要。人类呼吸行为是节律性的，是个吸进氧气、呼出二氧化碳的周期性过程。人类呼吸周期或频率是相对稳定的，但呼吸频率受性别、年龄和健康状态等影响；正常情况下，成人约12～20次/分（男性13～21次/分，女性15～20次/分），儿童约30~40次/分。呼吸周期或呼吸频率作为生命体征的重要指标，可用于观察呼吸功能状态。

2、另外，睡眠呼吸行为比清醒状态下的呼吸行为更缓慢也更有节律性，同时能够清晰地反映呼吸生理器官或功能链路的功能状态。睡眠呼吸行为容易受到肥胖、健康状态、睡眠体位姿态等因素的影响，带来不同严重程度的睡眠呼吸事件，如打鼾、低通气等人群规律巨大。

3、现有技术方案cn115120837a公开了一种基于深度学习的睡眠环境调节方法、系统、装置及介质，方法包括：获取用户睡眠时的第一热红外图像信息和第一呼吸声音信息；将第一热红外图像信息输入到预先训练好的人体姿态识别网络得到第一人体姿态信息，并将第一人体姿态信息和第一呼吸声音信息输入到预先训练好的呼吸状态识别网络得到第一呼吸状态信息；将第一人体姿态信息和第一呼吸状态信息输入到预先训练好的睡眠状态识别网络得到第一睡眠状态信息；根据第一睡眠状态信息对室内的环境参数进行调节。该技术方案
技术实现要素：
指出无需通过可穿戴设备实时监测用户的体征参数，提高了睡眠状态识别的准确性和睡眠环境调节的准确性，提高了用户的睡眠体验，可广泛应用于智能家居技术领域。

4、目前，睡眠呼吸周期检测评估的技术方案主要集中在呼吸频率概括计算、呼吸事件检测和事件类型分类，以及临床上常用低通气指数、呼吸事件次数等简单统计分析，均不能对睡眠呼吸周期性行为和周期性强度做出明确定义或量化，尤其缺乏对睡眠呼吸周期性行为的动态分析和动态调控。此外，现有睡眠呼吸调控设备通常与睡眠呼吸检测设备独立分离，大多睡眠呼吸调控设备能够联网反馈调控参数但仍使用离线的预设程序控制完成设备反馈调控，无法根据用户实时呼吸状态来完成用户睡眠呼吸周期过程、个性化精准的动态辅助调节。

5、由上可知，如何对睡眠呼吸周期性行为和周期性强度进行科学和全面地量化评价，如何完成用户睡眠呼吸周期性的个性化、精准动态的辅助调节，从而辅助用户睡眠，目前国内外产品技术方案和实际应用场景中需要进一步解决的问题。

技术实现思路

1、针对现有方法的以上缺陷及改进需求，本发明的目的在于提供一种睡眠呼吸周期评价及辅助调节方法，通过采集获取用户的睡眠呼吸行为信号并提取睡眠呼吸动力学信号，通过信号分解得到睡眠呼吸动力学周期信号并计算其周期强度特征，至少包括数值特征、睡眠呼吸周期性强度和曲线；对用户睡眠状态和睡眠呼吸周期性行为进行信号趋势预测，生成睡眠呼吸周期性辅助调节策略，以实现对用户睡眠呼吸的动态辅助调节；通过开创性的睡眠呼吸周期性检测量化和动态服务策略，实现了用户睡眠呼吸周期性的个性化、精准动态的辅助调节，从而辅助用户睡眠。本发明还提供了一种睡眠呼吸周期评价及辅助调节系统，用于实现上述方法。本发明还提供了一种睡眠呼吸周期评价及辅助调节装置，用于实现上述系统。

2、根据本发明的目的，本发明提出了一种睡眠呼吸周期评价及辅助调节方法，包括以下步骤：

3、采集获取用户的睡眠呼吸行为信号并进行信号分析处理，得到睡眠呼吸动力学信号；

4、对所述睡眠呼吸动力学信号进行时序信号分解和/或时频分析，提取睡眠呼吸动力学周期信号；

5、结合睡眠时相分期信息和用户睡姿体态信息，对所述睡眠呼吸动力学周期信号进行信号特征分析，提取睡眠呼吸周期性强度；

6、对所述睡眠呼吸动力学信号和所述睡眠呼吸周期性强度进行信号趋势预测，结合用户睡眠呼吸数据库和睡眠呼吸知识库，生成睡眠呼吸周期性辅助调节策略，并通过设备信号控制接口发送睡眠呼吸调节设备。

7、更优地，所述采集获取用户的睡眠呼吸行为信号并进行信号分析处理，得到睡眠呼吸动力学信号的具体步骤还包括：

8、对用户睡眠前中后的呼吸生理行为进行连续监测采集，得到所述睡眠呼吸行为信号；

9、对所述睡眠呼吸行为信号进行信号分析处理，提取所述睡眠呼吸动力学信号。

10、更优地，所述睡眠呼吸行为信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻co2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项。

11、更优地，所述信号分析处理至少包括模数转换、重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、去均值处理、低通滤波、高通滤波、带通滤波、均值滤波、平滑处理和信号时窗分割；其中，所述信号时窗分割具体为以预设长度时间窗口、预设平移时间步长对目标信号进行连续时窗分割，得到多时窗信号集。

12、更优地，所述睡眠呼吸动力学信号具体为描述睡眠呼吸连续强弱变化的动力学曲线，至少包括口鼻温度动力学信号、鼻压力动力学信号、口鼻co2动力学信号、胸腹呼吸动力学信号、心电衍生呼吸动力信号、咽喉呼吸动力信号的任一项。 更优地，所述所述睡眠呼吸动力学信号的提取方式，具体为：

13、1)根据所述睡眠呼吸行为信号的来源，调整其信号极性，使其和其他所述睡眠呼吸行为信号都满足吸气-呼气的、统一的预设信号极性规则（即吸气向下波谷，呼气向上波峰；或反之，呼气向下波谷，吸气向上波峰），得到睡眠呼吸行为观察信号；

14、2)根据所述睡眠呼吸行为信号的来源，选择并确定对其相应的所述睡眠呼吸行为观察信号的信号分析处理的具体方法步骤；

15、a.若所述睡眠呼吸行为信号为口鼻温度监测信号、鼻压力监测信号、口鼻co2监测信号或胸腹呼吸运动信号，则信号分析处理的具体方法步骤至少包括去伪迹、信号矫正、去均值处理；

16、b.若所述睡眠呼吸行为信号为心电衍生呼吸信号，则需要先从心电信号中提取心电衍生呼吸信号，再对心电衍生呼吸信号进行信号分析处理，具体方法步骤至少包括去伪迹、信号矫正、去均值处理；

17、c.若所述睡眠呼吸行为信号为咽喉肌电信号，则需要先提取咽喉肌电信号的包络线信号并得到咽喉呼吸肌电包络信号，再对咽喉呼吸肌电包络信号进行信号分析处理，具体方法步骤至少包括去伪迹、信号矫正、去均值处理；

18、3)对所述睡眠呼吸行为观察信号进行信号分析处理，生成所述睡眠呼吸动力学信号。

19、更优地，所述时序信号分解的方法至少包括时间序列分解、经验模态分解、变分模态分解、局域均值分解、小波变换、小波包变换、时频变换、去趋势分析、主成分分析、独立成分分析、波形分析和数值拟合，及他们的进化变种方法；所述时频分析的方法至少包括时频变换、时域滤波和频域滤波中的任一项。

20、更优地，所述结合睡眠时相分期信息和用户睡姿体态信息，对所述睡眠呼吸动力学周期信号进行信号特征分析，提取睡眠呼吸周期性强度的具体步骤还包括：

21、对所述睡眠呼吸动力学周期信号进行信号特征分析，得到睡眠呼吸周期信号特征；

22、结合睡眠时相分期信息、用户睡姿体态信息和所述睡眠呼吸周期信号特征，提取所述睡眠呼吸周期性强度，并按信号窗口时序生成睡眠呼吸周期性强度曲线；

23、对所述睡眠呼吸周期信号特征、所述睡眠呼吸周期性强度和所述睡眠呼吸周期性强度曲线进行归集，得到所述睡眠呼吸周期性指标集。

24、更优地，所述信号特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析；其中，所述非线性特征至少包括熵特征、分形特征和复杂度特征。

25、更优地，所述睡眠呼吸周期性指标集至少包括所述睡眠呼吸动力学周期信号的数值特征、睡眠呼吸周期性强度、睡眠呼吸周期性强度曲线；其中，所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度。

26、更优地，所述睡眠呼吸周期性强度的计算方法，具体为：

27、1)获取所述睡眠呼吸动力学信号；

28、2)判断所述睡眠呼吸动力学信号的时序特性，并对所述睡眠呼吸动力学信号进行对应的时序信号分解，得到所述睡眠呼吸动力学周期信号；

29、3)对所述睡眠呼吸动力学周期信号和所述睡眠呼吸动力学信号进行信号特征分析，分别得到睡眠呼吸动力学周期信号特征和睡眠呼吸动力学信号特征；

30、4)根据所述睡眠呼吸动力学周期信号特征和所述睡眠呼吸动力学信号特征，分析所述睡眠呼吸动力学周期信号相对于所述睡眠呼吸动力学信号的信号强度相对变化特征，得到睡眠呼吸动力学周期性强度因子；

31、5)结合用户当前的睡眠时相分期信息和用户睡姿体态信息，对所述睡眠呼吸动力学周期性强度因子进行修正，生成所述睡眠呼吸周期性强度。

32、更优地，所述信号强度相对变化特征具体为选定一或若干特征属性作为对比指标项，对所述睡眠呼吸动力学周期信号特征和所述睡眠呼吸动力学信号特征中特征属性的特征值进行数值组合比较计算，得到所述信号强度相对变化特征。

33、更优地，所述睡眠呼吸周期性强度曲线具体为按时序将连续时窗下的所述睡眠呼吸周期性强度组成，描述用户睡眠呼吸周期性行为的连续状态变化。

34、更优地，所述睡眠时相分期信息具体为当前用户睡眠状态分期，至少包括清醒期、浅睡眠期、深睡眠期或快速眼动睡眠期，通过将睡眠生理信号输入预训练的睡眠分期ai模型得到；所述用户睡姿体态信息至少包括睡姿方向和睡姿角度，通过加速度传感器解析得到。

35、更优地，所述对睡眠呼吸周期性强度、所述睡眠呼吸动力学信号和所述睡眠呼吸周期性强度进行信号趋势预测，结合用户睡眠呼吸数据库和睡眠呼吸知识库，生成睡眠呼吸周期性辅助调节策略，并通过设备信号控制接口发送睡眠呼吸调节设备的具体步骤还包括：

36、对所述睡眠呼吸动力学信号进行信号趋势预测，得到睡眠呼吸动力学预测信号；

37、对所述睡眠呼吸周期性强度曲线进行信号趋势预测，得到睡眠呼吸周期性强度预测信号；

38、根据所述睡眠呼吸动力学预测信号和所述睡眠呼吸周期性强度预测信号，结合所述用户睡眠呼吸数据库和睡眠呼吸知识库，生成所述睡眠呼吸周期性辅助调节策略；

39、通过设备信号控制接口将所述睡眠呼吸周期性辅助调节策略发送睡眠呼吸调节设备，优化睡眠呼吸调节设备控制执行，以实现用户睡眠呼吸周期性的动态辅助调节；

40、按照预设报告周期，生成并输出睡眠呼吸周期性检测及辅助调节报告。

41、更优地，所述信号趋势预测至少包括指数平滑法、holt-winters法、ar、ma、arma、arima、sarima、sarimax、var、varma、varmax、机器学习中的任一项。

42、更优地，所述用户睡眠呼吸数据库具体为用户个性化的睡眠呼吸存储数据库，用于持续记录和优化用户个体睡眠呼吸行为，至少包括用户基本生理健康信息、检测量化过程方法、策略生成过程方法、所述睡眠呼吸动力学信号、所述睡眠呼吸动力学周期信号、所述睡眠呼吸周期性指标集、睡眠呼吸动力学预测信号、睡眠呼吸动力学周期预测信号、睡眠呼吸辅助调节策略、睡眠呼吸周期性检测及辅助调节报告；所述睡眠呼吸知识库主要来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸规律、常见睡眠呼吸事件特征、常用睡眠呼吸调节方法即场景干预参数指导。

43、更优地，所述睡眠呼吸周期性检测及辅助调节报告至少包括所述睡眠呼吸周期性强度曲线、睡眠呼吸辅助调节策略、睡眠呼吸小结，以及睡眠呼吸优化建议。

44、更优地，所述睡眠呼吸周期性辅助调节策略至少包括睡眠呼吸频率目标调节值、睡眠呼吸强度目标调节值、调节方式、调节时点、持续时间和装置控制参数，其中所述调节方式至少包括离体式、接触式和侵入式；所述睡眠呼吸调节设备至少包括呼吸机、体位调节设备、气味刺激设备、电刺激设备、触觉刺激设备和co2浓度调控设备中的任一种，并由具体的所述调节方式决定。

45、根据本发明的目的，本发明提出了一种睡眠呼吸周期评价及辅助调节系统，包括以下模块：

46、呼吸行为检测模块，用于采集获取用户的睡眠呼吸行为信号并进行信号分析处理，得到睡眠呼吸动力学信号；

47、动力信号分解模块，用于对所述睡眠呼吸动力学信号进行时序信号分解和/或时频分析，提取睡眠呼吸动力学周期信号；

48、呼吸周期量化模块，用于结合睡眠时相分期信息和用户睡姿体态信息，对所述睡眠呼吸动力学周期信号进行信号特征分析，提取睡眠呼吸周期性强度；

49、动态辅助调节模块，用于对所述睡眠呼吸动力学信号和所述睡眠呼吸周期性强度进行信号趋势预测，结合用户睡眠呼吸数据库和睡眠呼吸知识库，生成睡眠呼吸周期性辅助调节策略，并通过设备信号控制接口发送睡眠呼吸调节设备；

50、数据运行管理模块，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理。

51、更优地，所述呼吸行为检测模块还包括以下功能单元：

52、呼吸行为监测单元，用于对用户睡眠前中后的呼吸生理行为进行连续监测采集，得到所述睡眠呼吸行为信号；

53、动力学信号提取单元，用于对所述睡眠呼吸行为信号进行信号分析处理，提取所述睡眠呼吸动力学信号。

54、更优地，所述动力信号分解模块还包括以下功能单元：

55、信号时序分解单元，用于对目标信号进行时序信号分解；

56、信号时频分析单元，用于对目标信号进行时频分析。

57、更优地，所述呼吸周期量化模块还包括以下功能单元：

58、信号特征分析单元，用于对所述睡眠呼吸动力学周期信号进行信号特征分析，得到睡眠呼吸周期信号特征；

59、周期强度量化单元，用于结合睡眠时相分期信息、用户睡姿体态信息和所述睡眠呼吸周期信号特征，提取所述睡眠呼吸周期性强度，并按信号窗口时序生成睡眠呼吸周期性强度曲线；

60、周期指标归集单元，用于对所述睡眠呼吸周期信号特征、所述睡眠呼吸周期性强度和所述睡眠呼吸周期性强度曲线进行归集，得到所述睡眠呼吸周期性指标集。

61、更优地，所述动态辅助调节模块还包括以下功能单元：

62、睡眠状态预测单元，用于对所述睡眠呼吸动力学信号进行信号趋势预测，得到睡眠呼吸动力学预测信号；

63、周期强度预测单元，用于对所述睡眠呼吸周期性强度进行信号趋势预测，得到睡眠呼吸周期性强度预测信号；

64、辅助策略生成单元，用于根据所述睡眠呼吸动力学预测信号和所述睡眠呼吸周期性强度预测信号，结合所述用户睡眠呼吸数据库和睡眠呼吸知识库，生成所述睡眠呼吸周期性辅助调节策略；

65、辅助策略发送单元，用于通过设备信号控制接口将所述睡眠呼吸周期性辅助调节策略发送睡眠呼吸调节设备，优化睡眠呼吸调节设备控制执行，以实现用户睡眠呼吸周期性的动态辅助调节；

66、用户报告管理单元，用于按照预设报告周期，生成并输出睡眠呼吸周期性检测及辅助调节报告。

67、更优地，所述数据运行管理模块还包括以下功能单元：

68、用户信息管理单元，用于用户基本信息的登记输入、编辑、查询、输出和删除；

69、数据可视化管理单元，用于对所述系统中所有数据的可视化展现管理；

70、数据运营管理单元，用于对所述系统中所有数据的存储、备份、迁移和导出。

71、根据本发明的目的，本发明提出了一种睡眠呼吸周期评价及辅助调节装置，包括以下模组：

72、呼吸行为检测模组，用于采集获取用户的睡眠呼吸行为信号并进行信号分析处理，得到睡眠呼吸动力学信号；

73、动力信号分解模组，用于对所述睡眠呼吸动力学信号进行时序信号分解和/或时频分析，提取睡眠呼吸动力学周期信号；

74、呼吸周期量化模组，用于结合睡眠时相分期信息和用户睡姿体态信息，对所述睡眠呼吸动力学周期信号进行信号特征分析，提取睡眠呼吸周期性强度；

75、动态辅助调节模组，用于对所述睡眠呼吸动力学信号和所述睡眠呼吸周期性强度进行信号趋势预测，结合用户睡眠呼吸数据库和睡眠呼吸知识库，生成睡眠呼吸周期性辅助调节策略，并通过设备信号控制接口发送睡眠呼吸调节设备；

76、数据可视化模组，用于对所述装置中所有过程数据和/或结果数据的统一可视化展示管理；

77、数据管理中心模组，用于对所述装置中所有过程数据和/或结果数据的统一存储和数据运营管理。

78、本发明提供了睡眠呼吸周期评价及辅助调节方法、系统和装置，通过创造性将时序信号分解用于睡眠呼吸动力学的分析量化过程，提取睡眠呼吸动力学信号中的周期成分，计算得到睡眠呼吸周期性强度，结合睡眠时相和睡眠体位，来实现睡眠呼吸周期性行为的科学量化评价；进一步对用户睡眠状态和睡眠呼吸周期性强度进行信号趋势预测，生成睡眠呼吸周期性辅助调节策略并通过设备信号控制接口发送睡眠呼吸调节设备，能够动态地优化和提高睡眠呼吸调控设备的效率效能；通过睡眠呼吸的创新评估和辅助调节的一体化架构，辅助用户睡眠呼吸。在实际应用场景中，睡眠呼吸相关的检测和调节系统或设备可都能够以全部或部分的方式集成本发明技术方案所提供的技术要点或功能，更好地满足不同用户服务场景需求。

79、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。