基于多传感器数据的睡眠分析方法、装置、终端及介质与流程

本发明涉及睡眠分析，尤其涉及一种基于多传感器数据的睡眠分析方法、装置、终端及介质。

背景技术：

1、睡眠对健康和生活质量至关重要，而现代传感技术的进步使得通过imu（inertialmeasurement unit）、ppg（photoplethysmography）和温度传感器进行睡眠分析成为可能。

2、但是目前对于睡眠分析基本都是通过单一心率、呼吸等数据来进行分析，单一数据无法真正体现用户的睡眠状态以及睡眠质量，因此，现有技术中对于睡眠分析并不准确，无法准确分析出用户真正的睡眠情况。

3、因此，现有技术还有待改进和提高。

技术实现思路

1、本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于多传感器数据的睡眠分析方法、装置、终端及介质，旨在解决现有技术中对于睡眠分析并不准确，无法准确分析出用户真正的睡眠情况的问题。

2、为了解决上述技术问题，本发明所采用的技术方案如下：

3、第一方面，本发明提供一种基于多传感器数据的睡眠分析方法，所述方法包括：

4、基于预设的imu传感器获取用户身体imu数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征；

5、将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段；

6、实时获取所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。

7、在一种实现方式中，所述基于所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征，包括：

8、基于所述用户身体imu数据，确定用户体动次数；

9、基于所述用户生理状态数据，确定心率变化数据；

10、基于所述用户体温数据，确定体温变化数据；

11、将所述用户体动次数、所述心率变化数据以及所述体温变化数据作为所述用户睡眠特征。

12、在一种实现方式中，所述睡眠分析模型的训练方式包括：

13、获取睡眠阶段样本所对应的样本特征数据，所述样本特征数据包括：体动次数样本、心率变化样本以及体温变化样本，所述睡眠阶段样本与所述样本特征数据均来自历史睡眠数据；

14、基于所述睡眠阶段样本以及对应的样本特征数据对预设的第一神经网络模型进行训练，得到所述睡眠分析模型。

15、在一种实现方式中，所述事件分析模型的训练方式包括：

16、基于历史睡眠数据，确定历史睡眠阶段所对应的历史异常事件，其中，所述历史睡眠阶段包括：入睡期、浅睡期、熟睡期、深睡期和快速眼动期，所述历史异常事件包括：睡眠中断事件以及睡眠状态异常；

17、基于历史睡眠数据，获取所述历史异常事件所对应的历史身体imu数据、历史生理状态数据以及历史体温数据，并确定所述历史身体imu数据、历史生理状态数据以及历史体温数据中的任意一种或者多种所对应的历史波动数据；

18、分别针对每一个历史睡眠阶段，将所述历史异常事件以及对应的历史波动数据输入至预设的第二神经网络模型中进行训练，得到每一个历史睡眠阶段的事件分析模型。

19、在一种实现方式中，所述方法还包括：

20、在确定所述当前异常事件后，分析所述当前异常事件的事件类型，并实时记录所述当前异常事件的持续时长以及异常程度，所述异常程度反映所述当前波动数据对应的波动幅度；

21、基于所述事件类型、所述持续时长以及所述异常程度，确定睡眠质量，并输出睡眠报告。

22、在一种实现方式中，所述基于所述事件类型、所述持续时长以及所述异常程度，确定睡眠质量，包括：

23、获取所述事件类型所对应的权重系数；

24、分别获取所述持续时长与所述异常程度所对应的分值信息；

25、基于所述权重系数与所述分值信息，确定睡眠评分，基于所述睡眠评分确定所述睡眠质量。

26、在一种实现方式中，所述方法还包括：

27、获取用户信息，基于所述用户信息确定标准睡眠数据，其中，所述标准睡眠数据为与用户年龄或者用户身份所对应的理想睡眠数据；

28、基于所述标准睡眠数据与所述睡眠报告，输出睡眠建议信息。

29、第二方面，本发明实施例还提供一种基于多传感器数据的睡眠分析装置，其中，所述装置包括：

30、睡眠特征确定模块，用于基于预设的imu传感器获取用户身体imu数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征；

31、睡眠阶段确定模块，用于将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段；

32、异常事件确定模块，用于实时获取所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。

33、在一种实现方式中，所述睡眠特征确定模块，包括：

34、体动次数确定单元，用于基于所述用户身体imu数据，确定用户体动次数；

35、心率变化确定单元，用于基于所述用户生理状态数据，确定心率变化数据；

36、体温变化确定单元，用于基于所述用户体温数据，确定体温变化数据；

37、睡眠特征确定单元，用于将所述用户体动次数、所述心率变化数据以及所述体温变化数据作为所述用户睡眠特征。

38、在一种实现方式中，所述装置还包括模型训练模块，所述模型训练模块包括睡眠分析模型训练单元，所述睡眠分析模型训练单元包括：

39、样本特征确定子单元，用于获取睡眠阶段样本所对应的样本特征数据，所述样本特征数据包括：体动次数样本、心率变化样本以及体温变化样本，所述睡眠阶段样本与所述样本特征数据均来自历史睡眠数据；

40、第一神经网络训练子单元，用于基于所述睡眠阶段样本以及对应的样本特征数据对预设的第一神经网络模型进行训练，得到所述睡眠分析模型。

41、在一种实现方式中，所述模型训练模块包括还包括事件分析模型训练单元，所述事件分析模型训练单元包括：

42、历史异常事件确定子单元，用于基于历史睡眠数据，确定历史睡眠阶段所对应的历史异常事件，其中，所述历史睡眠阶段包括：入睡期、浅睡期、熟睡期、深睡期和快速眼动期，所述历史异常事件包括：睡眠中断事件以及睡眠状态异常；

43、历史波动数据确定子单元，用于基于历史睡眠数据，获取所述历史异常事件所对应的历史身体imu数据、历史生理状态数据以及历史体温数据，并确定所述历史身体imu数据、历史生理状态数据以及历史体温数据中的任意一种或者多种所对应的历史波动数据；

44、第二神经网络训练子单元，用于分别针对每一个历史睡眠阶段，将所述历史异常事件以及对应的历史波动数据输入至预设的第二神经网络模型中进行训练，得到每一个历史睡眠阶段的事件分析模型。

45、在一种实现方式中，所述装置还包括：

46、异常事件分析单元，用于在确定所述当前异常事件后，分析所述当前异常事件的事件类型，并实时记录所述当前异常事件的持续时长以及异常程度，所述异常程度反映所述当前波动数据对应的波动幅度；

47、睡眠报告生成单元，用于基于所述事件类型、所述持续时长以及所述异常程度，确定睡眠质量，并输出睡眠报告。

48、在一种实现方式中，所述睡眠报告生成单元，包括：

49、权重系数获取子单元，用于获取所述事件类型所对应的权重系数；

50、分值信息获取子单元，用于分别获取所述持续时长与所述异常程度所对应的分值信息；

51、睡眠质量确定子单元，用于基于所述权重系数与所述分值信息，确定睡眠评分，基于所述睡眠评分确定所述睡眠质量。

52、在一种实现方式中，所述装置，包括：

53、标准睡眠数据确定单元，用于获取用户信息，基于所述用户信息确定标准睡眠数据，其中，所述标准睡眠数据为与用户年龄或者用户身份所对应的理想睡眠数据；

54、睡眠建议信息输出单元，用于基于所述标准睡眠数据与所述睡眠报告，输出睡眠建议信息。

55、第三方面，本发明实施例还提供一种终端，其中，所述终端包括存储器、处理器及存储在存储器中并可在处理器上运行的基于多传感器数据的睡眠分析程序，处理器执行基于多传感器数据的睡眠分析程序时，实现上述方案中任一项的基于多传感器数据的睡眠分析方法的步骤。

56、第四方面，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质上存储有基于多传感器数据的睡眠分析程序，所述基于多传感器数据的睡眠分析程序被处理器执行时，实现上述方案中任一项所述的基于多传感器数据的睡眠分析方法的步骤。

57、有益效果：与现有技术相比，本发明提供了一种基于多传感器数据的睡眠分析方法，本发明首先基于预设的imu传感器获取用户身体imu数据、基于预设的光电传感器获取用户生理状态数据以及基于预设的温度传感器获取用户体温数据，并基于所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征。然后，将所述用户睡眠特征输入至预设的睡眠分析模型，确定与所述用户睡眠特征所对应的当前睡眠阶段。最后，实时获取所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据中的任意一种或者多种所对应的当前波动数据，并将所述当前波动数据输入至所述当前睡眠阶段对应的事件分析模型，确定与所述当前波动数据所对应的当前异常事件。本发明结合多维度的传感器数据，能够有效地监测和分析个体的睡眠情况，为健康管理和睡眠障碍分析提供了可靠的工具和解决方案。

技术特征：

1.一种基于多传感器数据的睡眠分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多传感器数据的睡眠分析方法，其特征在于，所述基于所述用户身体imu数据、所述用户生理状态数据以及所述用户体温数据，得到用户睡眠特征，包括：

3.根据权利要求1所述的基于多传感器数据的睡眠分析方法，其特征在于，所述睡眠分析模型的训练方式包括：

4.根据权利要求1所述的基于多传感器数据的睡眠分析方法，其特征在于，所述事件分析模型的训练方式包括：

5.根据权利要求1所述的基于多传感器数据的睡眠分析方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的基于多传感器数据的睡眠分析方法，其特征在于，所述基于所述事件类型、所述持续时长以及所述异常程度，确定睡眠质量，包括：

7.根据权利要求5所述的基于多传感器数据的睡眠分析方法，其特征在于，所述方法还包括：

8.一种基于多传感器数据的睡眠分析装置，其特征在于，所述装置包括：

9.一种终端，其特征在于，所述终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于多传感器数据的睡眠分析程序，所述处理器执行基于多传感器数据的睡眠分析程序时，实现如权利要求1-7任一项所述的基于多传感器数据的睡眠分析方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于多传感器数据的睡眠分析程序，所述基于多传感器数据的睡眠分析程序被处理器执行时，实现如权利要求1-7任一项所述的基于多传感器数据的睡眠分析方法的步骤。

技术总结
本发明公开了基于多传感器数据的睡眠分析方法、装置、终端及介质，方法包括：基于用户身体IMU数据、用户生理状态数据以及用户体温数据，并基于用户身体IMU数据、用户生理状态数据以及用户体温数据，得到用户睡眠特征；将用户睡眠特征输入至预设的睡眠分析模型，确定当前睡眠阶段；实时获取用户身体IMU数据、用户生理状态数据以及用户体温数据中的任意一种或者多种所对应的当前波动数据，并将当前波动数据输入至当前睡眠阶段对应的事件分析模型，确定当前异常事件。本发明结合多维度的传感器数据，能够有效地监测和分析个体的睡眠情况，为健康管理和睡眠障碍分析提供了可靠的工具和解决方案。

技术研发人员：韩璧丞,张之,阿迪斯
受保护的技术使用者：浙江强脑科技有限公司
技术研发日：
技术公布日：2024/9/23