本發明屬于智能醫療,具體涉及一種睡眠貼產品效能智能評價方法。
背景技術:
1、當出現焦慮或抑郁時,人體交感神經系統受到影響后引發一系列壓力反應激素的釋放,從而導致睡眠障礙的發生。當長期睡眠障礙發生時,會導致人體生理特征和心理變化,并進一步加重睡眠障礙和身體亞健康狀態。因此,研究如何減輕交感神經系統的壓力反應激素的釋放成為治療睡眠障礙的關鍵。
2、在現有技術中,睡眠貼片產品在應用于治療睡眠障礙時,主要使用心率和呼吸等生理參數指標,判定睡眠干預效果,并未涉及心率變異性參數,而這些參數特征能夠客觀評估交感神經系統的影響程度,因此治療效果評估方法還有很大的完善空間。由于上述原因,需要能夠量化評估心率變異性的方法和技術,以對睡眠貼片產品對特定睡眠障礙的治療效果進行有效評估,從而能夠更客觀地評價交感神經系統的緊張程度。
3、心率變異性分析結果,以頻域分析為主,能夠全面地了解人體交感神經系統和副交感神經的緊張程度。在心率變異性分析中,低頻功率(lf)主要反映交感神經的活性;高頻功率(hf)主要反映副交感神經的活性;低高頻比值(lf/hf)反映了交感神經系統和副交感神經系統之間的平衡性。心率變異性還能夠從時間序列分析中計算出相鄰r-r時間段的差值(rrin-rr)來計算pnn50,來反映時間序列的變化程度。心率變異性參數指標是反映自主神經功能狀態最直接有效的參數。
4、因此,在評估睡眠貼片產品對特定睡眠障礙的治療有效性評估中,使用心率變異性的指標和參數進行評估研究,進一步能夠對夜間副交感神經活動增強,有助于患者睡眠改善。同時,對各種呼吸事件發生的頻次分析,了解患者各種類型呼吸所引起的覺醒情況,評估患者的呼吸障礙程度對治療效果也具有直接的參考意義。
5、鑒于以上原因,睡眠貼片產品對特定睡眠障礙的治療效果進行智能評估時采用多參數指標進行量化評估;結合患者的主觀睡眠感受進行客觀量化評估是本研究解決的關鍵技術問題。
6、針對上述問題,本發明提出一種睡眠貼產品效能智能評價方法。
技術實現思路
1、為了解決現有技術問題,本發明旨在針對某種特定人體信號頻率特征的變化,采用數據曲線和統計運算,提供基于睡眠生理信號心率變異性與呼吸變異性增強效果的睡眠貼產品效能智能評估方法。
2、本發明公開了一種睡眠貼產品效能智能評價方法,包括以下步驟:設備選擇與準備:選擇適合的目標人群,安裝、連接相應設備和采集生理數據,進行設備校準;數據收集:通過睡眠貼片產品對目標人群進行為期一周的睡眠干預,收集生理信號數據和睡眠觀察數據,并對數據進行預處理;數據分析:提取睡眠期內的生理信號,提取和計算表征睡眠和呼吸特征值的特征參數;結果評估與反饋:利用算法模型對睡眠期內的睡眠參數進行聚類分析,生成相應報告,根據聚類的特征表現結果與標準相比較,總結睡眠特征與呼吸特征的改善情況,并生成反饋結果;持續監測與優化:將反饋結果重新反饋給設備對睡眠貼片進行調整與優化;其中,數據分析的具體步驟為:步驟一、數據提取,從數據點中提取數據樣本的各個生理參數,并使用聚類算法進行分類,得到特征曲線;步驟二、數據預處理,將步驟一得到的特征曲線去噪;步驟三、數據分析,將數據預處理后的數據曲線進行回歸分析,計算回歸方程和曲線擬合優度,根據擬合優度確定曲線的相關性和特征曲線之間的變化情況。
3、具體地,所述數據預處理步驟包括:數據點上下文劃分,計算出數據點前2秒和后5秒的平均心率作為當前數據點的背景值,然后計算絕對差,其中指數據點與背景值之間的絕對偏差,將滿足絕對差的結果計入快照。
4、具體地,在步驟三的數據分析中,執行心率波動指數和心率變異性分析;從各個睡眠期中提取心率、心電圖、脈搏和呼吸生理信號的參數;從心率信號中計算hr變異性參數:取1分鐘的整個心電信號,心率變異性時域分析參數為:室性期前收縮數量,室性期前收縮最大程度;心率變異性頻域分析參數分別為超低頻,低頻,高頻,,低頻域到高頻域的過渡特性:。
5、具體地,從qt間期信號中計算rr、p-qrs、pr、pp間期、r-r間期、rr-r-r間期、pr間期和rr間期,計算rr間期的變異性并作為客觀指標標準,rr間期變異性指標的計算公式為:
6、
7、
8、
9、
10、
11、
12、其中:為rr間期序列,為標準差,為rr間期序列的第段數值,?為rr間期序列中第到段之間的標準差,和為自然數,為所有rr間期的均值,?。
13、具體地,還包括將監測目標的客觀變化結果與標準值的比較:當計算的平均rr間期值<350ms,且rr間期標準差<50ms,判定監測目標為竇房結信號正常,當平均rr間期>500ms,rr間期標準差>120ms,判定監測目標為竇房結信號異常;當平均r-r間期結果基本穩定在正常值范圍內,且rr時間序列變異性sd1<50ms,sd2<75ms,表明竇房結傳出神經的傳導功能在正常范圍內,當平均r-r間期值基本上呈下降趨勢,且sd1有增加趨勢,sd2明顯增大,表明竇房結傳出功能減弱;通過數據提取進行心率時域和頻域分析:如果心率變異性頻域分析結果中vm>4,說明心率變異性較大;vm<2表明心率變異性較低;當低頻到高頻的過渡特性為hf>50%時,心率變異性有改善的趨勢,當高頻>80%時心率變異性較小。
14、具體地,還包括通過可視化方式將測試數據生成各個睡眠期內的心率變化的特征曲線圖:所述特征曲線圖將心率振蕩的特征呈現出來,橫縱坐標分別為每分鐘平均心率,心率振蕩振幅以及心率rr間期的頻度值,當橫坐標一定時,心率振幅和頻度增加證明心率變異性增大,心率變異性越強;當頻度一定,振幅增加表明心率震蕩程度增強,反之橈心率震蕩程度減弱。
15、具體地,數據收集和數據分析步驟進行兩輪或以上。
16、具體地,第一輪數據收集與數據分析流程包括:步驟s1:采用睡眠貼片對人體進行為期一周的睡眠干預處理,獲取睡眠期的生理信號及呼吸信號,該生理信號包括心率、呼吸頻率、血氧信號;步驟s2:將獲取的睡眠期的生理信號與呼吸信號轉換為文本文件;步驟s3:使用r語言的相關數據函數對文本文件進行分析,獲取表征睡眠及呼吸特征的特征參數;所述數據分析的具體數據處理步驟包括:步驟s4:針對特征后的波形,進行濾波;步驟s5:針對濾波結果,計算特征參數;所述數據處理執行心電圖、心率、呼吸及血氧波形的處理;心電信號的處理,步驟包括,選取心電信號,進行濾波,歸一化處理,然后提取r波,提取對應波形q和t波,計算qt時間相對于平均心率的偏差,qt間期比值和qt與rr相關值,進行特征;心率、呼吸、血氧信號的處理,步驟包括:心率信號去噪,呼吸與血氧加窗處理,計算心率、呼吸和血氧均值,提取rr間期,然后計算rr間期均值和rr方差,進行qt間期和rr間期及rr時間序列的變異性后得到特征值;對所述特征參數,執行統計分析,算法模型擬合度檢驗及特征曲線圖形化分析。
17、具體地,第二輪數據收集與數據分析流程還包括如下詳細步驟:步驟s5:根據步驟三中的數據公式和算法模型進行分析后,輸出特征數據;步驟s6:以步驟s5輸出數據的次日心率信號特征數據中的平均心率均值和標準差為參數判斷睡眠生理信號的波動情況;步驟s7:以步驟s5輸出數據為參數,判斷rr時間序列的變異性;步驟s8:以步驟s5輸出數據為依據,進行rr間期的變異性判定;步驟s9:依據步驟s5輸出數據,判斷心率變異性;和步驟s10:對各指標在不同睡眠期的變化進行圖形化對比分析;其中,在采用睡眠貼片對人體進行為期一周的睡眠干預處理步驟中,目標人群、不同人群對睡眠干預產品的敏感度不同,對不同人群睡眠數據的評估指標應進行標定后執行,標定包括如下步驟:步驟s11:在多目標睡眠干預中,采集目標心率、呼吸波形及血氧信號;步驟s12:將步驟s13中采集的信號進行降噪處理,提取r波波峰信息;步驟s13:通過步驟s12的信息進行步態檢測,判定睡眠的不同時期;步驟s14:根據步驟s13中的睡眠檢測信息,分別計算每一睡眠期的均值和標準差;步驟s15:步驟s13和步驟s14中的心率標準差和rr間期波動指標可作為判斷不同人群對心率干預效果的評估指標,指標可依據群體波動情況調整;其中所述的不同人群對心率變異性敏感程度包括運動員和抑郁患者敏感程度不同。
18、具體地,還包括對心率變異性趨勢變化的長期評估,步驟為:采用相同測試目標組作為研究對象,比較連續四周的評估指標,包括心率變異性各項指標、心電圖、呼吸及血氧信號,比較前后的變化,判斷睡眠貼片對特定人群心率的調節作用分析。??本發明的有益效果,本發明的方法能夠自動提取心率、呼吸相關特征指標,計算數據擬合優度并進行自適應心率波動和呼吸障礙程度,根據心率相關指標值變化計算心率波動趨勢,以及心率變異性變化,從而得出心率變化結果,并得到心率調節效果。