睡眠质量的评估方法、装置、存储介质及计算机设备与流程

1.本发明涉及信息技术及数字医疗技术领域，尤其是涉及一种睡眠质量的评估方法、装置、存储介质及计算机设备。


背景技术：

2.睡眠对人体非常重要，保持充足的睡眠对于人体的精力恢复，维持大脑正常运转有重要意义。基于此，对人体的睡眠质量进行评估变得尤为重要。
3.目前，通常通过人工分析用户醒后的心率图来对用户睡眠质量进行评估。然而，这种人为评估方式需要分析者预先查阅大量资料，导致睡眠质量的评估效率较低，同时，由于评估人员技术水平的参差不齐，会导致对心率图分析错误的情况，从而导致睡眠质量的评估准确度较低。


技术实现要素：

4.本发明提供了一种睡眠质量的评估方法、装置、存储介质及计算机设备，主要在于能够提高睡眠质量的评估准确度和评估效率。
5.根据本发明的第一个方面，提供一种睡眠质量的评估方法，包括：
6.获取评估对象的基础特征数据和睡眠属性数据；
7.基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
8.确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
9.将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
10.基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
11.根据本发明的第二个方面，提供一种睡眠质量的评估装置，包括：
12.获取单元，用于获取评估对象的基础特征数据和睡眠属性数据；
13.数据确定单元，用于基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
14.向量确定单元，用于确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
15.预测单元，用于将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
16.评估单元，用于基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
17.根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
18.获取评估对象的基础特征数据和睡眠属性数据；
19.基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
20.确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
21.将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
22.基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
23.根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
24.获取评估对象的基础特征数据和睡眠属性数据；
25.基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；
26.确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；
27.将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；
28.基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
29.根据本发明提供的一种睡眠质量的评估方法、装置、存储介质及计算机设备，与目前通过测量用户醒后的心率来确定用户睡眠质量的方式相比，本发明根据评估对象的基础特征数据和睡眠属性数据进行睡眠质量的评估，能够避免仅根据单一信号不能准确对睡眠质量进行评估的缺陷，之后，利用预设睡眠质量预测模型对基础特征数据和睡眠属性数据对应的转化质量进行预测，得到评估对应的睡眠质量预测参数，最终基于睡眠质量预测参数对评估对象的睡眠质量进行评估，能够避免由于评估人员经验不足，导致对睡眠质量评估错误的情况，从而提高了睡眠质量的评估准确度，同时通过预设睡眠质量预测模型进行睡眠质量的预测，能够减少人工对睡眠质量评估时查阅资料的时间，因此本发明提高了睡眠质量的评估效率。
附图说明
30.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
31.图1示出了本发明实施例提供的一种睡眠质量的评估方法流程图；
32.图2示出了本发明实施例提供的另一种睡眠质量的评估方法流程图；
33.图3示出了本发明实施例提供的一种睡眠质量的评估装置的结构示意图；
34.图4示出了本发明实施例提供的另一种睡眠质量的评估装置的结构示意图；
35.图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
36.下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
37.目前，通过人工分析用户醒后的心率图来对用户睡眠质量进行评估的方式，导致睡眠质量的评估效率较低，与此同时，由于评估人员技术水平的参差不齐，会导致对心率图分析错误的情况，从而导致睡眠质量的评估准确度较低。
38.为了解决上述问题，本发明实施例提供了一种睡眠质量的评估方法，如图1所示，所述方法包括：
39.101、获取评估对象的基础特征数据和睡眠属性数据。
40.其中，基础特征数据包括评估对象的年龄、性别、疾病史、工作等数据，睡眠属性数据包括评估对象的睡眠时长、入睡时间、心电数据和血压数据等。
41.需要说明的是，本实施例中获取的评估对象的基础特征数据和睡眠属性数据，并非是评估对象的个人隐私数据，评估对象的基础特征数据可以在数据库中获取，与此同时，可以通过测量装置测量用户在睡眠过程中的心电数据和血压数据等，可以基于计时装置确定评估对象的睡眠时长和入睡时间等数据。之后利用上述基础特征数据和睡眠属性数据来对评估对象的睡眠质量进行评估，能够避免仅根据单一数据不能准确地对睡眠质量进行评估的缺陷，从而本技术能够对影响睡眠质量的所有因素进行全面分析，从而提高了睡眠质量的评估准确度。
42.102、基于睡眠属性数据，确定评估对象在睡眠期间的时序特征数据。
43.其中，时序特征数据是指心电数据、血压数据在睡眠期间按时间维度索引的数据，本发明实施例中的时序特征数据包括评估对象的心率、呼吸率和心率变异性等数据。睡眠期间为评估对象从入睡到醒来的间隔时间，例如，若用户入睡时间为晚上20:00，睡醒时间为第二天早上6:00，则评估对象的睡眠期间为前一天的20:00到第二天的6:00。
44.对于本发明实施例，可以采集评估对象的入睡时间和睡眠时长，以及用户在睡眠期间的心电数据和血压数据，利用上述数据构造评估对象在睡眠期间的心率、呼吸率和心率变异性等时序特征数据，并根据时序特征数据和基础特征数据对评估对象的睡眠质量进行评估，避免仅根据单一数据对睡眠质量进行评估导致评估结果不准确的问题，从而提高了睡眠质量的评估准确度。
45.103、确定基础特征数据对应的基础属性特征向量，以及确定时序特征数据对应的睡眠时序特征向量。
46.对于本发明实施例，在获取评估对象的基础特征数据和时序特征数据后，为了提高预设睡眠质量预测模型的预测精度，使数据利用更加充分，首先需要提取基础特征数据和时序特征数据对应的隐形特征，即将不同领域中的基础特征数据和时序特征数据处理为同纬度的向量，方法为确定基础特征数据对应的基础属性特征向量和时序特征数据对应的睡眠时序特征向量，之后利用预设睡眠质量预测模型对同纬度的基础属性特征向量和睡眠时序特征向量共同对应的转化质量进行预测，得到评估对象对应的睡眠质量预测参数。
47.104、将基础属性特征向量和睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用预设睡眠质量预测模型对基础属性特征向量和睡眠时序特征向量共同对应的转化质量进行预测，得到评估对象对应的睡眠质量预测参数。
48.其中，预设睡眠质量预测模型可以是随机森林回归模型、线性回归模型等，本发明实施例不做具体限定。睡眠质量预测参数可以为评估对象睡眠后的精力恢复值。
49.对于本发明实施例，在获取基础特征数据对应的基础属性特征向量和时序特征数据对应的睡眠时序特征向量后，对基础属性特征向量和睡眠时序特征向量进行处理，得到处理后的向量，并将处理后的向量输入至预设睡眠质量预测模型中进行质量参数预测，得到评估对象对应的睡眠质量预测参数，最终根据睡眠质量预测参数对评估对象的睡眠质量进行评估，能够避免根据人为经验对睡眠质量进行评估，由于评估人员技术水平的参差不齐，导致睡眠质量评估的准确度较低，从而提高了睡眠质量的评估准确度。
50.105、基于睡眠质量预测参数，对评估对象的睡眠质量进行评估。
51.其中，对评估对象的睡眠质量进行评估，即确定评估对象的睡眠等级。对于本发明实施例，在利用预设睡眠质量预测模预测得到评估对象对应的睡眠质量预测参数后，即精力恢复值，之后查询预设睡眠质量配置表，该睡眠质量配置表中记录着不同恢复值对应的睡眠等级，基于睡眠质量配置表，确定该精力恢复值对应的睡眠质量等级，例如，精力恢复值1对应的睡眠质量为低级，精力恢复值2对应的睡眠质量为初级，精力恢复值3对应的睡眠质量为中级，精力恢复值4对应的睡眠质量为高级，精力恢复值5对应的睡眠质量为特级。
52.根据本发明提供的一种睡眠质量的评估方法、装置、存储介质及计算机设备，与目前通过测量用户醒后的心率来确定用户睡眠质量的方式相比，本发明根据评估对象的基础特征数据和睡眠属性数据进行睡眠质量的评估，能够避免仅根据单一信号不能准确对睡眠质量进行评估的缺陷，之后，利用预设睡眠质量预测模型对基础特征数据和睡眠属性数据对应的转化质量进行预测，得到评估对应的睡眠质量预测参数，最终基于睡眠质量预测参数对评估对象的睡眠质量进行评估，能够避免由于评估人员经验不足，导致对睡眠质量评估错误的情况，从而提高了睡眠质量的评估准确度，同时通过预设睡眠质量预测模型进行睡眠质量的预测，能够减少人工对睡眠质量评估时查阅资料的时间，因此本发明提高了睡眠质量的评估效率。
53.进一步的，为了更好的说明上述对睡眠数据进行处理的过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种睡眠质量的评估方法，如图2所示，所述方法包括：
54.201、获取评估对象的基础特征数据和睡眠属性数据。
55.具体地，可以在数据库中获取评估对象的身高、体重、年龄、性别、职业和疾病史等基础特征数据，与此同时，利用可穿戴心电监测装置采集所述评估对象的睡眠属性数据，例如，在评估对象入睡期间，通过可穿戴心电监测手表采集夜间的心电数据、血压数据等睡眠属性数据，同时，通过电子计时设备记录评估对象的入睡开始时间和入睡时长等睡眠属性数据。
56.202、基于睡眠属性数据，确定评估对象在睡眠期间的时序特征数据。
57.对于本发明实施例，基于心电数据、血压数据、入睡开始时间和入睡时长，为评估对象构建心率、呼吸率和心率变异性等时序特征数据。
58.203、确定基础特征数据对应的基础属性特征向量，以及确定时序特征数据对应的睡眠时序特征向量。
59.对于本发明实施例，在获取评估对象的基础属性数据和时序特征数据后，为了预
测患者的睡眠质量，首先需要确定基础特征数据对应的基础属性特征向量，和确定时序特征数据对应的睡眠时序特征向量，基于此，步骤203具体包括：确定基础特征数据中包含的各个第一字符，以及确定时序特征数据中包含的各个第二字符；确定各个第一字符对应的第一嵌入向量，以及确定各个第二字符对应的第二嵌入向量；将第一嵌入向量输入至预设特征提取模型中进行特征提取，得到基础特征数据对应的基础属性特征向量；将第二嵌入向量输入至预设特征提取模型中进行特征提取，得到时序特征数据对应的睡眠时序特征向量。
60.其中，预设特征提取模型具体可以为预设编码器，该预设编码器包括注意力层和前馈神经网络层。
61.具体地，为了减少预设睡眠质量预测模型的计算量，提高预设睡眠质量预测模型的预测精度，首先需要确定基础属性数据中包含的各个第一字符，例如，若基础属性数据为“男性32岁”，则其对应的各个第一字符为“男/性/3/2/岁/”，之后利用word2vec等词嵌入方法将基础属性数据中的各个第一字符转化为第一嵌入向量，同理，利用word2vec等词嵌入方法将时序特征数据中的各个第二字符转化为第二嵌入向量。之后将第一嵌入向量输入至预设编码器的注意力层，利用注意力层的多头注意力机制，提取各个第一字符之间的关联信息向量，即各个第一字符对应的注意力层输出向量，进一步地，为了提高基础属性特征向量的提取精度，将各个第一字符对应的注意力层输出向量和嵌入向量残差相加，得到各个第一字符对应的第一特征向量，之后再将第一特征向量输入至编码器的前馈神经网络层进行特征提取，得到前馈神经网络层的输出向量，即基础特征数据对应的基础属性特征向量，同理，按照上述方式，利用预设特征提取模型可以提取时序特征数据对应的睡眠时序特征向量。
62.204、对基础属性特征向量和睡眠时序特征向量进行向量交叉处理，得到睡眠交叉特征向量。
63.本发明实施实例可以充分利用数据之间的关系，提取更多隐性特征，同时兼顾高阶和低阶的处理，使数据利用更加充分，后面得到的预测结果更加准确，满足实际应用场景的需求。基于此，可以对基础属性特征向量和睡眠时序特征向量进行向量交叉处理，具体交叉处理方法包括：对所述基础属性特征向量和所述睡眠时序特征向量做特征交叉处理，得到第一处理结果；对所述基础属性特征向量和所述睡眠时序特征向量做元素交叉处理，得到第二处理结果；对所述基础属性特征向量和所述睡眠时序特征向量做高阶交叉处理，得到第三处理结果；利用预设变换函数对所述第一处理结果、所述第二处理结果和所述第三处理结果进行变换处理，得到睡眠交叉特征向量。
64.在实际应用中，评估对象的基础属性数据和时序特征数据为不同的领域，处理方法是将两种领域的数据处理为同纬度的向量。举例来说，两种领域的特征向量为(a1,a2,a3)和(b1,b2,b3)，具体交叉处理包括：
65.(1)对不同领域的数据之间做特征级别的交叉，即向量之间所有的元素做哈达玛积之后，在一定权重下再做卷积变换，f(w*(a1*b1,a2*b2,a3*b3))；
66.(2)对不同领域向量数据做元素级别的交叉，即向量之间的每个元素做哈达玛积之后，给每个乘积后的结果赋不同的权重值，再做线性变换，f(w1*a1*b1,w2*a2*b2,w3*a3*b3)；
67.(3)对不同领域数据两两组合，做高阶交叉处理f(w(a1,a2,a3,b1,b2,b3))；
68.将以上三种处理结果结合在一起，利用预设变换函数做变换处理，得到睡眠交叉特征向量。这里的预设变换函数可以根据实际情况来设置，本实施例对此不作限制。需要说明的是，上述例举仅是示意性的，并不对本技术实施例进行限制。
69.205、将睡眠交叉特征向量输入至预设睡眠质量预测模型，并利用预设睡眠质量预测模型对睡眠交叉特征向量的转化质量进行预测，得到评估对象对应的睡眠质量预测参数。
70.其中，预设睡眠质量预测模型是基于神经网络所构建的数值预测模型。在本发明可选实施例中，在上述步骤205之前，还可以先建立并训练预设睡眠质量预测模型，具体训练方法为：构建多个预设初始睡眠质量预测模型；获取样本评估对象的样本基础特征数据和样本睡眠属性数据，以及获取样本评估对象对应的实际睡眠质量参数；基于样本基础特征数据、样本睡眠属性数据和实际睡眠质量参数，构建训练集和测试集，并利用训练集对多个预设初始睡眠质量预测模型进行训练，得到多个训练后的预设初始睡眠质量预测模型；利用测试集对所述多个训练后的预设初始睡眠质量预测模型进行测试，得到测试结果，并基于所述测试结果，确定预设睡眠质量预测模型。
71.具体地，本发明实施例可以构建多个预设初始睡眠质量预测模型，多个预设初始睡眠质量预测模型可以是基于lightgbm模型、fm模型或是其他神经网络模型所构建，各个预设初始睡眠质量预测模型的模型架构可以相同也可以不同，构建出多个预设初始睡眠质量预测模型之后，就可以训练该多个预设初始睡眠质量预测模型。具体训练方法为，首先获取样本评估对象样本基础特征数据和样本睡眠属性数据，并确定样本评估对象对应的实际睡眠质量参数，将样本基础特征数据和样本睡眠属性数据与实际实际睡眠质量参数之间建立对应关系，进而构建数据集。模型进行训练时，可以先依据预设初始睡眠质量预测模型的数量将数据集划分为多组子数据集；进而利用各组子数据集中的多个数据对分别训练各预设初始睡眠质量预测模型，其中，样本基础属性数据和样本睡眠属性数据作为输入数据，实际睡眠质量参数作为输出数据。例如，本实施例中分别构建了预设初始睡眠质量预测模型1和预设初始睡眠质量预测模型2，同时还可以将数据集随机划分为子数据集1和子数据集2，进一步地，可利用子数据集1训练预设初始睡眠质量预测模型1，利用子数据集1训练预设初始睡眠质量预测模型2，由此，可以得到两个经过训练优化后的预设初始睡眠质量预测模型。
72.进一步地，还可以先将子数据集中70％的数据作为训练集，30％的数据作为测试集，进而利用训练集训练预设初始睡眠质量预测模型，利用测试集对训练后的预设初始睡眠质量预测模型进行测试优化，最终根据测试结果，在多个预设初始睡眠质量预测模型中确定预设睡眠质量预测模型。具体确定预设睡眠质量预测模型的方法包括：利用多个训练后的预设初始睡眠质量预测模型对所述测试集中的样本评估人员的睡眠质量预测参数进行预估，得到所述多个训练后的预设初始睡眠质量预测模型分别对应的预测睡眠质量参数；基于测试集中的样本评估人员的实际睡眠质量参数和预测睡眠质量参数，确定多个训练后的预设初始睡眠质量预测模型分别对应的睡眠质量参数预估误差；在多个训练后的预设初始睡眠质量预测模型分别对应的睡眠质量参数预估误差中确定最小睡眠质量参数预估误差，将最小睡眠质量参数预估误差对应的预设初始睡眠质量预测模型确定为预设睡眠
质量预测模型。
73.具体地，还需要检测多个预设初始睡眠质量预测模型的准确度，具体检测方法为，利用任意一个预设初始睡眠质量预测模型预估所述样本评估对象对应的预测睡眠质量参数，基于该评估对象对应的预测睡眠质量参数和实际睡眠质量参数，计算均方根误差，并根据均方根误差，判断该预设初始睡眠质量预测模型的准确度，具体计算均方根误差的公式如下：
[0074][0075]
其中，z表示均方根误差，u1、u2....ur表示预测睡眠质量参数，u表示实际睡眠质量参数，r表示预估次数，由此能够计算多个预设初始睡眠质量预测模型对应的均方根误差，并在各个预设初始睡眠质量预测模型对应的均方根误差中，确定最小均方根误差，并将最小均方根误差对应的预设初始睡眠质量预测模型确定为预设睡眠质量预测模型。
[0076]
进一步地，在构建完预设睡眠质量预测模型后，局可以利用预设睡眠质量预测模型对睡眠交叉特征向量的转化质量进行预测，得到评估对象对应的睡眠质量预测参数。
[0077]
206、基于所述睡眠质量预测参数，对评估对象的睡眠质量进行评估。
[0078]
具体地，在确定评估对象对应的睡眠质量预测参数后，在预设预设睡眠质量配置表中查找该睡眠质量预测参数对应的睡眠质量评级，从而得到睡眠质量的评估结果。例如，若睡眠质量预测参数为3，预设睡眠质量配置表中睡眠质量预测参数3对应的睡眠质量等级为中级，则最终确定该评估对象的对应的睡眠质量等级为中级。
[0079]
根据本发明提供的另一种睡眠质量的评估方法，与目前通过测量用户醒后的心率来确定用户睡眠质量的方式相比，本发明根据评估对象的基础特征数据和睡眠属性数据进行睡眠质量的评估，能够避免仅根据单一信号不能准确对睡眠质量进行评估的缺陷，之后，利用预设睡眠质量预测模型对基础特征数据和睡眠属性数据对应的转化质量进行预测，得到评估对应的睡眠质量预测参数，最终基于睡眠质量预测参数对评估对象的睡眠质量进行评估，能够避免由于评估人员经验不足，导致对睡眠质量评估错误的情况，从而提高了睡眠质量的评估准确度，同时通过预设睡眠质量预测模型进行睡眠质量的预测，能够减少人工对睡眠质量评估时查阅资料的时间，因此本发明提高了睡眠质量的评估效率。
[0080]
进一步地，作为图1的具体实现，本发明实施例提供了一种睡眠质量的评估装置，如图3所示，所述装置包括：获取单元31、数据确定单元32、向量确定单元33、预测单元34和评估单元35。
[0081]
所述获取单元31，可以用于获取评估对象的基础特征数据和睡眠属性数据。
[0082]
数据确定单元32，可以用于基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据。
[0083]
所述向量确定单元33，可以用于确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量。
[0084]
所述预测单元34，可以用于将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数。
[0085]
所述评估单元35，可以用于基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0086]
在具体应用场景中为了确定基础属性特征向量和睡眠时序特征向量，如图4所示，所述向量确定单元33，包括确定模块331和特征提取模块332。
[0087]
所述确定模块331，可以用于确定所述基础特征数据中包含的各个第一字符，以及确定所述时序特征数据中包含的各个第二字符。
[0088]
所述确定模块331，还可以用于确定所述各个第一字符对应的第一嵌入向量，以及确定所述各个第二字符对应的第二嵌入向量。
[0089]
所述特征提取模块332，可以用于将所述第一嵌入向量输入至预设特征提取模型中进行特征提取，得到所述基础特征数据对应的基础属性特征向量。
[0090]
所述特征提取模块332，还可以用于将所述第二嵌入向量输入至所述预设特征提取模型中进行特征提取，得到所述时序特征数据对应的睡眠时序特征向量。
[0091]
在具体应用场景中，为了进行转化质量预测，所述预测单元34，包括交叉处理模块341和预测模块342。
[0092]
所述交叉处理模块341，可以用于对所述基础属性特征向量和所述睡眠时序特征向量进行向量交叉处理，得到睡眠交叉特征向量。
[0093]
所述预测模块342，可以用于将所述睡眠交叉特征向量输入至预设睡眠质量预测模型进行转化质量预测。
[0094]
在具体应用场景中，为了对基础属性特征向量和睡眠时序特征向量进行交叉处理，所述交叉处理模块341，包括特征交叉处理子模块、元素交叉处理子模块、高阶交叉处理子模块和变换处理子模块。
[0095]
所述特征交叉处理子模块，可以用于对所述基础属性特征向量和所述睡眠时序特征向量做特征交叉处理，得到第一处理结果。
[0096]
所述元素交叉处理子模块，可以用于对所述基础属性特征向量和所述睡眠时序特征向量做元素交叉处理，得到第二处理结果。
[0097]
所述高阶交叉处理子模块，可以用于对所述基础属性特征向量和所述睡眠时序特征向量做高阶交叉处理，得到第三处理结果。
[0098]
所述变换处理子模块，可以用于利用预设变换函数对所述第一处理结果、所述第二处理结果和所述第三处理结果进行变换处理，得到睡眠交叉特征向量。
[0099]
在具体应用场景中，为了构建预设睡眠质量预测模型，所述装置还包括：构建单元36、训练单元37和测试单元38。
[0100]
所述构建单元36，可以用于构建多个预设初始睡眠质量预测模型。
[0101]
所述获取单元31，还可以用于获取样本评估对象的样本基础特征数据和样本睡眠属性数据，以及获取所述样本评估对象对应的实际睡眠质量参数。
[0102]
所述训练单元37，可以用于基于所述样本基础特征数据、样本睡眠属性数据和所述实际睡眠质量参数，构建训练集和测试集，并利用所述训练集对所述多个预设初始睡眠质量预测模型进行训练，得到多个训练后的预设初始睡眠质量预测模型。
[0103]
所述测试单元38，可以用于利用所述测试集对所述多个训练后的预设初始睡眠质量预测模型进行测试，得到测试结果，并基于所述测试结果，确定所述预设睡眠质量预测模
型。
[0104]
在具体应用场景中，为了在多个预设初始睡眠质量预测模型中选择预设睡眠质量预测模型，所述测试单元38，具体可以用于利用所述多个训练后的预设初始睡眠质量预测模型对所述测试集中的样本评估人员的睡眠质量预测参数进行预估，得到所述多个训练后的预设初始睡眠质量预测模型分别对应的预测睡眠质量参数；基于所述测试集中的样本评估人员的实际睡眠质量参数和所述预测睡眠质量参数，确定所述多个训练后的预设初始睡眠质量预测模型分别对应的睡眠质量参数预估误差；在所述多个训练后的预设初始睡眠质量预测模型分别对应的睡眠质量参数预估误差中确定最小睡眠质量参数预估误差，将所述最小睡眠质量参数预估误差对应的预设初始睡眠质量预测模型确定为所述预设睡眠质量预测模型。
[0105]
在具体应用场景中，为了获取评估对象的睡眠属性数据，所述获取单元31，具体可以用于利用可穿戴心电监测装置采集所述评估对象的睡眠属性数据。
[0106]
需要说明的是，本发明实施例提供的一种睡眠质量的评估装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
[0107]
基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取评估对象的基础特征数据和睡眠属性数据；基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0108]
基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：获取评估对象的基础特征数据和睡眠属性数据；基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。
[0109]
通过本发明的技术方案，本发明通过获取评估对象的基础特征数据和睡眠属性数据；并基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；与此同时，确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；之后将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；最终基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估，由此通过利用
预设睡眠质量预测模型对基础特征数据和睡眠属性数据对应的转化质量进行预测，得到评估对应的睡眠质量预测参数，最终基于睡眠质量预测参数对评估对象的睡眠质量进行评估，能够避免由于评估人员经验不足，导致对睡眠质量评估错误的情况，从而提高了睡眠质量的评估准确度，同时通过预设睡眠质量预测模型进行睡眠质量的预测，能够减少人工对睡眠质量评估时查阅资料的时间，因此本发明提高了睡眠质量的评估效率。
[0110]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0111]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

技术特征：
1.一种睡眠质量的评估方法，其特征在于，包括：获取评估对象的基础特征数据和睡眠属性数据；基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。2.根据权利要求1所述的方法，其特征在于，所述确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量，包括：确定所述基础特征数据中包含的各个第一字符，以及确定所述时序特征数据中包含的各个第二字符；确定所述各个第一字符对应的第一嵌入向量，以及确定所述各个第二字符对应的第二嵌入向量；将所述第一嵌入向量输入至预设特征提取模型中进行特征提取，得到所述基础特征数据对应的基础属性特征向量；将所述第二嵌入向量输入至所述预设特征提取模型中进行特征提取，得到所述时序特征数据对应的睡眠时序特征向量。3.根据权利要求1所述的方法，其特征在于，所述将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，包括：对所述基础属性特征向量和所述睡眠时序特征向量进行向量交叉处理，得到睡眠交叉特征向量；将所述睡眠交叉特征向量输入至预设睡眠质量预测模型进行转化质量预测。4.根据权利要求3所述的方法，其特征在于，所述对所述基础属性特征向量和所述睡眠时序特征向量进行向量交叉处理，得到睡眠交叉特征向量，包括：对所述基础属性特征向量和所述睡眠时序特征向量做特征交叉处理，得到第一处理结果；对所述基础属性特征向量和所述睡眠时序特征向量做元素交叉处理，得到第二处理结果；对所述基础属性特征向量和所述睡眠时序特征向量做高阶交叉处理，得到第三处理结果；利用预设变换函数对所述第一处理结果、所述第二处理结果和所述第三处理结果进行变换处理，得到睡眠交叉特征向量。5.根据权利要求1所述的方法，其特征在于，在所述将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型之前，所述方法还包括：构建多个预设初始睡眠质量预测模型；获取样本评估对象的样本基础特征数据和样本睡眠属性数据，以及获取所述样本评估对象对应的实际睡眠质量参数；
基于所述样本基础特征数据、样本睡眠属性数据和所述实际睡眠质量参数，构建训练集和测试集，并利用所述训练集对所述多个预设初始睡眠质量预测模型进行训练，得到多个训练后的预设初始睡眠质量预测模型；利用所述测试集对所述多个训练后的预设初始睡眠质量预测模型进行测试，得到测试结果，并基于所述测试结果，确定所述预设睡眠质量预测模型。6.根据权利要求5所述的方法，其特征在于，所述利用所述测试集对所述多个训练后的预设初始睡眠质量预测模型进行测试，得到测试结果，包括：利用所述多个训练后的预设初始睡眠质量预测模型对所述测试集中的样本评估人员的睡眠质量预测参数进行预估，得到所述多个训练后的预设初始睡眠质量预测模型分别对应的预测睡眠质量参数；基于所述测试集中的样本评估人员的实际睡眠质量参数和所述预测睡眠质量参数，确定所述多个训练后的预设初始睡眠质量预测模型分别对应的睡眠质量参数预估误差；所述基于所述测试结果，确定所述预设睡眠质量预测模型，包括：在所述多个训练后的预设初始睡眠质量预测模型分别对应的睡眠质量参数预估误差中确定最小睡眠质量参数预估误差，将所述最小睡眠质量参数预估误差对应的预设初始睡眠质量预测模型确定为所述预设睡眠质量预测模型。7.根据权利要求1所述的方法，其特征在于，获取评估对象的睡眠属性数据，包括：利用可穿戴心电监测装置采集所述评估对象的睡眠属性数据。8.一种睡眠质量的评估装置，其特征在于，包括：获取单元，用于获取评估对象的基础特征数据和睡眠属性数据；数据确定单元，用于基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；向量确定单元，用于确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；预测单元，用于将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型，并利用所述预设睡眠质量预测模型对所述基础属性特征向量和所述睡眠时序特征向量共同对应的转化质量进行预测，得到所述评估对象对应的睡眠质量预测参数；评估单元，用于基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本发明公开了一种睡眠质量的评估方法、装置、存储介质及计算机设备，涉及信息技术及数字医疗技术领域，主要在于能够提高睡眠质量的评估准确度。其中方法包括：获取评估对象的基础特征数据和睡眠属性数据；基于所述睡眠属性数据，确定所述评估对象在睡眠期间的时序特征数据；确定所述基础特征数据对应的基础属性特征向量，以及确定所述时序特征数据对应的睡眠时序特征向量；将所述基础属性特征向量和所述睡眠时序特征向量共同输入至预设睡眠质量预测模型进行转化质量的预测，得到所述评估对象对应的睡眠质量预测参数；基于所述睡眠质量预测参数，对所述评估对象的睡眠质量进行评估。本发明适用于对睡眠质量进行评估。本发明适用于对睡眠质量进行评估。本发明适用于对睡眠质量进行评估。


技术研发人员：张渊
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.04.24
技术公布日：2023/8/6