[發明專利]睡眠評估方法、裝置、終端設備及存儲介質

在審

• 申請號: 201810947610.0
• 申請日: 2018-08-17
• 公開（公告）號: CN109192311A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 劉恩平;高鋒;王勝祥;陳家達
• 申請（專利權）人: 貴州優品睡眠健康產業有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H15/00;G06N3/06
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 顏希文;麥小嬋

1.一種睡眠評估方法，適于在計算設備中執行，其特征在于，至少包括如下步驟：

響應客戶端根據睡眠評估系統主頁面發送的評測列表獲取請求，返回評測列表給所述客戶端；

響應所述客戶端根據所述評測列表中評測項目發送的測試請求，返回該評測項目對應的測試題表給所述客戶端；

接收所述客戶端根據所述測試題表上傳的答題表，并對所述答題表進行量化，進一步將量化后的答題表輸入訓練好的NN神經網絡進行得分評估，并輸出評估報告，以將所述評估報告返回給所述客戶端。

2.根據權利要求1所述的睡眠評估方法，其特征在于，所述對所述答題表進行量化，具體為：

采用矩陣稀疏編碼方式對所述答題表中的每一道題目均進行量化處理，得到所述答題表對應的編碼矩陣。

3.根據權利要求1所述的睡眠評估方法，其特征在于，所述NN神經網絡包括輸入層、隱藏層和輸出層；其中，

所述輸入層輸入的是經過量化的答題表的答案數據；

所述隱藏層采用三層結構，內置若干神經單元，用于自主學習和對所述答案數據進行評估分析；

所述輸出層輸出的是所述答題表的得分結果，即評估報告。

4.根據權利要求1所述的睡眠評估方法，其特征在于，所述NN神經網絡采用深度學習神經網絡進行模型訓練，具體的，采用多層NN網絡對評測列表中各個評測項目的測試題表的得分機制進行訓練，并將訓練結果用于擬合現有的評估得分公式，進一步地，根據擬合結果對所述得分機制進行修正。

5.根據權利要求1所述的睡眠評估方法，其特征在于，所述睡眠評估系統包括：

Apache服務器，用于處理與驗證所述客戶端的評測列表獲取請求，并接收所述客戶端上傳的答題表；

Node.js服務器，用于異步處理所述答題表的答案數據，并對所述答案數據進行二次驗證；

Python服務器，用于執行答題表的AI分析，返回提供答案給所述Node.js服務器。

6.一種睡眠評估裝置，其特征在于，包括：

評測列表發送模塊，用于響應客戶端根據睡眠評估系統主頁面發送的評測列表獲取請求，返回評測列表給所述客戶端；

測試題表發送模塊，用于響應所述客戶端根據所述評測列表中評測項目發送的測試請求，返回該評測項目對應的測試題表給所述客戶端；

評估報告生成模塊，用于接收所述客戶端根據所述測試題表上傳的答題表，并對所述答題表進行量化，進一步將量化后的答題表輸入訓練好的NN神經網絡進行得分評估，并輸出評估報告，以將所述評估報告返回給所述客戶端。

7.根據權利要求6所述的睡眠評估裝置，其特征在于，所述對所述答題表進行量化，具體為：

采用矩陣稀疏編碼方式對所述答題表中的每一道題目均進行量化處理，得到所述答題表對應的編碼矩陣。

8.根據權利要求6所述的睡眠評估裝置，其特征在于，所述NN神經網絡包括輸入層、隱藏層和輸出層；其中，

所述輸入層輸入的是經過量化的答題表的答案數據；

所述隱藏層采用三層結構，內置若干神經單元，用于自主學習和對所述答案數據進行評估分析；

所述輸出層輸出的是所述答題表的得分結果，即評估報告。

9.根據權利要求6所述的睡眠裝置，其特征在于，所述NN神經網絡采用深度學習神經網絡進行模型訓練，具體的，采用多層NN網絡對評測列表中各個評測項目的測試題表的得分機制進行訓練，并將訓練結果用于擬合現有的評估得分公式，進一步地，根據擬合結果對所述得分機制進行修正。

10.一種睡眠評估終端設備，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至5任一項所述的睡眠評估方法。