[发明专利]一种睡眠分期监控方法

权利要求书

1.一种睡眠分期监控方法，其特征在于，包括以下步骤：

获取测试者的体征参数，所述体征参数包括体动数据、连续呼吸率、连续心率及心率变异性；

以滑动时间窗的方式遍历所述体动数据得到无体动区域及反映体动频率与体动持续时间的体动数据序列，叠加运用形态滤波对所述体动数据序列进行开运算和闭运算得到的信号获得体动趋势线；

根据所述体动趋势线的波动情况，提取体动信号趋势中符合觉醒期特征的待定区域，结合连续呼吸率及连续心率的数据变化进行判断，从所述待定区域及所述无体动区域中识别出觉醒期；

对所述连续心率的数据进行等距量化及差分量化处理，获得所述连续心率的的差分量化值DI，由所述差分量化值DI确定快速眼动期的起止时间坐标，识别出快速眼动期；

基于所述觉醒期及快速眼动期的识别结果，得到非快速眼动期；

将所述觉醒期、快速眼动期、非快速眼动期整合为完整的睡眠数据。

2.根据权利要求1所述的睡眠分期监控方法，其特征在于，根据所述体动趋势线的波动情况，提取体动信号趋势中符合觉醒期特征的待定区域，结合连续呼吸率及连续心率的数据变化进行判断，从所述待定区域及所述无体动区域中识别出觉醒期，包括以下步骤：

识别所述体动趋势线的波峰区域，判断对所述波峰区域的峰值是否超过对应的阈值，并据此提取体动信号趋势中特征为体动持续时间长的大体动密集区域和特征为体动持续时间短但一段时间内体动频繁的小体动密集区域；将所述大体动密集区域直接识别为觉醒期；

由所述连续呼吸率获得的呼吸率方差、呼吸率能量及对呼吸原始信号动态时间规整，通过形态滤波得到三组连续呼吸率参数的趋势线，判断所述连续呼吸率参数的趋势线在所述小体动密集区域内是否存在波峰，若有两组或三组连续呼吸率参数的趋势线在小体动密集区域内存在波峰，则将所述小体动密集区域识别为觉醒期，否则识别为非觉醒期；

由所述心率变异性，基于窦性R-R间期的识别，计算出低频与高频能量比、变异系数及相邻两个R-R间期差值>50ms的百分数，通过形态滤波得到三组心率变异性参数的趋势线；判断在所述无体动区域内的所述心率变异性参数的趋势线数值是否超过对应的阈值，若有两组或三组心率变异性参数的趋势线数值超过对应的阈值，则将所述无体动区域识别为觉醒期，否则识别为非觉醒期。

3.根据权利要求1所述的睡眠分期监控方法，其特征在于，由所述差分量化值DI确定快速眼动期的起止时间坐标，识别出快速眼动期，包括以下步骤：

如果DI(x)＝1并且DI(x-1)＝0，记录该x点坐标为起始坐标(Opos(y))；如果DI(x)＝1并且DI(x+1)＝0时，记录该x点坐标为结束坐标(Epos(y))；如果DI(x)＝1且x＝1，记录该x点坐标为起始坐标(Opos(y))；如果DI(x)＝1且x为最大值，记录该x点坐标为结束坐标(Epos(y))；其中，变量x表示所述连续心率的数据在差分量化处理过程的运算次数；

记[Opos(y)，Epos(y)]为1个记录段，对记录段进行条件判定，将符合条件的相邻两个记录段合并成一个记录段，并且标记为1个快速眼动期的时间段；

完成对单个的快速眼动期的时间段识别后，根据时间间隔对各个快速眼动期的时间段进行合并处理，完成快速眼动期的识别。

4.根据权利要求1所述的睡眠分期监控方法，其特征在于，基于所述觉醒期及快速眼动期的识别结果，得到非快速眼动期，包括以下步骤：

将所述觉醒期及快速眼动期以外的区域识别为非快速眼动期；在所述非快速眼动期内根据所述连续心率的方差、呼吸率的方差，结合所述体动趋势线的波动情况，提取所述非快速眼动期内心率平缓且处于较低值、呼吸稳定、无体动的区域并识别为深睡期，将所述深睡区以外的所述非快速眼动期的区域识别为浅睡期。

5.根据权利要求4所述的睡眠分期监控方法，其特征在于，将所述觉醒期、快速眼动期、非快速眼动期整合为完整的睡眠数据，包括以下步骤：

提取所述觉醒期与快速眼动期的重叠部分；

对所述重叠部分的体征参数进行加权计算，根据加权计算的结果将重叠部分重新识别为觉醒期或快速眼动期；

将所述深睡期、浅睡期及调整后的觉醒期、快速眼动期整合为完整的睡眠数据。