[发明专利]一种面向中风预测的睡眠数据分析方法

说明书

本发明一种面向中风预测的睡眠数据分析方法，其主要通过分析参与者睡眠周期和睡眠阶段中，睡眠时间，睡眠效率，浅度睡眠，深度睡眠等的变化来尽早发现中风潜在风险，同时在使用常用预测模型得到预测结果后，运用相似性原理对该结果进行进一步处理，以减少漏报率，同时将误报率控制在可以接受的范围。与现有的技术相比较，通过便捷和非侵入式方式获取参与者连续长时间睡眠数据，结合部分已知临床生理数据，能够更为准确预测参与者患有中风的风险。同时本方法通过计算参与者与已中风和未中风人群的相似性，能够提高已有预测模型的准确率。

技术领域

本发明涉及中风疾病预测领域，尤其涉及面向中风预测的睡眠 数据分析方法。

背景技术

“中风”又叫“脑卒中”。临床主要指脑出血、脑血栓等。其发病 率、致残率、死亡率在世界范围都居前列,是严重危害人民健康的一 组疾病。以相关特征来客观评估中风风险,用以提前识别高危人群,是 中风预防的重要手段,从而能使重点预防的目标人群更为集中,有助于 促进公共卫生资源的合理应用,对于降低中风发病率和死亡率具有非 常重要的意义。尽管国内外已经建立了心血管病或中风的预测模型, 但大多数预测特征，主要基于传统的临床因素,这其中主要包括：心 电图，脑电图等，但是此类方式都有着各自的弊端。例如，心电图用 户去佩戴多个专业传感器设备由专业人员辅助来获得数据，脑电图需要专业人员使用较为昂贵的医疗设备才能获得。目前，已经证实睡眠 障碍可引起中风。同时，睡眠障碍是中风的一种并发症。在睡眠障碍 中，失眠症在中风患者中的发病率接近57％，其中38％人报告失眠 是中风的先兆。而睡眠超过9小时会增加心血管疾病的风险，在中风 人群中，高达27％的患者会患上失眠。在现实生活中，睡眠数据可以 很方便的从智能手环或智能手表中，从而便于个人了解自身健康状 况。

发明内容

针对现有中风预测系统不能够从人们日常生活中，长时间、同 时更为便捷提取特征的局限性，本发明提出了一种面向中风预测的睡 眠数据分析方法。

本发明采用以下技术方案为：

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。

进一步地，一种面向中风预测的睡眠数据分析方法，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>，