【技術實現步驟摘要】
本申請涉及睡眠狀態監測，且更為具體地，涉及一種基于腦電波的智能睡眠狀態監測方法及裝置。
技術介紹
1、睡眠是人體生理活動的重要組成部分，對于維持身體健康、情緒穩定和認知功能至關重要。良好的睡眠質量有助于提高生活質量，而睡眠障礙則可能導致多種健康問題，如心血管疾病、糖尿病、肥胖癥以及心理健康問題等。因此，準確監測個人的睡眠狀態并基于不同睡眠狀態進行針對性的調節來輔助睡眠對于促進健康管理和疾病預防具有重要意義。
2、然而，傳統的睡眠監測方法主要通過一些較為簡單的監測手段。例如，通過檢測手腕的活動來估計睡眠時間和質量；通過放置于床墊下的壓力傳感器用于監測體動情況；又或是利用手機內置的加速度計和麥克風收集數據以分析睡眠周期。這些方案主要是依賴于外部監測到的行為指標而非直接測量大腦活動，因此無法精確區分不同的睡眠階段。同時也容易受到外界環境變化的影響，例如伴侶翻身或其他噪音，導致睡眠狀態結果的一致性和可靠性降低，進而也影響了睡眠調整和改善方案的決策。
3、因此，期望一種優化的睡眠狀態監測方案。
技術實現思路
1、本申請提供一種基于腦電波的智能睡眠狀態監測方法及裝置，其不僅能夠實時監控用戶的睡眠狀況，還能根據檢測結果和先驗知識來自動調整特定腦區非侵入微弱電刺激的電流模式以優化睡眠質量。
2、第一方面，提供了一種基于腦電波的智能睡眠狀態監測方法，包括：
3、通過eeg設備采集目標對象的腦電波信號；
4、對所述目標對象的腦電波信號進行信號
5、對所述腦電波信號分量的集合中的各個腦電波信號分量分別進行信號分量特征提取以得到腦電波信號分量波形編碼特征的集合；
6、對所述腦電波信號分量波形編碼特征的集合進行特征可區分強化處理以得到可區分強化腦電波信號分量編碼特征的集合，包括：對所述腦電波信號分量波形編碼特征的集合中的各個腦電波信號分量波形編碼特征進行場域映射以得到入場腦電波信號分量波形編碼特征的集合；基于所述入場腦電波信號分量波形編碼特征的集合的本質特征作為條件特征，對所述腦電波信號分量波形編碼特征的集合進行特征強化處理以得到所述可區分強化腦電波信號分量編碼特征的集合；
7、基于所述可區分強化腦電波信號分量編碼特征的集合進行睡眠狀態識別以確定睡眠狀態類型標簽。
8、第二方面，提供了一種基于腦電波的智能睡眠狀態監測裝置，包括：
9、腦電波信號采集模塊，用于通過eeg設備采集目標對象的腦電波信號；
10、腦電波信號處理模塊，用于對所述目標對象的腦電波信號進行信號預處理后分解為腦電波信號分量的集合；
11、腦電波信號分量特征提取模塊，用于對所述腦電波信號分量的集合中的各個腦電波信號分量分別進行信號分量特征提取以得到腦電波信號分量波形編碼特征的集合；
12、腦電波信號特征可區分強化處理模塊，用于對所述腦電波信號分量波形編碼特征的集合進行特征可區分強化處理以得到可區分強化腦電波信號分量編碼特征的集合，其中，所述腦電波信號特征可區分強化處理模塊，包括：場域映射處理單元，用于對所述腦電波信號分量波形編碼特征的集合中的各個腦電波信號分量波形編碼特征進行場域映射以得到入場腦電波信號分量波形編碼特征的集合；特征強化處理處理單元，用于基于所述入場腦電波信號分量波形編碼特征的集合的本質特征作為條件特征，對所述腦電波信號分量波形編碼特征的集合進行特征強化處理以得到所述可區分強化腦電波信號分量編碼特征的集合；
13、睡眠狀態識別模塊，用于基于所述可區分強化腦電波信號分量編碼特征的集合進行睡眠狀態識別以確定睡眠狀態類型標簽。
14、本申請提供的一種基于腦電波的智能睡眠狀態監測方法及裝置，其通過eeg設備采集用戶的腦電波信號，并在后端引入基于人工智能和深度學習的信號處理和分析算法來對該腦電波信號進行分析，以此來捕獲到該用戶的腦電波全頻顯著性聚合，并基于這個腦電波信號的全頻聚合來進行用戶的睡眠狀態監測。這樣，能夠基于用戶的腦電波來自動識別和實時顯示其睡眠狀態，當識別睡眠狀態不好時提供改善建議。例如，使用腦平衡調控儀進行睡眠調控，其采用特定腦區非侵入微弱電刺激技術進行調控。也就是說，利用實驗來構建睡眠狀態-電流模式之間的先驗數據表，從而在得到睡眠狀態后，基于先驗知識來可自適應地調整電流模式以調節大腦皮層神經活動，進而有助于更好地輔助用戶睡眠改善。
本文檔來自技高網...【技術保護點】
1.一種基于腦電波的智能睡眠狀態監測方法，其特征在于，包括：
2.根據權利要求1所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述目標對象的腦電波信號進行信號預處理后分解為腦電波信號分量的集合，包括：
3.根據權利要求2所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述目標對象的腦電波信號進行信號預處理以濾除所述腦電波信號中的高頻噪聲以得到降噪后腦電波信號，包括：使用低通濾波器對所述目標對象的腦電波信號進行濾波處理以濾除所述腦電波信號中的高頻噪聲以得到所述降噪后腦電波信號。
4.根據權利要求3所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述腦電波信號分量的集合中的各個腦電波信號分量分別進行信號分量特征提取以得到腦電波信號分量波形編碼特征的集合，包括：將所述腦電波信號分量的集合中的各個腦電波信號分量分別輸入基于RNN模型的信號分量特征提取器以得到腦電波信號分量波形編碼特征向量的集合作為所述腦電波信號分量波形編碼特征的集合。
5.根據權利要求4所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述腦電波信號
6.根據權利要求5所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，基于所述入場腦電波信號分量波形編碼特征的集合的本質特征作為條件特征，對所述腦電波信號分量波形編碼特征的集合進行特征強化處理以得到所述可區分強化腦電波信號分量編碼特征的集合，包括：
7.根據權利要求6所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，計算所述入場腦電波信號分量波形編碼特征向量的集合的本質特征以得到腦電波信號分量波形場域本質特征向量，包括：
8.根據權利要求7所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，以所述腦電波信號分量波形場域本質特征向量作為條件特征向量，對所述腦電波信號分量波形編碼特征向量的集合進行特征強化處理以得到可區分強化腦電波信號分量編碼特征向量的集合作為所述可區分強化腦電波信號分量編碼特征的集合，包括：以所述腦電波信號分量波形場域本質特征向量作為條件特征向量，分別對所述腦電波信號分量波形編碼特征向量的集合中的各個腦電波信號分量波形編碼特征向量進行可區分強化以得到所述可區分強化腦電波信號分量編碼特征向量的集合。
9.根據權利要求8所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，基于所述可區分強化腦電波信號分量編碼特征的集合進行睡眠狀態識別以確定睡眠狀態類型標簽，包括：將所述可區分強化腦電波信號分量編碼特征向量的集合進行特征拼接為腦電波全頻域顯著聚合編碼特征向量后，將所述腦電波全頻域顯著聚合編碼特征向量輸入基于分類器的睡眠狀態識別器以得到識別結果，所述識別結果用于表示睡眠狀態類型標簽。
10.一種基于腦電波的智能睡眠狀態監測裝置，其特征在于，包括：
...【技術特征摘要】
1.一種基于腦電波的智能睡眠狀態監測方法，其特征在于，包括：
2.根據權利要求1所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述目標對象的腦電波信號進行信號預處理后分解為腦電波信號分量的集合，包括：
3.根據權利要求2所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述目標對象的腦電波信號進行信號預處理以濾除所述腦電波信號中的高頻噪聲以得到降噪后腦電波信號，包括：使用低通濾波器對所述目標對象的腦電波信號進行濾波處理以濾除所述腦電波信號中的高頻噪聲以得到所述降噪后腦電波信號。
4.根據權利要求3所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述腦電波信號分量的集合中的各個腦電波信號分量分別進行信號分量特征提取以得到腦電波信號分量波形編碼特征的集合，包括：將所述腦電波信號分量的集合中的各個腦電波信號分量分別輸入基于rnn模型的信號分量特征提取器以得到腦電波信號分量波形編碼特征向量的集合作為所述腦電波信號分量波形編碼特征的集合。
5.根據權利要求4所述的基于腦電波的智能睡眠狀態監測方法，其特征在于，對所述腦電波信號分量波形編碼特征的集合中的各個腦電波信號分量波形編碼特征進行場域映射以得到入場腦電波信號分量波形編碼特征的集合，包括：使用場域映射器對所述腦電波信號分量波形編碼特征向量的集合中的各個腦電波信號分量波形編碼特征向量進行場域映射以得到入場腦電波信號分量波形編碼特征向量的集合作為所述入場腦電波信號分量波形編碼特征的集合。
6.根據權利要求5所述的基于腦電波的智能睡眠狀態監...
【專利技術屬性】
技術研發人員：趙侖，常亞旭，肖恩澤，趙迅，張婷芳，
申請(專利權)人：虎刺帕數智科技浙江有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。