申请/专利权人：深圳瑞利声学技术股份有限公司

申请日：2024-01-15

公开（公告）日：2024-04-16

公开（公告）号：CN117577261B

主分类号：G16H20/00

分类号：G16H20/00;G16H50/20;G06F16/335;G06F16/36;A61B5/00;A61B5/11;A61M21/02;G01D21/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明涉及数据处理的技术领域，公开了一种助眠头枕智能感知方法、装置、设备及存储介质。所述助眠头枕智能感知方法包括：基于预置在助眠头枕内的嵌入式传感网络，获取使用者的睡眠模式数据和生理反应数据；获取所述助眠头枕的唯一身份识别码；基于所述唯一身份识别码，在预设的睡眠质量数据分析模型数据库中，检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型，并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正，得到睡眠质量信息；本发明综合考虑睡眠障碍数据、环境数据和用户习惯数据，通过多层次数据融合的方式生成个性化的助眠调节方案，满足了不同用户的个性化需求。

主权项：1.一种助眠头枕智能感知方法，其特征在于，包括以下步骤：基于预置在助眠头枕内的嵌入式传感网络，获取使用者的睡眠模式数据和生理反应数据；其中，所述嵌入式传感网络至少包括环境感知器、体温监测器和运动传感器；获取所述助眠头枕的唯一身份识别码；基于所述唯一身份识别码，在预设的睡眠质量数据分析模型数据库中，检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型，并利用所述睡眠质量数据分析模型对所述睡眠模式数据进行分析和修正，得到睡眠质量信息；其中，所述唯一身份识别码基于每个使用者的用户信息以及助眠头枕内唯一的设备号生成；结合所述生理反应数据，对睡眠质量信息进行深度比对，得到使用者的在预设时间段的个体睡眠行为图谱；在预设的标准睡眠图谱数据库中，提取在所述预设时间段的标准个体睡眠行为图谱；根据所述唯一身份识别码，在预设的个体睡眠行为图谱分析数据库中选取对应的个体睡眠行为图谱对照评估规则；其中，所述个体睡眠行为图谱分析数据库中存储有唯一身份识别码与个体睡眠行为图谱对照评估规则的映射关系；基于选取出的个体睡眠行为图谱对照评估规则，将所述使用者的在预设时间段的个体睡眠行为图谱与所述预设时间段的标准个体睡眠行为图谱进行对照评估，得到使用者的睡眠障碍数据；根据使用者的所述睡眠障碍数据，结合预设的实时环境数据和使用者生活习惯数据，生成个性化的助眠调节方案，并通过助眠头枕的交互系统将所述个性化的助眠调节方案发送给使用者终端；所述基于所述唯一身份识别码，在预设的睡眠质量数据分析模型数据库中，检索与助眠头枕的唯一身份识别码匹配的睡眠质量数据分析模型，包括：获取助眠头枕使用者的睡眠数据，并将所述唯一身份识别码与所述睡眠数据进行绑定，生成用户数据；在预设的睡眠质量数据分析模型数据库中，根据所述用户数据访问与用户数据关联的睡眠质量数据分析模型；其中，所述预设的睡眠质量数据分析模型数据库中包括针对各种睡眠数据的多个模型子集；每个模型子集都配有关联的分析特征信息，所述分析特征信息至少包括睡眠深度、睡眠时长、以及用户的睡眠习惯；通过目标数字图将关联的分析特征信息进行数字转化，得到对应的数字特征集；其中，所述目标数字图基于预设的标准数字转换图得到的；基于所述数字特征集，在睡眠质量数据分析模型数据库中检索与数字特征集初级匹配的一系列模型子集；其中，睡眠质量数据分析模型数据库中预先存储了各模型子集的分析特征信息与数字特征集的初级匹配关系；根据深度匹配算法，对所筛选的每个模型子集进行深度评估和筛选，检索最为契合的用户个体化睡眠习惯的睡眠质量数据分析模型；其中，所述深度匹配算法基于记录在睡眠质量数据分析模型库中的各个模型子集与用户特定睡眠习惯之间的相关性进行深度评估和筛选；所述睡眠质量数据分析模型的训练过程，包括：收集睡眠样本数据；其中，所述睡眠样本数据包括多种睡眠场景，每种场景包括由助眠头枕收集的基本睡眠行为数据和标准睡眠监测系统提供的睡眠分析数据；基于预设的多层次样本分析框架，将睡眠样本数据分成三个层次，分别为基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合；其中，所述基础睡眠行为集合表示初级睡眠质量，所述中级睡眠行为集合表示中等睡眠质量，所述高级睡眠行为集合表示高级睡眠质量；构建一个基础睡眠模式识别网络，对基础睡眠行为集合进行深度学习，以形成初始级别的睡眠调节模型；构建一个中级睡眠模式识别网络，对中级睡眠行为集合进行深度学习，以形成中级级别的睡眠调节模型；构建一个高级睡眠模式识别网络，对高级睡眠行为集合进行深度学习，以形成高级级别的睡眠调节模型；基于预设的睡眠样本数据特征分析算法，从标准睡眠监测系统提供的睡眠分析数据中提取关键睡眠特征，其中，所述关键睡眠特征至少包括睡眠模式、用户反应和环境影响因素；根据提取的关键睡眠特征，分别调整初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型；其中，所述关键睡眠特征包括与基础睡眠行为集合、中级睡眠行为集合和高级睡眠行为集合分别一一对应的第一关键睡眠特征行为集合、第二关键睡眠特征行为集合、第三关键睡眠特征行为集合；将调整后的初始级别的睡眠调节模型、中级级别的睡眠调节模型和高级级别的睡眠调节模型进行组合，得到多层次睡眠调节模型；基于用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正，得到最终的睡眠质量数据分析模型；其中，所述睡眠质量数据分析模型用于根据用户的实时睡眠状态和环境变化进行睡眠优化和干预；所述基于所述用户的生理数据和周边环境数据对多层次睡眠调节模型进行修正，得到最终的睡眠质量数据分析模型，包括：获取用户的生理数据和用户的环境数据；解析用户的环境数据，并提取密钥信息，并利用所述密钥信息从数据库中检索与用户的生理数据相匹配的数据集映射指南；将用户的生理数据进行分析，得到不同的生理指标类别，基于各个不同的生理指标类别，生成分析结果，其中，数据库中提取存储有每个不同的生理指标类别与用户睡眠状态的关联性以及环境数据的综合影响度；基于所述数据集映射指南，根据分析结果确定多层次睡眠调节模型中需优化的参数集，并从需优化的参数集中识别出相应的模型核心参数点；其中，所述数据集映射指南中储存有用户生理指标类别与相对应的多层次睡眠调节模型的模型核心参数点的对应关系；在数据库中，定位对应所述模型核心参数点所在的安全存储图片，其中，所述安全存储图片为加密安全存储图片，并基于所述密钥信息对安全存储图片进行解密，得到模型核心参数设置方案；根据得到的模型核心参数设置方案，对多级睡眠调节模型的关键参数进行个性化的修正，得到最终的睡眠质量数据分析模型。

全文数据：

权利要求：

百度查询： 深圳瑞利声学技术股份有限公司 助眠头枕智能感知方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD