一种睡眠健康管理方法、装置、计算机设备及存储介质与流程
本申请属于人工智能,具体涉及一种睡眠健康管理方法、装置、计算机设备及存储介质。
背景技术:
1、随着人们生活节奏的加快和健康意识的提升,睡眠健康已成为衡量整体生活质量的重要指标,相关监测与管理技术在家庭护理、慢性病防控及亚健康干预等领域得到广泛应用。现有的睡眠健康管理方案通常依赖于可穿戴设备或床边监测仪器,通过采集用户夜间的心率、体动等基础生理信号,利用预设的算法模型对睡眠时长及深浅睡阶段进行划分,并据此生成统计报告或提供通用的助眠建议。这类技术方案一般遵循数据采集-特征提取-状态识别-结果反馈的处理流程,旨在帮助用户了解自身的睡眠概况并进行初步的行为引导。
2、然而,在长期的实际应用与行业发展中,现有技术仍面临着数据维度单一导致的问题根源定位困难、复杂噪声干扰下的分期识别精度不足以及干预策略泛化严重难以满足个性化需求等技术瓶颈。由于缺乏对多源异构生理信号的深度融合与高精度降噪处理,现有方案往往难以准确捕捉细微的睡眠结构变化,导致生成的健康管理方案针对性不强,无法有效解决用户多样化的睡眠困扰,限制了睡眠健康管理服务的精准度与闭环效果。
技术实现思路
1、本申请实施例的目的在于提出一种睡眠健康管理方法、装置、计算机设备及存储介质,可以解决数据维度单一导致的问题根源定位困难、复杂噪声干扰下的分期识别精度不足以及干预策略泛化严重难以满足个性化需求等技术问题。
2、为了解决上述技术问题,本申请实施例提供一种睡眠健康管理方法,采用了如下所述的技术方案:
3、实时采集用户睡眠过程中的体动数据、心率数据及血氧饱和度数据,形成多源生理时序数据,并同步获取对应时间戳;
4、对多源生理时序数据进行时间同步、缺失值修正及标准化处理,并采用卡尔曼滤波算法对标准化后的多源生理时序数据进行降噪处理,获得稳定生理时序数据;
5、将稳定生理时序数据输入预训练的睡眠分期模型,对稳定生理时序数据进行特征提取与特征融合,输出对应时间段的睡眠分期识别结果;
6、依据睡眠分期识别结果,计算睡眠质量指标,生成用户的睡眠状态评估结果,根据睡眠状态评估结果生成个性化睡眠健康管理方案。
7、为了解决上述技术问题,本申请实施例还提供一种睡眠健康管理装置,采用了如下所述的技术方案:
8、数据处理模块,用于实时采集用户睡眠过程中的体动数据、心率数据及血氧饱和度数据,形成多源生理时序数据,并同步获取对应时间戳;
9、降噪处理模块,用于对多源生理时序数据进行时间同步、缺失值修正及标准化处理,并采用卡尔曼滤波算法对标准化后的多源生理时序数据进行降噪处理,获得稳定生理时序数据;
10、睡眠识别模块,用于将稳定生理时序数据输入预训练的睡眠分期模型,对稳定生理时序数据进行特征提取与特征融合,输出对应时间段的睡眠分期识别结果;
11、睡眠管理模块,用于依据睡眠分期识别结果,计算睡眠质量指标,生成用户的睡眠状态评估结果,根据睡眠状态评估结果生成个性化睡眠健康管理方案。
12、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
13、一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述任一项所述的睡眠健康管理方法的步骤。
14、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
15、一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述中任一项所述的睡眠健康管理方法的步骤。
16、与现有技术相比,本申请实施例主要有以下有益效果:
17、本申请提供了一种睡眠健康管理方法、装置、计算机设备及存储介质,通过实时采集用户睡眠过程中的体动数据、心率数据及血氧饱和度数据形成多源生理时序数据并同步获取时间戳,进而对多源生理时序数据进行时间同步、缺失值修正及标准化处理,并采用卡尔曼滤波算法对标准化后的多源生理时序数据进行降噪处理以获得稳定生理时序数据,随后将稳定生理时序数据输入预训练的睡眠分期模型进行特征提取与特征融合以输出睡眠分期识别结果,最终依据睡眠分期识别结果计算睡眠质量指标并生成个性化睡眠健康管理方案。通过多源生理数据的同步采集与时间戳对齐,确保了数据在时序上的一致性,避免了因传感器采样差异导致的信息错位;借助时间同步、缺失值修正及标准化处理,消除了数据量纲差异并填补了信号断点;利用卡尔曼滤波算法对标准化数据进行递推滤波,有效抑制了运动伪影与环境噪声干扰,保留了生理参数的真实动态变化趋势,从而获得了高信噪比的稳定生理时序数据;在此基础上,通过预训练的睡眠分期模型对稳定数据进行多层级的特征提取与跨通道特征融合,深入挖掘了体动、心率与血氧之间的非线性关联,实现了对清醒期、浅睡期、深睡期及快速眼动睡眠期的精准识别;进而基于精准的分期结果量化睡眠质量指标并评估用户状态,使得生成的管理方案能够紧密贴合用户实际的睡眠结构与生理特征。从而有效解决了在医疗健康领域的数据维度单一导致的问题根源定位困难、复杂噪声干扰下的分期识别精度不足以及干预策略泛化严重难以满足个性化需求的技术问题,因此避免了因数据噪声大、特征提取不全导致的误判及通用化建议无效的情况,提升了睡眠状态识别的鲁棒性与健康管理的针对性。
1.一种睡眠健康管理方法,其特征在于,包括如下步骤:
2.如权利要求1所述的睡眠健康管理方法,其特征在于,所述对所述多源生理时序数据进行时间同步、缺失值修正及标准化处理,并采用卡尔曼滤波算法对标准化后的所述多源生理时序数据进行降噪处理,获得稳定生理时序数据的步骤,具体包括:
3.如权利要求2所述的睡眠健康管理方法,其特征在于,所述建立以所述标准化生理时序数据为观测量的卡尔曼滤波模型,基于预测更新与状态校正对所述体动数据、所述心率数据及所述血氧饱和度数据进行递推滤波,输出所述稳定生理时序数据的步骤,具体包括:
4.如权利要求1所述的睡眠健康管理方法,其特征在于,所述将所述稳定生理时序数据输入预训练的睡眠分期模型,对所述稳定生理时序数据进行特征提取与特征融合,输出对应时间段的睡眠分期识别结果的步骤,具体包括:
5.如权利要求4所述的睡眠健康管理方法,其特征在于,所述将所述多维睡眠特征向量输入所述睡眠分期模型的特征融合层,对不同生理参数对应的时序特征进行融合,生成多维融合时序特征的步骤,具体包括:
6.如权利要求4所述的睡眠健康管理方法,其特征在于,所述将所述多维融合时序特征输入所述睡眠分期模型的分类层计算各睡眠阶段对应的分类概率的步骤,具体包括:
7.如权利要求6所述的睡眠健康管理方法,其特征在于,所述基于所述分类层中的全连接映射结构,对所述多维融合时序特征进行特征权重计算,分别提取所述体动数据、所述心率数据及所述血氧饱和度数据对应的特征贡献信息,生成分类特征向量的步骤,具体包括:
8.一种睡眠健康管理装置,其特征在于,包括如下模块:
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的睡眠健康管理方法的步骤。
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计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的睡眠健康管理方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com