参数融合处理方法、装置、可穿戴设备及存储介质与流程

技术特征：
1.一种参数融合处理方法，其特征在于，应用于可穿戴设备，所述方法包括：获取睡眠时间段内用户的n种生理参数，n为大于或等于2的整数；确定所述n种生理参数中的每种生理参数对应的第一呼吸暂停低通气指数ahi，以得到n个第一ahi；对所述n个第一ahi进行融合处理，得到融合ahi；其中，所述融合ahi用于指示所述用户的睡眠呼吸暂停低通气综合征sahs风险；所述n种生理参数包括以下至少两项：血氧参数、心率变异性参数、呼吸频率参数、鼾声参数。2.根据权利要求1所述的方法，其特征在于，所述对所述n个第一ahi进行融合处理，得到融合ahi，包括：根据所述每种生理参数的目标信息，确定所述每种生理参数对应的第一ahi的融合权重；根据所述每种生理参数对应的第一ahi的融合权重，对所述n个第一ahi进行加权融合，得到所述融合ahi；其中，所述目标信息包括以下至少一项：所述每种生理参数对应的信号质量，所述每种生理参数对应的第一ahi。3.根据权利要求2所述的方法，其特征在于，所述根据所述每种生理参数的目标信息，确定所述每种生理参数对应的第一ahi的融合权重，包括：根据所述每种生理参数的所述目标信息，确定所述每种生理参数的可信度；根据所述每种生理参数的可信度，确定所述每种生理参数对应的第一ahi的融合权重。4.根据权利要求1所述的方法，其特征在于，所述对所述n个第一ahi进行融合处理，得到融合ahi，包括：对所述n个第一ahi进行第一融合处理，得到第二ahi；对所述第二ahi和目标ahi进行第二融合处理，得到所述融合ahi；其中，所述目标ahi包括以下至少一项：所述n个第一ahi，第三ahi；其中，所述第三ahi是根据所述n种生理参数共同确定的一个ahi。5.根据权利要求1所述的方法，其特征在于，所述对所述n个第一ahi进行融合处理，得到融合ahi之后，所述方法还包括：若所述融合ahi处于第一风险范围，则确定所述用户的sahs风险为第一sahs风险等级，所述第一sahs风险等级与所述第一风险范围对应。6.根据权利要求5所述的方法，其特征在于，所述若所述融合ahi处于第一风险范围，则确定所述用户的sahs风险为第一sahs风险等级之后，所述方法还包括：根据所述第一sahs风险等级和目标sahs风险等级，确定所述用户的最终sahs风险等级；其中，所述目标sahs风险等级包括以下至少一项：至少两个第二sahs风险等级，第三sahs风险等级，第四sahs风险等级；其中，每个第二sahs风险等级为根据一种生理参数对应的第一ahi所在的风险范围确定的；所述第三sahs风险等级为根据第三ahi所在的风险范围确定的，所述第三ahi为根据所
述n种生理参数共同确定的一个ahi；所述第四sahs风险等级为根据所述睡眠时间段内的鼾声参数的时频域特征通过鼾声sahs风险预测模型确定的。7.根据权利要求4或6所述的方法，其特征在于，所述对所述n个第一ahi进行融合处理，得到融合ahi之前，所述方法还包括：根据所述每种生理参数，确定在所述睡眠时间段内各种生理参数对应的目标时间段，所述目标时间段为发生呼吸异常事件的时间段；根据所述各种生理参数对应的目标时间段，通过沿着所述睡眠时间段的时间轴移动的滑动时间窗，在所述睡眠时间段内确定至少一个目标时间窗，所述滑动时间窗每次移动的步长为第一时长；计算所述目标时间窗的个数与所述睡眠时间段的时长的比值，得到所述第三ahi；其中，所述目标时间窗满足以下条件：所述目标时间窗的长度等于所述滑动时间窗的长度，所述目标时间窗对应的时间段内存在至少m种生理参数均发生呼吸异常事件；其中，所述至少m种参数为所述n种生理参数中的参数，m为大于或等于2的整数。8.根据权利要求7所述的方法，其特征在于，所述目标时间窗还满足以下条件中的至少一项：每个所述目标时间窗的起始点与上一个目标时间窗的起始点的差值大于或等于第二时长；在一个所述目标时间窗内，若所述至少m种参数包括血氧参数，则血氧时间窗的起始点与其他时间窗的终止点的差值大于或等于第三时长；其中，所述第二时长大于所述第一时长，所述血氧时间窗为根据所述血氧参数确定发生呼吸异常事件的时间段，所述其他时间窗为根据除血氧参数外的其他生理参数确定发生呼吸异常事件的时间段。9.根据权利要求1至6中任一项所述的方法，其特征在于，所述n种生理参数包括：所述血氧参数；所述确定所述n种生理参数中的每种生理参数对应的第一ahi，以得到n个第一ahi，包括：将所述血氧参数对应的第一时间窗的个数，确定为所述血氧参数对应的呼吸异常事件次数；计算所述血氧参数对应的呼吸异常事件次数与所述睡眠时间段的时长的比值，得到所述血氧参数对应的第一ahi；其中，所述第一时间窗为发生呼吸异常事件的时间段；所述第一时间窗满足以下条件：所述第一时间窗的长度大于或等于第一窗长阈值；所述第一时间窗内的平均血氧值，相比第二时间窗的平均血氧值的下降幅度大于或等于血氧下降阈值；其中，所述第二时间窗为未发生呼吸异常事件，且为所述第一时间窗之前的，与所述第一时间窗间隔第一预设时长的时间段。10.根据权利要求9所述的方法，其特征在于，所述获取睡眠时间段内用户的n种生理参数，包括：
通过所述可穿戴设备中的光电容积描记ppg传感器采集用户在所述睡眠时间段内，与所述血氧参数对应的红光ppg信号和红外光ppg信号；根据所述红光ppg信号的直流dc信号和交流ac信号，以及所述红外光ppg信号的dc信号和ac信号，计算所述血氧参数。11.根据权利要求1至6中任一项所述的方法，其特征在于，所述n种生理参数包括：所述心率变异性参数；所述确定所述n种生理参数中的每种生理参数对应的第一ahi，以得到n个第一ahi，包括：通过心率变异性学习模型，对所述心率变异性参数进行分析，得到所述心率变异性参数对应的呼吸异常事件次数；计算所述心率变异性参数对应的呼吸异常事件次数与所述睡眠时间段的时长的比值，得到所述心率变异性参数对应的第一ahi。12.根据权利要求11所述的方法，其特征在于，所述获取睡眠时间段内用户的n种生理参数，包括：通过所述可穿戴设备中的光电容积描记ppg传感器采集用户在所述睡眠时间段内，与所述心率变异性参数对应的第一ppg信号；根据所述第一ppg信号的脉搏波峰间隔，确定所述心率变异性参数。13.根据权利要求1至6中任一项所述的方法，其特征在于，所述n种生理参数包括：所述呼吸频率参数；所述确定所述n种生理参数中的每种生理参数对应的第一呼吸暂停低通气指数ahi，以得到n个第一ahi，包括：将所述呼吸频率参数对应的第三时间窗的个数，确定为所述呼吸频率参数对应的呼吸异常事件次数；计算所述呼吸频率参数对应的呼吸异常事件次数与所述睡眠时间段的时长的比值，得到所述呼吸频率参数对应的第一ahi；其中，所述第三时间窗为发生呼吸异常事件的时间段；所述第三时间窗满足以下条件：所述第三时间窗的长度大于或等于第二窗长阈值；所述第三时间窗内的平均呼吸频率，相比第四时间窗内的平均呼吸频率下降幅度大于或等于呼吸频率下降阈值；其中，所述第四时间窗为未发生呼吸异常事件，且为所述第三时间窗之前的，与所述第三时间窗间隔第二预设时长的时间段。14.根据权利要求13所述的方法，其特征在于，所述获取睡眠时间段内用户的n种生理参数，包括：通过所述可穿戴设备中的光电容积描记ppg传感器采集用户在所述睡眠时间段内，与所述呼吸频率参数对应的第二ppg信号；根据所述第二ppg信号的脉搏波峰包络线提取呼吸波信号；根据所述呼吸波信号，计算所述呼吸频率参数。15.根据权利要求1至6中任一项所述的方法，其特征在于，所述n种生理参数包括：所述鼾声参数；
所述确定所述n种生理参数中的每种生理参数对应的第一呼吸暂停低通气指数ahi，以得到n个第一ahi，包括：将所述鼾声参数中目标鼾声的个数，确定为所述鼾声参数对应的呼吸异常事件次数；计算所述鼾声参数对应的呼吸异常事件次数与所述睡眠时间段的时长的比值，得到所述鼾声参数对应的第一ahi；其中，所述目标鼾声满足以下条件：与上一个鼾声的鼾声间隔大于或等于第一间隔阈值，且小于或等于第二间隔阈值；所述目标鼾声的分贝小于下一个鼾声的分贝，且与所述下一个鼾声的分贝的差值的绝对值大于或等于分贝阈值；或者，所述目标鼾声满足以下条件：与上一个鼾声的鼾声间隔大于或等于第三间隔阈值；其中，所述第二间隔阈值大于所述第一间隔阈值，所述第三间隔阈值大于或等于所述第二间隔阈值。16.根据权利要求15所述的方法，其特征在于，所述获取睡眠时间段内用户的n种生理参数，包括：通过所述可穿戴设备中的麦克风mic传感器采集所述睡眠时间段内用户的音频信号；基于鼾声预测模型，对所述音频信号进行鼾声预测，得到所述鼾声参数。17.根据权利要求1至6中任一项所述的方法，其特征在于，所述获取睡眠时间段内用户的n种生理参数之前，所述方法还包括：在所述睡眠时间段之前，通过所述可穿戴设备的ppg传感器监测第三ppg信号；根据所述第三ppg信号的脉搏波峰间隔，确定所述第三ppg信号对应的实时心率变异性参数；通过睡眠学习模型，对所述实时心率变异性参数进行分析，确定用户进入睡眠状态。18.根据权利要求17所述的方法，其特征在于，所述通过所述可穿戴设备的ppg传感器监测第三ppg信号之前，所述方法还包括：通过所述可穿戴设备的加速度传感器，监测用户的加速度信号；所述通过所述可穿戴设备的ppg传感器监测第三ppg信号，包括：若在目标时长内，所述加速度信号的变化小于或等于加速度变化阈值，则监测所述第三ppg信号。19.根据权利要求1至6中任一项所述的方法，其特征在于，所述对所述n个第一ahi进行融合处理，得到融合ahi之后，所述方法还包括：若目标次数大于或等于次数阈值，则输出sahs预警；其中，所述目标次数为预定时长内用户的sahs风险大于或等于预设等级的次数。20.一种参数融合处理装置，其特征在于，所述装置包括：获取模块、确定模块和融合处理模块；所述获取模块，用于获取睡眠时间段内用户的n种生理参数，n为大于或等于2的整数；所述确定模块，用于确定所述获取模块获取的所述n种生理参数中的每种生理参数对应的第一呼吸暂停低通气指数ahi，以得到n个第一ahi；所述融合处理模块，用于对所述确定模块确定的所述n个第一ahi进行融合处理，得到融合ahi；
其中，所述融合ahi用于指示所述用户的睡眠呼吸暂停低通气综合征sahs风险；所述n种生理参数包括以下至少两项：血氧参数、心率变异性参数、呼吸频率参数、鼾声参数。21.一种可穿戴设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至19中任一项所述的参数融合处理方法的步骤。22.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至19中任一项所述的参数融合处理方法的步骤。

技术总结
本申请实施例公开了一种参数融合处理方法、装置、可穿戴设备及存储介质，属于智能穿戴技术领域，能够实现快速预测用户的SAHS风险。该方法包括：获取睡眠时间段内用户的N种生理参数，N为大于或等于2的整数；确定该N种生理参数中的每种生理参数对应的第一AHI，以得到N个第一AHI；对该N个第一AHI进行融合处理，得到融合AHI；其中，该融合AHI用于指示该用户的SAHS风险；该N种生理参数包括以下至少两项：血氧参数、心率变异性参数、呼吸频率参数、鼾声参数。鼾声参数。鼾声参数。


技术研发人员：周广鑫
受保护的技术使用者：OPPO广东移动通信有限公司
技术研发日：2021.07.23
技术公布日：2022/4/22