[发明专利]一种面向中风预测的睡眠数据分析方法

权利要求书

1.一种面向中风预测的睡眠数据分析方法，包括以下步骤：

步骤1：获取参与者人口统计和临床部分历史数据，使用经临床医学知识选取参与者个人特征；

步骤2：通过智能设备，获得参与者长时间连续睡眠数据，构建参与者个体的睡眠数据模型；

步骤3：针对步骤2中筛选到的睡眠数据，提取参与者个体的睡眠特征；

步骤4：针对步骤3中建立的特征表达模型，选择合适的特征选择算法，挑选出有效的预测特征；

步骤5：针对步骤4中计算得到的特征模型，训练支持向量机预测模型，设定初始阈值，从而得到初步分类结果；

步骤6：计算参与者和已近中风群体，从未中风群体之间的相似性，更新步骤5中的阈值，得到精确的相似性结果。

2.根据权利要求1所述的一种面向中风预测的睡眠数据分析方法，其特征在于：所述步骤2中构建参与者个体的睡眠数据模型：

SleepSeries＝<sleepcycle₁,sleepcycle₂,…,sleepcycle_n>

sleepcycle_i＝<stage0_i,stage1_i,stage2_i,stage3_i,stage4_i,stage5_i>

其中，SleepSeries表示整晚睡眠序列；sleepcycle_i表示第i个睡眠周期；stage0_i表示第i个周期的觉醒期；stage1_i和stage2_i表示第i个周期浅睡期；stage3_i表示第i个周期熟睡期；stage4_i表示第i个周期深睡期；stage5_i表示第i个周期快速眼动期。

3.根据权利要求1所述的一种面向中风预测的睡眠数据分析方法，其特征在于：步骤3中所述参与者的睡眠特征包括：睡眠时间，睡眠效率，浅睡期睡眠趋势，深睡期睡眠趋势；所述参与者的睡眠特征表达模型为：

TotalSleepTime＝SleepTimeCycle₁+…+SleepTimeCycle_n

StageDeep1＝(TimeStage3_n+TimeStage4_n)-(Timestage3₁+TimeStage4₁)

StageDeep2＝(TimeStage3₃+TimeStage4₃)-(Timestage3₁+TimeStage4₁)

StageDeep3＝(TimeStage3₂+TimeStage4₂)-(Timestage3₁+TimeStage4₁)

其中，TotalSleepTime表示整晚睡眠时间；SleepTimeCycle_i表示第i个周期的睡眠时间；SleepEff表示整晚睡眠效率；AllTimeStage₀表示整晚觉醒期睡眠时间；WakeEff表示整晚觉醒率；StageDeep_i表示第i个熟睡和深度睡眠的趋势；TimeStage3_i表示第i个周期中熟睡阶段的睡眠时间；TimeStage4_i表示第i个周期中深度睡眠阶段的睡眠时间。