[发明专利]用户睡眠呼吸风险监控方法、终端及计算机可读介质有效
| 申请号: | 201910135346.5 | 申请日: | 2019-02-20 |
| 公开(公告)号: | CN109745011B | 公开(公告)日: | 2021-12-03 |
| 发明(设计)人: | 郭光明;李靖;李彦;黄晓萍 | 申请(专利权)人: | 华为终端有限公司 |
| 主分类号: | A61B5/00 | 分类号: | A61B5/00 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
| 地址: | 523808 广东省东莞市松山湖高新技术产业开*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 用户 睡眠 呼吸 风险 监控 方法 终端 计算机 可读 介质 | ||
1.一种用户睡眠呼吸风险监控装置,其特征在于,包括:
获取睡眠声音信息单元,用于获取第一时间段内的睡眠声音信息,所述第一时间段为用户处于睡眠状态的时间段;其中,所述第一时间段包含第二时间段;
第一确定单元,用于在检测到所述睡眠声音信息在所述第二时间段内包含鼾声时,根据所述鼾声的特征信息确定所述用户在所述第二时间段内的睡眠呼吸风险程度,或者根据所述鼾声的特征信息以及所述鼾声的鼾声类型确定所述用户在所述第二时间段内的睡眠呼吸风险程度,其中,所述第一确定单元包括第一获取单元和第一计算单元,所述第一获取单元,用于获取所述鼾声的鼾声类型;所述第一计算单元,用于在确定所述用户在所述第二时间段内的睡眠呼吸风险程度时,通过计算常数A以及所述鼾声的鼾声类型对应的数值与所述鼾声的特征信息乘积的指数函数值之和的对数函数值来确定睡眠呼吸风险值;其中,所述睡眠呼吸风险值用于评价用户在所述第二时间段内的睡眠呼吸风险程度;
第一输出单元,用于输出所述睡眠呼吸风险程度。
2.根据权利要求1所述的装置,其特征在于,所述第一计算单元具体用于:
在确定所述用户在所述第二时间段内的睡眠呼吸风险值时,根据以下第一公式来计算:
L(y,f(x))=(A+exp(yf(x)))
其中,L(y,f(x))表示所述睡眠呼吸风险值;所述常数A=1;y表示所述鼾声的鼾声类型对应的数值;f(x)表示所述鼾声的特征信息;其中,所述鼾声类型包括轻微鼾声类型、普通鼾声类型、低通气鼾声类型或呼吸暂停事件类型中的一种;当所述鼾声的鼾声类型为所述轻微鼾声类型时,所述轻微鼾声类型的数值为第一预设值;当所述鼾声的鼾声类型为所述普通鼾声类型时,所述普通鼾声类型的数值为第二预设值;当所述鼾声的鼾声类型为所述低通气鼾声类型时,所述低通气鼾声类型的数值为第三预设值;当所述鼾声的鼾声类型为所述呼吸暂停事件类型时,所述呼吸暂停事件类型的数值为第四预设值;所述鼾声的特征信息包括在所述第二时间段内的呼吸频率R,所述第二时间段内每次吸气鼾声的持续时长t1,所述第二时间段内每次呼气鼾声的持续时长t0,所述第二时间段内的鼾声平均音高S。
3.根据权利要求1或2所述的装置,其特征在于,所述第一获取单元具体用于:
将所述鼾声输入训练好的鼾声分类模型,以确定所述鼾声的鼾声类型,所述鼾声分类模型包括轻微鼾声类型、普通鼾声类型、低通气鼾声类型以及呼吸暂停事件类型。
4.根据权利要求1所述的装置,其特征在于,所述第一确定单元包括第二获取单元和第二计算单元;
其中,所述第二获取单元,用于获取所述鼾声的特征信息,所述鼾声特征信息包括在所述第二时间段内的呼吸频率,所述第二时间段内每次吸气鼾声的持续时长,所述第二时间段内每次呼气鼾声的持续时长,所述第二时间段内的鼾声平均音高;
所述第二计算单元,用于在确定所述用户在所述第二时间段内的睡眠呼吸风险程度时,通过计算常量a、所述第二时间段内鼾声平均音高S的M次幂、所述第二时间段内每次吸气鼾声的持续时长t1与所述第二时间段内每次呼气鼾声的持续时长t0之和以及所述第二时间段内的呼吸频率R的乘积来确定所述用户在所述第二时间段内的能量消耗功率P;其中,所述能量消耗功率P用于评价所述用户在所述第二时间段内的睡眠呼吸风险程度。
5.根据权利要求4所述的装置,其特征在于,所述第二计算单元具体用于:
在确定所述用户在所述第二时间段内的能量消耗功率P,根据以下第二公式来计算:
P=a*SM*(t1+t0)*R
其中,a为常量,M=2,所述鼾声的特征信息包括在所述第二时间段内的呼吸频率R,所述第二时间段内每次吸气鼾声的持续时长t1,所述第二时间段内每次呼气鼾声的持续时长t0,所述第二时间段内鼾声平均音高S。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为终端有限公司,未经华为终端有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910135346.5/1.html,转载请声明来源钻瓜专利网。





