一种识别睡眠障碍的方法、装置及可穿戴设备与流程

1.本技术涉及健康监测技术领域，具体涉及一种识别睡眠障碍的方法。本技术同时涉及一种识别睡眠障碍的装置和一种可穿戴设备。


背景技术：

2.现有的睡眠障碍识别过程中，通常使用各种身体指标或生理指标作为识别睡眠障碍的考虑因子，例如，基于呼吸数据、心跳数据等生理监测数据对用户进行分析，以确定该用户是否为睡眠障碍患者。然而，不同类型的精神障碍的表现形式较为接近、且其对应的身体指标或生理指标之间的区分度较小，使得睡眠障碍的识别结果与其它类型精神障碍之间存在识别混淆的风险，进而使得睡眠障碍的识别结果的准确性受到影响。
3.因此，如何提升睡眠障碍的识别准确性，是需要解决的问题。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种识别睡眠障碍的方法、识别睡眠障碍的装置及可穿戴设备，以解决现有的因睡眠障碍的识别结果与其它类型精神障碍之间存在识别混淆的风险而使得睡眠障碍的识别结果的准确性受到影响的问题。
5.为了解决或者一定程度上改善上述技术问题，根据本发明一方面，提供一种识别睡眠障碍的方法，所述方法包括：获得目标用户的睡眠相关数据，所述睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据；将各所述睡眠相关数据与预设的睡眠识别指标相比较，所述睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，所述指标类别包括生命体征指标、日常心境指标以及睡眠指标；响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍。
6.在一些实施方式中，所述将各所述睡眠相关数据与预设的睡眠识别指标相比较，包括：将所述睡眠相关数据与所述指标分值进行比较；所述响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍，包括：响应于所述睡眠相关数据与所述指标分值相同、或者所述睡眠相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为睡眠障碍。
7.在一些实施方式中，所述生命体征数据包括如下中的至少一种：心率数据；血压数据；血氧饱和度数据；
体温数据。
8.在一些实施方式中，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言积极消极比例。
9.在一些实施方式中，所述睡眠指标数据包括如下中的至少一种：睡眠时长；惊醒次数；深度睡眠时长；入睡时间；起床时间；睡眠时段。
10.在一些实施方式中，所述获得目标用户的睡眠相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；对所述多模态原始数据进行数据提取，获得所述睡眠相关数据。
11.根据本发明的另一方面，提供一种识别睡眠障碍的装置，所述装置包括：睡眠相关数据获得单元，用于获得目标用户的睡眠相关数据，所述睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据；睡眠识别指标比较单元，用于将各所述睡眠相关数据与预设的睡眠识别指标相比较，所述睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，所述指标类别包括生命体征指标、日常心境指标以及睡眠指标；睡眠障碍确定单元，用于响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍。
12.根据本发明的另一方面，提供一种可穿戴设备，所述可穿戴设备可执行如上所述的方法。
13.与现有技术相比，本发明具有以下优点：本发明提供的识别睡眠障碍的方法，在获得目标用户的睡眠相关数据之后，将各睡眠相关数据与预设的睡眠识别指标进行比较，睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据，指标类别包括生命体征指标、日常心境指标以及睡眠指标；当睡眠相关数据满足睡眠识别指标时，确定目标用户的精神障碍类型为睡眠障碍。该方法通过将生命体征数据、日常心境数据以及睡眠指标数据等不同形态或维度的睡眠相关数据均作为识别睡眠障碍时的考虑因子，使得睡眠障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与睡眠质量相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使得睡眠障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升睡眠障碍识别结果的准确性。
附图说明
14.图1是本技术一实施例提供的识别睡眠障碍的方法的流程图；图2是本技术一实施例提供的识别睡眠障碍的装置的单元框图；图3是本技术一实施例提供的可穿戴设备的逻辑结构示意图。
具体实施方式
15.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
16.针对睡眠识别场景，为了提升睡眠识别结果的准确性，本技术提供了一种识别睡眠障碍的方法。本技术还提供了与上述方法相对应的识别睡眠障碍的装置、可穿戴设备。以下提供实施例对上述方法、装置、可穿戴设备进行详细说明。
17.本技术一实施例提供一种识别睡眠障碍的方法，该方法的应用主体可以为用于对用户的睡眠障碍进行识别的计算设备应用，该计算设备应用可运行于可穿戴设备中或用于进行精神障碍识别的服务器中。图1为本技术实施例提供的识别睡眠障碍的方法的流程图，以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理，不是实际使用的限定。
18.如图1所示，本实施例提供的识别睡眠障碍的方法包括如下步骤：s101，获得目标用户的睡眠相关数据。
19.本步骤用于获得睡眠相关数据，该睡眠相关数据是指对用户的睡眠状况具有相关性的各类别数据，每个类别的睡眠相关数据均可作为识别睡眠障碍时的考虑因子，在本实施例中，睡眠相关数据包括不同维度和不同形态的生命体征数据、日常心境数据以及睡眠指标数据。
20.其中，上述生命体征数据包括如下中的至少一种：心率数据、血压数据、血氧饱和度数据、体温数据。
21.上述日常心境数据是指用于表征目标用户的积极情绪状态或消极情绪状态的数据，其包括如下中的一种或多种：语音文本情绪指数（例如负能量或消极情绪的语音或文本数据的比例）、正负性词频比例（例如负能量词语的比例）、肢体语言情绪指数（例如肢体语言中表征积极情绪的比例、表征消极情绪的比例）。
22.上述睡眠指标数据包括睡眠时长、惊醒次数、深度睡眠时长、入睡时间、起床时间、睡眠时段（例如在白天某一时段睡眠或夜晚某一时段睡眠）。
23.在本实施例中，可通过如下方式获得目标用户的睡眠相关数据：基于目标用户佩戴的可穿戴设备、采集获得多模态原始数据，例如，通过可穿戴设备安装的脉搏波传感器、皮肤电传感器、加速度传感器、角速度传感器、gps传感器、血氧传感器、血压传感器、语音传感器等用于采集多模态原始数据的传感器及其它监测模块采集用户的ppg信号、起床时间点、入睡时间点、社交数据、肢体动作、地理位置等多模态原始数据；基于多模态原始数据进行数据提取，获得上述不同类型的睡眠相关数据。
24.s102，将各睡眠相关数据与预设的睡眠识别指标进行比较，当睡眠相关数据满足睡眠识别指标时，确定目标用户的精神障碍类型为睡眠障碍。
25.在上述步骤获得不同维度和不同形态的生命体征数据、日常心境数据以及睡眠指标数据等睡眠相关数据之后，本步骤用于将上述各睡眠相关数据与预设的睡眠识别指标进行比较，该睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，即，指标类别与上述睡眠相关数据的类别相一致，指标分值可作为各指标类别对睡眠障碍的影响阈值。
26.需要说明的是，针对任意两种不同类型的精神障碍（例如睡眠障碍与焦虑障碍），其对应的指标类别可以相同或部分相同（部分相同是指某些精神障碍在有些指标类别上较为突出，与指标类别之间的关联程度较高，而另一精神障碍则与该指标类别无关联，例如，生命体征指标与睡眠障碍之间的关联度较高，但与焦虑障碍、抑郁情绪障碍或双相情感障碍之间基本没有关联度，再例如，睡眠指标和日常心境指标、与焦虑障碍、抑郁情绪障碍以及双相情感障碍均有关联），在指标类别相同或部分相同的情况下，至少存在一种或多种相同指标类别对应不同的指标分值，即，同一种指标类别与不同类型的精神障碍之间的关联程度有所区分，例如，对于与睡眠障碍相关的指标类别为行为生命体征指标、日常心境指标以及睡眠指标，与焦虑障碍相关的指标类别包含上述指标中的日常心境指标以及睡眠指标，然而，睡眠障碍与上述睡眠指标的关联关系明显高于焦虑障碍与睡眠指标的关联关系，因此，针对睡眠指标，在识别睡眠障碍时所使用的指标分值高于识别焦虑障碍时使用的指标分值。
27.并且，识别不同类型的精神障碍时，对于相同指标类别的要求精度有所不同，因此需选用该相同指标类别中的不同指标。
28.本步骤将各睡眠相关数据与预设的睡眠识别指标进行比较，具体是指将上述睡眠相关数据与指标分值进行比较，即，将所有睡眠相关数据分别与其所对应指标类别的指标分值进行比较，当睡眠相关数据与上述指标分值相同、或者睡眠相关数据与指标分值之间的差值小于预定阈值，则确定目标用户的精神障碍类型为睡眠障碍。
29.本技术实施例提供的识别睡眠障碍的方法，在获得目标用户的睡眠相关数据之后，将各睡眠相关数据与预设的睡眠识别指标进行比较，睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据，指标类别包括生命体征指标、日常心境指标以及睡眠指标；当睡眠相关数据满足睡眠识别指标时，确定目标用户的精神障碍类型为睡眠障碍。该方法通过将生命体征数据、日常心境数据以及睡眠指标数据等不同形态或维度的睡眠相关数据均作为识别睡眠障碍时的考虑因子，使得睡眠障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与睡眠质量相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使得睡眠障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升睡眠障碍识别结果的准确性。
30.上述实施例提供了一种识别睡眠障碍的方法，与之相对应的，本技术另一实施例还提供了一种识别睡眠障碍的装置，由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。
31.请参考图2理解该实施例，图2为本实施例提供的识别睡眠障碍的装置的单元框
图，如图2所示，本实施例提供的装置包括：睡眠相关数据获得单元201，用于获得目标用户的睡眠相关数据，所述睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据；睡眠识别指标比较单元202，用于将各所述睡眠相关数据与预设的睡眠识别指标相比较，所述睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，所述指标类别包括生命体征指标、日常心境指标以及睡眠指标；睡眠障碍确定单元203，用于响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍。
32.在一些实施方式中，所述将各所述睡眠相关数据与预设的睡眠识别指标相比较，包括：将所述睡眠相关数据与所述指标分值进行比较；所述响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍，包括：响应于所述睡眠相关数据与所述指标分值相同、或者所述睡眠相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为睡眠障碍。
33.在一些实施方式中，所述生命体征数据包括如下中的至少一种：心率数据；血压数据；血氧饱和度数据；体温数据。
34.在一些实施方式中，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言积极消极比例。
35.在一些实施方式中，所述睡眠指标数据包括如下中的至少一种：睡眠时长；惊醒次数；深度睡眠时长；入睡时间；起床时间；睡眠时段。
36.在一些实施方式中，所述获得目标用户的睡眠相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；对所述多模态原始数据进行数据提取，获得所述睡眠相关数据。
37.本实施例提供的识别睡眠障碍的装置，通过将生命体征数据、日常心境数据以及睡眠指标数据等不同形态或维度的睡眠相关数据均作为识别睡眠障碍时的考虑因子，使得睡眠障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与睡眠质量相关的多类型因子的影响，充分利用各类型因
子与不同精神障碍之间的不同关联程度，使得睡眠障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升睡眠障碍识别结果的准确性。
38.在上述的实施例中，提供了一种识别睡眠障碍的方法以及一种识别睡眠障碍的装置，此外，本技术另一实施例还提供一种可穿戴设备，该可穿戴设备可以为可穿戴手环、头盔等，该可穿戴设备上安装有如脉搏波传感器、皮肤电传感器、加速度传感器、角速度传感器、gps传感器、血氧传感器、血压传感器、语音传感器等用于采集多模态原始数据的传感器及其它监测模块。由于可穿戴设备实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对可穿戴设备实施例的描述仅仅是示意性的。该可穿戴设备实施例如下：请参考图3理解本实施例，图3为本实施例提供的可穿戴设备的示意图。
39.如图3所示，本实施例提供的可穿戴设备除了各种采集多模态原始数据的传感器及其它监测模块外，还包括：处理器301和存储器302；该存储器302用于存储数据处理的计算机指令，该计算机指令在被处理器301读取执行时，执行如下操作：获得目标用户的睡眠相关数据，所述睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据；将各所述睡眠相关数据与预设的睡眠识别指标相比较，所述睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，所述指标类别包括生命体征指标、日常心境指标以及睡眠指标；响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍。
40.在一些实施方式中，所述将各所述睡眠相关数据与预设的睡眠识别指标相比较，包括：将所述睡眠相关数据与所述指标分值进行比较；所述响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍，包括：响应于所述睡眠相关数据与所述指标分值相同、或者所述睡眠相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为睡眠障碍。
41.在一些实施方式中，所述生命体征数据包括如下中的至少一种：心率数据；血压数据；血氧饱和度数据；体温数据。
42.在一些实施方式中，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言积极消极比例。
43.在一些实施方式中，所述睡眠指标数据包括如下中的至少一种：睡眠时长；
惊醒次数；深度睡眠时长；入睡时间；起床时间；睡眠时段。
44.在一些实施方式中，所述获得目标用户的睡眠相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；对所述多模态原始数据进行数据提取，获得所述睡眠相关数据。
45.使用本实施例提供的可穿戴设备，通过将生命体征数据、日常心境数据以及睡眠指标数据等不同形态或维度的睡眠相关数据均作为识别睡眠障碍时的考虑因子，使得睡眠障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与睡眠质量相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使得睡眠障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升睡眠障碍识别结果的准确性。
46.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
47.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (ram) 和/或非易失性内存等形式，如只读存储器 (rom) 或闪存(flash ram)。内存是计算机可读介质的示例。
48.1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、 其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器 (cd-rom)、数字多功能光盘 (dvd) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
49.2、本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
50.本技术虽然以较佳实施例公开如上，但其并不是用来限定本技术，任何本领域技术人员在不脱离本技术的精神和范围内，都可以做出可能的变动和修改，因此本技术的保护范围应当以本技术权利要求所界定的范围为准。

技术特征：
1.一种识别睡眠障碍的方法，其特征在于，所述方法包括：获得目标用户的睡眠相关数据，所述睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据；将各所述睡眠相关数据与预设的睡眠识别指标相比较，所述睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，所述指标类别包括生命体征指标、日常心境指标以及睡眠指标；响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍。2.根据权利要求1所述的方法，其特征在于，所述将各所述睡眠相关数据与预设的睡眠识别指标相比较，包括：将所述睡眠相关数据与所述指标分值进行比较；所述响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍，包括：响应于所述睡眠相关数据与所述指标分值相同、或者所述睡眠相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为睡眠障碍。3.根据权利要求1所述的方法，其特征在于，所述生命体征数据包括如下中的至少一种：心率数据；血压数据；血氧饱和度数据；体温数据。4.根据权利要求1所述的方法，其特征在于，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言积极消极比例。5.根据权利要求1所述的方法，其特征在于，所述睡眠指标数据包括如下中的至少一种：睡眠时长；惊醒次数；深度睡眠时长；入睡时间；起床时间；睡眠时段。6.根据权利要求1所述的方法，其特征在于，所述获得目标用户的睡眠相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；对所述多模态原始数据进行数据提取，获得所述睡眠相关数据。7.一种识别睡眠障碍的装置，其特征在于，所述装置包括：睡眠相关数据获得单元，用于获得目标用户的睡眠相关数据，所述睡眠相关数据包括
生命体征数据、日常心境数据以及睡眠指标数据；睡眠识别指标比较单元，用于将各所述睡眠相关数据与预设的睡眠识别指标相比较，所述睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，所述指标类别包括生命体征指标、日常心境指标以及睡眠指标；睡眠障碍确定单元，用于响应于所述睡眠相关数据满足所述睡眠识别指标，确定所述目标用户的精神障碍类型为睡眠障碍。8.一种可穿戴设备，其特征在于，所述可穿戴设备可执行如权利要求1-6中任一项所述的方法。

技术总结
本申请公开了识别睡眠障碍的方法、装置及可穿戴设备，该方法包括：在获得目标用户的睡眠相关数据之后，将各睡眠相关数据与预设的睡眠识别指标进行比较，睡眠识别指标包括与睡眠障碍相关的指标类别以及用于表征各指标类别与睡眠障碍之间的关联程度的指标分值，睡眠相关数据包括生命体征数据、日常心境数据以及睡眠指标数据；当睡眠相关数据满足睡眠识别指标时，确定目标用户的精神障碍类型为睡眠障碍。该方法使得睡眠障碍的识别过程考虑了不同维度和不同形态的与睡眠质量相关的多类型因子的影响，利用各类型因子与不同精神障碍之间的不同关联程度，使得睡眠障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升睡眠障碍识别结果的准确性。碍识别结果的准确性。碍识别结果的准确性。


技术研发人员：刘旭 欧博
受保护的技术使用者：北京中科心研科技有限公司
技术研发日：2023.07.21
技术公布日：2023/8/21