[發明專利]一種睡眠階段確定方法和系統

有效

• 申請號: 201310714428.8
• 申請日: 2013-12-20
• 公開（公告）號: CN104720746A
• 公開（公告）日: 2015-06-24
• 發明（設計）人: 王俊艷;張志鵬;徐青青;許利群
• 申請（專利權）人: 中國移動通信集團公司
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

技術領域

本發明涉及通信領域，尤其涉及一種睡眠階段確定方法和系統。

背景技術

人的一生有近1/3的時間在睡眠中度過，睡眠的好壞直接關系到人體的記憶、學習、工作和免疫力等多個方面。隨著時代的發展，人們的生活節奏越來越快，壓力越來越大，很多人出現了睡眠問題，睡眠監測應運而生。

在睡眠監測中，人的睡眠通常用6個階段的連續來描述，這6個階段通常包括：

1、清醒階段，可以記為醒。在這個階段，睡眠者的意識處于清醒狀態。

2、入睡階段，可以記為慢速眼球運動睡眠（non-rapid?eye?movements，NREM）1。在NREM1中，睡眠者的眼睛是閉上的，不過如果在此階段被喚醒，睡眠者可能感覺他還沒有睡著。

3、淺睡階段，可以記為NREM2。在NREM2中，睡眠者的身體準備進入深睡。

4、深睡階段，可以記為NREM3，睡眠者進入深度睡眠狀態。

5、延續深睡階段，可以記為NREM4，且睡眠者在NREM4中比在NREM3中睡得更深。

6、快速眼球運動階段，可以記為快速眼球運動睡眠（rapid?eye?movements，REM）。在REM中，與NREM1至NREM4的生理狀態有所區別，睡眠者的眼球在此階段時會快速移動。

目前臨床上監測睡眠階段的方法中，典型的方法是采用多導睡眠儀（Polysomnography，PSG）采集睡眠期間的生理信號，包括腦電波（EEG）、眼動（EOG）、肌肉運動（EMG）、心電（ECG）、血氧飽和度（SpO2）和呼吸信號。睡眠階段判斷主要基于對EEG的分析，并可以利用ECG和EEG進行輔助判斷。然而PSG操作復雜，僅適用于醫院的臨床研究，在家庭監測中難以推廣。

因此，目前通常將睡眠用三個階段的連續來描述，僅通過ECG進行睡眠階段確定，使得即使不使用PSG，也可以進行睡眠階段判斷，達到簡化睡眠階段確定的目的。這三個睡眠階段包括：

1、醒或REM。由于在利用心電或者心率變異率進行睡眠描述時，醒和REM的表現是幾乎一樣的，因此，將睡眠用三個階段的連續來描述時，將清醒階段和REM劃分為一個階段。

2、淺度睡眠階段。將睡眠用三個階段的連續來描述時，將入睡階段和淺睡階段劃分為一個階段，并統一稱為淺度睡眠階段。

3、深度睡眠階段。將睡眠用三個階段的連續來描述時，將深睡階段和延續深睡階段劃分為一個階段，并統一稱為深度睡眠階段。

通過ECG進行睡眠階段判斷時，主要包括心電特征提取和睡眠階段分類器兩個部分。其中，常用的心電特征主要是心率變異率（Heart?rate?variability，HRV）的特征，包括心率變異率的時域特征和頻域特征。常用的睡眠階段分類器主要是統計分類器，如支持向量機分類器，或隱馬爾可夫模型分類器。通過ECG進行睡眠階段判斷的示意圖可以如圖1所示。首先，在訓練模塊中，對ECG訓練集進行心電特征提取，利用提取出的心電特征進行分類器訓練，得到睡眠階段分類器；然后在使用模塊中，提取待處理ECG數據的心電特征，并根據提取出的心電特征，采用通過訓練模塊得到的睡眠階段分類器確定睡眠階段。

目前通過ECG進行睡眠階段確定的方案中，睡眠階段的確定結果由睡眠階段分類器決定。而睡眠階段分類器完全是利用訓練集訓練得到的。睡眠階段分類器的訓練是一個有監督學習的過程，需要具有標簽的樣本進行訓練，對于基于統計學習的睡眠階段分類器，如支持向量機或者隱馬爾可夫模型，其分類能力依賴于訓練集，這樣可能引起下面的問題。每個人睡眠期間的心率狀況是不同的，而且，由于睡眠環境、身體狀態等不同因素，同一個人的不同日期的睡眠期間的心率狀況也是不同的。為了適應不同的用戶，需要大量的訓練樣本才可能覆蓋整個樣本空間。而睡眠數據的獲取是不容易的，而且人工標注的工作量也很大。因此，難以獲得足夠的訓練樣本。而在有限的訓練樣本的情況下，睡眠階段分類器很難具有好的普適性，且睡眠階段確定的精度難以得到保證。

發明內容

本發明實施例提供一種睡眠階段確定方法和系統，用于提高睡眠階段確定的精度，擴大睡眠階段確定的普適性。

一種睡眠階段確定方法，所述方法包括：

確定指定時段內的心率變異率數據；

針對所述指定時段的一個時間片段，根據所述心率變異率數據確定至少一個特征參數；

根據所述特征參數與預設規則的對應關系，確定所述時間片段對應的睡眠階段；