[发明专利]一种基于多维度特征参数的睡眠质量评估方法及装置

权利要求书

1.一种基于多维度特征参数的睡眠质量评估方法，其特征在于，包括：

采集用户睡觉时前额两导联处的脑电波信号；

提取所述脑电波信号在时域维度、频域维度以及非线性维度的特征参数，生成多维度特征参数；

将所述多维度特征参数输入至预设的睡眠分析模型中，以使所述睡眠分析模型根据所述多维度特征参数生成所述用户的睡眠分析结果；其中，所述睡眠分析结果包括：各睡眠分期的时长、睡眠觉醒次数、每一睡眠觉醒的时长、呼吸事件次数、每一呼吸事件的时长以及睡眠总时长；

根据所述睡眠分析结果评估所述用户睡眠质量；

其中，所述提取所述脑电波信号在非线性维度的特征参数，具体包括：

将所述脑电波信号进行小波六层分解，得到六个不同频段的脑电信号；

根据morlet复合小波组合获得各不同频段的脑电信号的相位信息；

根据各所述相位信息计算两导联之间各对应频段的脑电信号的相位差，继而根据预设的加权算法，生成两导联之间各对应频段的脑电信号的加权相位同步值；

根据各不同频段的脑电信号生成序列化信号，继而根据预设的符号传递熵计算公式，计算所述序列化信号的符号传递熵；

根据所述加权相位同步值以及所述符号传递熵生成所述脑电波信号在非线性维度的特征参数。

2.如权利要求1所述的基于多维度特征参数的睡眠质量评估方法，其特征在于，提取所述脑电波信号在时域维度的特征参数，具体包括：

根据各预设波形的频域范围通过带通滤波器对两导联处的脑电波信号进行处理，生成各预设波形的时域信号；其中，所述预设波形包括：K复合波、梭形波、慢波以及锯齿波；

提取各所述时域信号的最大峰值、最小峰值、上升支波度、上升支持续时长、下降支坡度以及下降支持续时长；

对两导联之间各对应波形的时域信号进行相关性分析，获得两导联之间各对应波形的时域信号的关联程度分数；

根据各所述时域信号的最大峰值、最小峰值、上升支坡度、上升支持续时长、下降支坡度、下降支持续时长以及两导联之间各对应波形的时域信号的关联程度分数生成所述脑电波信号在时域维度的特征参数。

3.如权利要求1所述的基于多维度特征参数的睡眠质量评估方法，其特征在于，提取所述脑电波信号在频域维度的特征参数，具体包括：

将所述脑电波信号进行小波六层分解，得到六个不同频段的脑电信号；

根据各频段的脑电信号的绝对功率、相对功率、总功率、以及各同频段的脑电信号之间的功率比，生成所述脑电波信号在频域维度的特征参数。

4.如权利要求1所述的基于多维度特征参数的睡眠质量评估方法，其特征在于，所述根据所述睡眠分析结果评估所述用户睡眠质量，具体包括：

根据所述睡眠分析结果计算若干睡眠质量评估指标的指标数值；其中，所述睡眠质量评估指标包括：REM睡眠期占比、睡眠潜伏期时长、NREM睡眠阶段的时长占比、睡眠觉醒时长占比以及每小时呼吸事件超过10s的次数；

判断各所述指标的指标数值是否均在正常范围内，若是，则判定所述用户的睡眠质量良好。

5.如权利要求1所述的基于多维度特征参数的睡眠质量评估方法，其特征在于，所述睡眠分析模型的构建方法包括：

获取已标注不同睡眠期、睡眠觉醒以及呼吸事件的样本脑电波信号；

对所述样本脑电波信号进行数据预处理后，继而提取所述样本脑电波信号在时域维度、频域维度以及非线性维度下的若干特征参数；

根据预设的特征参数评价模型对所有特征参数进行筛选，生成特征参数集合；

将所述特征参数集合以十折交叉验证的方法划分为训练集和测试集；

根据随机森林、BP神经网络、支持向量机以及决策树构建不同的机器学习模型，并根据所述训练集进行模型训练，根据所述测试集进行模型校验；

继而将效果最优的机器学习模型作为所述睡眠分析模型。