【技術實現步驟摘要】
本專利技術涉及輔助睡眠，尤其涉及一種睡眠狀態監測模型的特征信息提取方法及系統。
技術介紹
1、睡眠狀態監測模型中的特征信息提取是實現準確監測的關鍵步驟。通過從多種傳感器數據中提取豐富的時域、頻域、時頻域和非線性特征，模型能夠全面描述和區分不同的睡眠階段及評估睡眠質量。隨著傳感器技術和數據處理方法的不斷進步，特征提取的準確性和多樣性將進一步提升，為個性化健康管理和精準醫療提供更有力的支持。
2、然而傳統的睡眠狀態監測模型的特征信息提取方法往往存在以下問題睡眠狀態監測過程中，生理信號容易受到噪聲(如電磁干擾、呼吸和體動等)的影響，導致監測數據的質量下降，進而影響特征提取的準確性。如何在多模態信號中去除噪聲并提取有效的特征一直是一個技術難題。睡眠障礙(如失眠、睡眠呼吸暫停等)常發生于睡眠過程中，不同障礙在不同生理信號上的表現各異。因此，傳統模型難以做到對這些事件的實時識別和監控。此外，睡眠監測的準確性和效率也無法滿足實時健康管理的需求。
技術實現思路
1、基于此，本專利技術有必要提供一種睡眠狀態監測模型的特征信息提取方法及系統，以解決至少一個上述技術問題。
2、為實現上述目的，一種睡眠狀態監測模型的特征信息提取方法，包括以下步驟：
3、步驟s1：對被測對象進行多模態生理信號采集，得到原始睡眠監測數據；對原始睡眠監測數據進行噪聲去除以及信號增強處理，并進行信號分割，得到多通道睡眠信號片段數據；
4、步驟s2：對多通道睡眠信號片段數據進行基于腦
5、步驟s3：根據多維特征數據進行非線性動力學特征提取，生成非線性特征數據；通過非線性特征數據對聲波特征數據進行互補融合處理，生成混合睡眠特征數據；
6、步驟s4：對混合睡眠特征數據進行時空演化處理以及事件影響評估，生成睡眠事件評估數據；根據睡眠事件評估數據進行潛在睡眠障礙事件篩選，并進行實時生理指標采集，生成睡眠實時監測指標數據；通過睡眠實時監測指標數據對多通道睡眠信號片段數據進行睡眠階段波動分析以及生理擾動關聯處理，生成生理睡眠擾動關聯數據；
7、步驟s5：對睡眠階段波動數據進行睡眠環境影響區域識別，生成睡眠環境影響區域數據；對睡眠環境影響區域數據進行生理-環境影響模式耦合，得到生理-環境耦合模式數據；將混合睡眠特征數據、生理睡眠擾動關聯數據以及生理-環境耦合模式數據合并為特征信息提取數據。
8、本專利技術通過多模態生理信號(eeg、eog、emg、ecg、加速度計)的采集，全面覆蓋了被測對象的睡眠狀態，從多個維度增強了對睡眠狀態變化的感知能力。對原始睡眠監測數據的預處理消除了噪聲并增強了關鍵信號，確保后續處理的準確性和魯棒性。多通道信號的分割使特征提取和分析能夠在更細粒度的時間段上進行，精確捕捉短時動態變化。腦電、眼動、肌電、心電和體動的多維特征提取能夠全面揭示睡眠過程中大腦、肌肉、心臟及身體姿態的變化，而聲學特征和超聲波特征則進一步增強了對呼吸和身體運動異常的檢測。非線性動力學特征提取能夠捕捉復雜的睡眠生理變化，通過與聲波特征的融合，更精確地識別如睡眠呼吸暫停等異常事件。系統通過時空演化分析揭示睡眠狀態的動態變化，實時評估并識別潛在的睡眠障礙事件，提供了對睡眠中重要事件的動態監測。多通道睡眠信號的波動分析結合生理擾動關聯，深入分析了生理信號變化與睡眠階段之間的關聯。通過生理-環境耦合分析，揭示外部環境因素如光線、噪聲、溫度對睡眠質量的影響，從而構建更加全面的睡眠狀態評估框架。最終，基于多源信號和多維特征的融合，系統能夠實現對個體睡眠質量的全方位動態評估，提供個性化的干預建議，有助于更精確地識別和改善潛在的睡眠問題。
9、本專利技術還提供一種睡眠狀態監測模型的特征信息提取系統，用于執行上述的睡眠狀態監測模型的特征信息提取方法，所述睡眠狀態監測模型的特征信息提取系統包括：
10、信號預處理模塊，用于對被測對象進行多模態生理信號采集，得到原始睡眠監測數據；對原始睡眠監測數據進行噪聲去除以及信號增強處理，并進行信號分割，得到多通道睡眠信號片段數據；
11、多維特征提取模塊，用于對多通道睡眠信號片段數據進行基于腦電圖、眼動圖、肌電圖、心電圖以及加速度計信號的特征提取，得到多維特征數據；對多通道睡眠信號片段數據進行超聲波特征以及聲學特征提取，生成聲波特征數據；
12、特征融合模塊，用于根據多維特征數據進行非線性動力學特征提取，生成非線性特征數據；通過非線性特征數據對聲波特征數據進行互補融合處理，生成混合睡眠特征數據；
13、睡眠動態分析模塊，用于對混合睡眠特征數據進行時空演化處理以及事件影響評估，生成睡眠事件評估數據；根據睡眠事件評估數據進行潛在睡眠障礙事件篩選，并進行實時生理指標采集，生成睡眠實時監測指標數據；通過睡眠實時監測指標數據對多通道睡眠信號片段數據進行睡眠階段波動分析以及生理擾動關聯處理，生成生理睡眠擾動關聯數據；
14、環境-生理耦合模塊，用于對睡眠階段波動數據進行睡眠環境影響區域識別，生成睡眠環境影響區域數據；對睡眠環境影響區域數據進行生理-環境影響模式耦合，得到生理-環境耦合模式數據；將混合睡眠特征數據、生理睡眠擾動關聯數據以及生理-環境耦合模式數據合并為特征信息提取數據。
15、本專利技術通過噪聲去除和信號增強提高了原始信號的準確性，確保了特征提取的可靠性。信號分割使長時間監測數據的處理更加高效，多通道同步處理保證了生理信號的時間一致性，便于多維特征的融合。提取的多維生理特征全面反映了睡眠狀態，包括腦電、心率、眼動、肌電和體動等信息，結合超聲波和聲學特征可檢測呼吸、打鼾等外部影響，豐富了睡眠評估維度。通過非線性動力學特征的提取，系統提高了對復雜生理變化和異常事件的敏感度。多維特征與聲波特征的融合生成了綜合的混合睡眠特征數據，提升了睡眠評估的全面性。時空演化分析動態監測睡眠狀態變化，識別潛在睡眠障礙或異常事件。實時生理監測結合生理擾動分析，使系統能及時檢測生理異常并調整監控策略。此外，系統識別環境因素對睡眠的影響，通過生理-環境耦合分析，優化睡眠環境和個性化干預策略，最終提升睡眠質量評估的準確性和可靠性。
本文檔來自技高網...【技術保護點】
1.一種睡眠狀態監測模型的特征信息提取方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S1包括以下步驟：
3.根據權利要求2所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S16包括以下步驟：
4.根據權利要求3所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S2包括以下步驟：
5.根據權利要求4所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S3包括以下步驟：
6.根據權利要求5所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S4包括以下步驟：
7.根據權利要求6所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S4包括以下步驟：
8.根據權利要求7所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S43包括以下步驟：
9.根據權利要求8所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟S44包括以下步驟：
10.一種睡眠狀態監測模型的特征信息提取
...【技術特征摘要】
1.一種睡眠狀態監測模型的特征信息提取方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟s1包括以下步驟：
3.根據權利要求2所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟s16包括以下步驟：
4.根據權利要求3所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟s2包括以下步驟：
5.根據權利要求4所述的睡眠狀態監測模型的特征信息提取方法，其特征在于，步驟s3包括以下步驟：
6.根據權利要求5所述的睡眠狀態監測模型的...
【專利技術屬性】
技術研發人員：王子瑩，王川，許碩貴，徐浩丹，王貝，
申請(專利權)人：中國人民解放軍海軍軍醫大學第一附屬醫院，
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。