睡眠事件检测方法与系统的制作方法

睡眠事件检测方法与系统的制作方法
【专利摘要】本发明公开了一种睡眠事件检测方法与系统。睡眠事件检测系统包括生理测量装置以及运算处理装置。生理测量装置可以在不同时间测量多个心跳率。运算处理装置耦接生理测量装置以收集这些心跳率。运算处理装置可以将心跳率转换成第一参数与第二参数。通过使用第一参数，运算处理装置可以辨识心跳率在单位期间是否属于第一状态或第二状态。通过使用第二参数，运算处理装置可以辨识心跳率在单位期间是否属于第三状态或第四状态。
【专利说明】
睡眠事件检测方法与系统
技术领域
[0001] 本发明涉及一种睡眠事件检测方法与系统。
【背景技术】
[0002] 长期睡眠不足或是睡眠质量不佳（例如睡眠时间破碎、睡眠效率低落等），容易发 生认知能力衰退（例如记忆能力降低和/或注意力无法集中）。睡眠不足亦可能增加心脏 病、高血压、糖尿病、代谢综合症和/或癌症的患病机率。另外，肥胖可能与睡眠不足有关。 然而，失眠的问题困扰着无数的现代人。
[0003] 另外，睡眠呼吸中止症（Sle印Apnea)是一种睡眠时候呼吸停止的睡眠障碍。睡 眠呼吸中止症主要可区分为三个类型：阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea， 0SA)、中枢神经性睡眠呼吸暂停（Central Sle印Apnea，CSA)与混合性睡眠呼吸暂停 (Mixed Apnea)。睡眠呼吸中止症患者可能会觉得一直睡不饱，因为他们的脑部在睡觉期间 常常处在缺氧的状态中。醒来后，睡眠呼吸中止症患者可能会觉得昏昏沉沉、头昏脑胀、没 精神。睡眠呼吸中止症患者可能会在开会或开车时打瞌睡。
[0004] 要拥有好的睡眠质量与足够的睡眠时间，人们需要先了解自己的睡眠是如何进行 的。了解自己的睡眠的进程之后，人们就可以知道自己应该要在什么时候睡觉，以及可预期 什么时候醒来。因为了解自己的睡眠的进程，人们可以依据自己的睡眠进程来妥善选择适 合自己的睡眠策略，以便让自己可以拥有良好的睡眠质量与足够的睡眠时间。

【发明内容】

[0005] 本发明提供一种睡眠事件检测方法与系统，以便于使用者检测自己或他人的睡眠 事件，例如睡眠状态的改变、睡眠呼吸中止事件和/或其他睡眠进程中所发生的事件。
[0006] 本发明的实施例中提供一种睡眠事件检测系统。睡眠事件检测系统包括生理测量 装置以及运算处理装置。生理测量装置可以在不同时间测量多个心跳率（Heart rate，HR)。 运算处理装置耦接生理测量装置以收集这些心跳率。运算处理装置可以将心跳率转换成第 一参数与第二参数。通过使用第一参数，运算处理装置可以辨识心跳率在单位期间（epoch) 是否属于第一状态或第二状态。通过使用第二参数，运算处理装置可以辨识心跳率在单位 期间是否属于第三状态或第四状态。运算处理装置包括分类规则产生引擎、信号转换特征 参数引擎以及睡眠质量分析引擎。分类规则产生引擎以该单位期间为基准点而定义具有不 同大小的多个窗口期间，以及分别计算于这些窗口期间中的多笔样本心跳率的特征参数， 以及依据多笔对应样本状态与这些特征参数而决定第一窗口长度与第二窗口长度。信号转 换特征参数引擎耦接生理测量装置以收集心跳率，以及耦接分类规则产生引擎以接收第一 窗长度与第二窗长度。信号转换特征参数引擎可以依据第一窗口长度将心跳率转换成第一 参数，以及依据第二窗口长度将心跳率转换成第二参数。睡眠质量分析引擎耦接信号转换 特征参数引擎以接收第一参数与第二参数。睡眠质量分析引擎可以依据第一参数与第二参 数来辨识这些心跳率在单位期间是否属于第一状态、第二状态、第三状态或第四状态，以及 计算睡眠质量指针。
[0007] 本发明的实施例中提供一种睡眠事件检测方法，包括：由运算处理装置的分类规 则产生引擎以单位期间为基准点而定义具有不同大小的多个窗口期间，以及分别计算在这 些窗口期间中的多笔样本心跳率的特征参数，以及依据多笔对应样本状态与这些特征参数 而决定第一窗口长度与第二窗口长度；由生理测量装置在不同时间测量多个心跳率；由运 算处理装置的信号转换特征参数引擎依据该第一窗长度将心跳率转换成第一参数，以及依 据该第二窗长度将心跳率转换成第二参数；由运算处理装置的睡眠质量分析引擎通过使用 第一参数来辨识心跳率在单位期间是否属于第一状态或一第二状态；以及由睡眠质量分析 引擎通过使用第二参数来辨识心跳率在单位期间是否属于第三状态或一第四状态。
[0008] 本发明的实施例中提供一种睡眠事件检测系统。睡眠事件检测系统包括生理测量 装置以及运算处理装置。生理测量装置经可以在不同时间测量多个心跳率。运算处理装置 耦接生理测量装置以收集心跳率。运算处理装置可以将心跳率转换成第一参数与第二参 数。通过使用第一参数，运算处理装置可以辨识心跳率在单位期间是否属于第一状态或第 二状态，以获得一睡眠状态辨识结果。通过使用该第二参数，运算处理装置可以辨识单位期 间是否为睡眠呼吸中止候选期间，以及通过使用睡眠状态辨识结果来确认睡眠呼吸中止候 选期间是否发生睡眠呼吸中止（Sleep Apnea)事件。
[0009] 本发明的实施例中提供一种睡眠事件检测方法，包括：由生理测量装置在不同时 间测量多个心跳率；由运算处理装置将这些心跳率转换成第一参数与第二参数；通过使用 第一参数来辨识心跳率在单位期间是否属于第一状态或第二状态，以获得睡眠状态辨识结 果；通过使用第二参数来辨识单位期间是否为睡眠呼吸中止候选期间；以及通过使用睡眠 状态辨识结果来确认睡眠呼吸中止候选期间是否发生睡眠呼吸中止事件。
[0010] 基于上述，本发明实施例所提供的睡眠事件检测方法与系统可以帮助受测者简单 且有效地测量睡眠事件，进而了解睡眠过程规则，以便及早发现睡眠问题。
[0011] 为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附附图 作详细说明如下。
【附图说明】
[0012] 图1是说明人类的睡眠进程的曲线示意图；
[0013] 图2是依照本发明的实施例说明一种睡眠事件检测系统的方框示意图；
[0014] 图3是依照本发明一实施例说明一种睡眠事件检测方法的流程示意图；
[0015] 图4是依照本发明实施例说明心跳率的示意图；
[0016] 图5是依照本发明实施例说明睡眠状态序列的示意图；
[0017] 图6是依照本发明另一实施例说明一种睡眠事件检测方法的流程示意图；
[0018] 图7是说明图2所不睡眠事件检测系统的一种实施范例不意图；
[0019] 图8是依照本发明又一实施例说明一种睡眠事件检测方法的流程示意图；
[0020] 图9是说明图2所不睡眠事件检测系统的另一种实施范例不意图；
[0021] 图10是依照本发明实施例说明心跳率的示意图；
[0022] 图11是说明图2所不睡眠事件检测系统的再一种实施范例不意图；
[0023] 图12是依照本发明再一实施例说明一种睡眠事件检测方法的流程示意图；
[0024] 图13是依照本发明实施例说明确认睡眠呼吸中止的示意图。
[0025] 【附图标记说明】
[0026] 10 ： 使用者
[0027] 101、102:睡眠曲线
[0028] 200 ： 睡眠事件检测系统：
[0029] 210 ： 生理测量装置
[0030] 211 ： 穿戴式心跳传感器
[0031] 212 ： 行动装置
[0032] 220 ： 运算处理装置
[0033] 221： 信号转换特征参数引擎
[0034] 222 ： 睡眠质量分析引擎
[0035] 223 ： 数据库
[0036] 224： 分类规则产生引擎
[0037] 225 ： 睡眠呼吸中止分析引擎
[0038] E ： 睡眠呼吸中止候选期间
[0039] EPl、EP2、EP3、EP4、EP(i-l)、EP(i)、EP(i+l):单位期间
[0040] F(0)、F(1)、F(N):特征参数
[0041] NE: 正常状态
[0042] P1 !、PpPw:心跳率
[0043] S ： 睡眠状态
[0044] Sl ： 非深睡状态
[0045] S2 ： 深睡状态
[0046] S310 ~S350、S620、S650、S660、S860、S870、S1220 ~S1250 :步骤
[0047] W ： 清醒状态
[0048] Wl ： 第一窗口期间
[0049] W2 ： 第二窗口期间
[0050] Ws (0)、Ws (1)、Ws (N):窗 口期间
【具体实施方式】
[0051] 在本案说明书全文（包括权利要求书）中所使用的"耦接" 一词可指任何直接或 间接的连接手段。举例而言，若文中描述第一装置耦接于第二装置，则应该被解释成该第一 装置可以直接连接于该第二装置，或者该第一装置可以透过其他装置或某种连接手段而间 接地连接至该第二装置。另外，凡可能之处，在附图及实施方式中使用相同标号的元件/构 件/步骤代表相同或类似部分。不同实施例中使用相同标号或使用相同用语的元件/构件 /步骤可以相互参照相关说明。
[0052] 图1是说明人类的睡眠进程的曲线示意图。图1所示横轴表示时间（单位为小 时），纵轴表示睡眠状态。在此将睡眠进程分为四种状态，分别为清醒（wake)状态、快速 眼动（Rapid Eye Movement，REM)状态、浅睡（light sleep，LS)状态与深睡（slow wave sle印，SWS)状态。浅睡状态与深睡状态又称非快速眼动（non-REM)，或称"常型睡眠"?？?速眼动状态又称"异型睡眠"。图1所示睡眠曲线101是大部分人类的理想睡眠进程，而睡 眠曲线102表示睡眠质量不佳的范例睡眠进程。通过多导睡眠检测（PolysomonographyJ^ 称PSG)可以了解睡眠状况。然而PSG的测量成本高、测量复杂、不便携带，因此一般使用者 难以经常测量。所以，以下诸实施例将说明一种便捷使用的睡眠事件检测系统与方法，可以 记录日常睡眠状况，了解自我长期的睡眠轨迹。
[0053] 图2是依照本发明的实施例说明一种睡眠事件检测系统200的方框示意图。睡眠 事件检测系统200包括生理测量装置210以及运算处理装置220。生理测量装置210可以 测量/检测使用者10的生理特征。例如，生理测量装置210可以在不同时间分别测量使用 者10的心跳，而获得多个心跳率（Heart rate，HR)。本实施例虽以使用者10作为测量标 的，但在其他实施例的测量标的不限于使用者10。例如，在另一些实施例中，睡眠事件检测 系统200可以测量其他生物的心跳率。
[0054] 生理测量装置210可以任何方式实施。例如在一些实施例中（但不以此为限），生 理测量装置210可以包括心率测量设备（或心跳传感器）。此心跳传感器可以检测使用者 10的心跳率。另外，生理测量装置210可以通过穿戴、黏贴或其他机制而配置于使用者10 的头部、身体、上肢和/或下肢，以便测量使用者10的心跳率。在其他实施例中，生理测量装 置210可以通过非接触式生理感测设备或其他机制测量使用者10的心跳率。举例来说（但 不以此为限），生理测量装置210可以透过感测心电（Electrocardiography，简称ECG或 EKG)、心跳脉动、血液流动或其他方式来测量使用者10的心跳率，或使用红外线（Infrared Ray，IR)、超宽带（UWB，Ultra Wide Band)感测或其他方式取得使用者10的心跳率。
[0055] 运算处理装置220耦接生理测量装置210,以收集使用者10在不同时间的心跳率。 生理测量装置210可以将测量结果（例如心跳率）透过有线和/或无线方式回传给运算处 理装置220。举例来说（但不以此为限），生理测量装置210可以透过蓝牙（Bluetooth)或 无线网络（Wireless Network)等无线传输方式传输测量结果至运算处理装置220,或是透 过局域网（local area network，LAN)、因特网（internet)、电信网络或是其他有线和/或 无线网络传输测量结果至运算处理装置220。在其他实施例中，生理测量装置210也可以透 过双绞线（Twisted pair cable)、同轴电缆（Coaxial cable)或光纤（Optic fiber)等有 线传输方式传输测量结果至运算处理装置220。
[0056] 运算处理装置220可以将生理测量装置210所提供的这些心跳率转换成第一参 数、第二参数或更多参数。运算处理装置220可以通过使用第一参数来辨识这些心跳率在 单位期间（epoch)是否属于第一状态或第二状态，以及通过使用第二参数来辨识这些心跳 率在该单位期间是否属于第三状态或第四状态。
[0057] 举例来说，图3是依照本发明一实施例说明一种睡眠事件检测方法的流程示意 图。请参照图2与图3,生理测量装置210可以在不同时间点测量使用者10的生理特征，而 获得在不同时间点的多个心跳率（步骤S310)。依据分类规则，运算处理装置220可以将生 理测量装置210所提供的这些心跳率转换成第一参数、第二参数或更多参数（步骤S320)。 所述分类规则可以是预先设定好的固定参数组，而此固定参数组可以视人类（或生物）的 睡眠统计数据来决定。在另一些实施例中，所述分类规则可以依照样本数据来动态决定 (容后详述）。
[0058] 举例来说（但不限于此），图4是依照本发明实施例说明心跳率的示意图。图4所 示横轴表示时间。生理测量装置210将多个心跳率数据（例如图4所示心跳率P1 i、？1与 P1+1)提供给运算处理装置220。这些心跳率被定义/划分为不同单位期间（印och)，例如图 4所示单位期间EPl包含心跳率P 1 PP1Jw与其他心跳率数据。所述单位期间EPl的长度 可以视实际应用需求来决定/调整。举例来说（但不限于此），所述单位期间EPl的长度可 以是30秒或其他时间长度。
[0059] 所述分类规则可以提供/定义第一窗口期间Wl与第二窗口期间W2的长度。第一 窗口期间Wl包含该单位期间EPl，且第二窗口期间W2包含该单位期间EPl。在其他实施例 中，第一窗口期间Wl的长度可以大于第二窗口期间W2的长度。步骤S320的第一参数可以 是在第一窗口期间Wl中的多个心跳率的平均值（或心率变异），例如（但不限于此），第一 参数可以是在30秒（第一窗口期间Wl)中的多个心跳率的平均值（或心率变异）。步骤 S320的第二参数可以是在第二窗口期间W2中的多个心跳率的平均值（或心率变异），例如 (但不限于此），第二参数可以是在300秒（第二窗口期间W2)中的多个心跳率的心率变异 (Heart rate variability，简称HRV)。步骤S320可以任何方式去计算心跳率的平均值和 /或心率变异，例如（但不限于此），步骤S320可以公知的计算方式去计算心跳率的平均值 与心率变异。
[0060] 请参照图2与图3,依据所述分类规则，运算处理装置220可以通过使用第一参数 来辨识这些心跳率在该单位期间EPl是否属于第一状态或第二状态（步骤S330)。举例来 说（但不限于此），所述分类规则可以提供/定义一个第一阈值THl，而运算处理装置220可 以比较步骤S320所提供的第一参数与所述分类规则所提供的第一阈值THl。当第一参数大 于第一阈值THl时，运算处理装置220可以辨识/分类在单位期间EPl中的这些心跳率属 于第一状态（例如清醒状态）。当第一参数小于第一阈值THl时，运算处理装置220可以辨 识/分类在单位期间EPl中的这些心跳率属于第二状态（例如睡眠状态或非清醒状态）。
[0061] 依据所述分类规则，运算处理装置220可以通过使用第二参数来辨识这些心跳率 在该单位期间EPl是否属于第三状态或第四状态（步骤S340)。举例来说（但不限于此）， 在该单位期间EPl被辨识/分类为睡眠状态（或非清醒状态）的情况下，运算处理装置220 在步骤S340可以进一步来辨识被分类为睡眠状态（或非清醒状态）的单位期间EPl是否 属于第三状态或第四状态。所述分类规则可以提供/定义一个第二阈值TH2,而运算处理装 置220可以比较步骤S320所提供的第二参数与所述分类规则所提供的第二阈值TH2。当 第二参数小于第二阈值TH2时，运算处理装置220可以将被分类为睡眠状态（或非清醒状 态）的单位期间EPl进一步辨识/分类为第三状态（例如深睡状态）。当第二参数大于第 二阈值TH2时，运算处理装置220可以辨识/分类在单位期间EPl中的这些心跳率属于第 四状态，即非深睡状态（例如快速眼动状态或浅睡状态）。
[0062] 其他单位期间的操作可以参照上述单位期间EPl的相关说明而类推，故不再赘 述。在对所有心跳率的不同单位期间进行上述步骤S320~S340后，运算处理装置220可 以在步骤S350获得睡眠状态序列。举例来说（但不限于此），图5是依照本发明实施例说 明睡眠状态序列的示意图。图5所示横轴表示时间。在对所有心跳率的不同单位期间（例 如图5所示的单位期间EP1、EP2、EP3与EP4)进行上述步骤S320~S340后，运算处理装置 220可以在步骤S350获得睡眠状态序列（例如图5所示睡眠状态W、Sl、Sl、S2...)。在图 5所示实施例中，W表示清醒状态，Sl表示非深睡状态，S2表示深睡状态。
[0063] 图6是依照本发明另一实施例说明一种睡眠事件检测方法的流程示意图。请参照 图2与图6,生理测量装置210可以在不同时间点测量使用者10的生理特征，而获得在不同 时间点的多个心跳率（步骤S310)。依据分类规则，运算处理装置220可以将生理测量装 置210所提供的这些心跳率转换成第一参数、第二参数、第三参数或更多参数（步骤S620)。 图6所示步骤S310与S620可以参照图3所示步骤S310与S320的相关说明而类推。
[0064] 除了第一窗口期间Wl与第二窗口期间W2的长度，所述分类规则还可以提供/定 义第三窗口期间W3的长度。第三窗口期间W3包含该单位期间EPl。步骤S620的第三参数 可以是在第三窗口期间W3中的多个心跳率的平均值（或心率变异），例如（但不限于此）， 第三参数可以是在300秒（第三窗口期间W3)中的多个心跳率的平均值。
[0065] 图6所示步骤S330与S340可以参照图3所示步骤S330与S330的相关说明而类 推，故不再赘述。依据所述分类规则，运算处理装置220可以通过使用该第三参数来辨识这 些心跳率在单位期间EPl是否属于第五状态或第六状态（步骤S650)。举例来说（但不限 于此），在步骤S340将单位期间EPl辨识/分类为非深睡状态（例如快速眼动状态或浅睡 状态）的情况下，运算处理装置220在步骤S650可以进一步来辨识被分类为非深睡状态的 单位期间EPl是否属于第五状态或第六状态。所述分类规则可以提供/定义一个第三阈值 TH3,而运算处理装置220可以比较步骤S620所提供的第三参数与所述分类规则所提供的 第三阈值TH3。当第三参数大于第三阈值TH3时，运算处理装置220可以将被分类为非深睡 状态的单位期间EPl进一步辨识/分类为第五状态（例如快速眼动状态）。当第三参数小 于第三阈值TH3时，运算处理装置220可以辨识/分类在单位期间EPl中的这些心跳率属 于第六状态（例如浅睡状态）。
[0066] 在对所有心跳率的不同单位期间进行上述步骤S620、S330、S340与S650后，运算 处理装置220可以在步骤S660获得睡眠状态序列。图6所示步骤S660可以参照图3所示 步骤S360与图5的相关说明而类推，故不再赘述。
[0067] 图7是说明图2所示睡眠事件检测系统200的一种实施范例示意图。图7所示睡 眠事件检测系统200、生理测量装置210与运算处理装置220可以参照图2至图6的相关说 明而类推。在图7所示实施范例中，生理测量装置210包括穿戴式心跳传感器211与行动 装置212。穿戴式心跳传感器211可以用穿戴、黏贴或其他机制而配置于使用者10,以便检 测使用者10在不同时间的生理信号（例如心跳率）。穿戴式心跳传感器211可以任何方式 实施。例如，穿戴式心跳传感器211可以通过接触式或非接触式方式测量使用者10的心跳 率。举例来说（但不以此为限），穿戴式心跳传感器211可以透过感测心电、心跳脉动、血液 流动或其他方式来测量使用者10的心跳率，或使用红外线、超宽带感测或其他方式取得使 用者10的心跳率。
[0068] 行动装置212耦接穿戴式心跳传感器211。在一些实施例中，穿戴式心跳传感器 211可以经由无线通道将使用者10的心跳率传送给行动装置212,其中所述无线通道可以 包含蓝牙（Bluetooth)接口、近场通讯（near field communication，NFC)接口、ZigBee 接 口、ANT+网络通讯、无线局域网络（wireless local area network，WLAN)或是其他无线通 信接口。在另一些实施例中，穿戴式心跳传感器211可以经由有线通道将使用者10的心跳 率传送给行动装置212,其中所述有线通道可以包含双绞线、同轴电缆、光纤或其他有线传 输接口。因此，行动装置212可以经由穿戴式心跳传感器211收集使用者10在不同时间的 心跳率。
[0069] 行动装置212可以是智能型手机、平板计算机、笔记本电脑或是其他行动电子装 置。行动装置212可以对穿戴式心跳传感器211所提供的心跳率资料进行前处理。行动 装置212耦接运算处理装置220,以及将使用者10在不同时间的心跳率经由通信网路传送 给运算处理装置220。在一些实施例中，所述通信网路可以包含蓝牙接口、近场通讯接口、 ZigBee接口、无线局域网络（例如WiFi)、无线电信网络或是其他无线通信接口。在另一些 实施例中，所述通信网路可以包含双绞线、同轴电缆、光纤、市话网络或其他有线传输接口。 行动装置可以辨别使用者10的身分，以及显示睡眠评估结果（容后详述）。
[0070] 运算处理装置220可以进行图3或图6所示程序，以处理/辨识行动装置212所 提供的心跳率。在另一些实施例中，运算处理装置220可以分析睡眠效率、分析睡眠呼吸中 止（Sle印Apnea)严重程度和/或其他分析睡眠信息，然后输出睡眠分析的结果报告。
[0071] 在图7所示实施范例中，运算处理装置220包括信号转换特征参数引擎221以及 睡眠质量分析引擎222。信号转换特征参数引擎221耦接生理测量装置210的行动装置 212,以收集使用者10在不同时间的心跳率。信号转换特征参数引擎221可以将这些心跳率 转换成多个参数，例如图3或图6所述第一参数、第二参数或更多参数。睡眠质量分析引擎 222耦接信号转换特征参数引擎221，以接收第一参数与第二参数。睡眠质量分析引擎222 可以依据第一参数与第二参数来辨识这些心跳率在单位期间EPl是否属于第一状态、第二 状态、第三状态或第四状态，以及计算睡眠质量指针。睡眠质量分析引擎222可以经由所述 通信网路将睡眠质量指针回传给行动装置212。行动装置212可以辨别使用者10的身分， 以及依据此睡眠质量指针而提供/显示睡眠质量评估报告。
[0072] 图8是依照本发明又一实施例说明一种睡眠事件检测方法的流程示意图。请参照 图7与图8,信号转换特征参数引擎221可以经由穿戴式心跳传感器211与行动装置212收 集使用者10在不同时间的心跳率（步骤S310)。信号转换特征参数引擎221可以将这些 心跳率转换成第一参数、第二参数或更多参数（步骤S320)。睡眠质量分析引擎222可以 依据信号转换特征参数引擎221所提供的第一参数与第二参数来辨识单位期间EPl是否属 于第一状态、第二状态、第三状态或第四状态（步骤S330与S340)，以及获得睡眠状态序列 (步骤S350)。图8所示步骤S310~S350可以参照图3至图5的相关说明而类推，故不再 赘述。
[0073] 在完成步骤S350后，睡眠质量分析引擎222可以进行步骤S860,以计算睡眠质量 指针。举例来说（但不限于此），睡眠质量分析引擎222可以计算Ts/Tb而获得睡眠质量指 针，其中Ts表示使用者10处于睡眠状态（或非清醒状态）的总时间（sle印time)，而Tb 表示使用者10上床的总时间（total time on bad)。依照实际应用需求，睡眠质量指针可 以包含一种或多种指标值。例如在另一些实施例中，除了上述指标值Ts/Tb外，睡眠质量指 针还可以包含指针值Tsws/Ts、指标值Tnsws/Ts或其他指标值。其中，Tsws表示使用者10 处于深睡状态的总时间，而Tnsws表示使用者10处于非深睡状态的总时间。
[0074] 在完成步骤S860后，睡眠质量分析引擎222可以经由所述通信网路将睡眠质量指 针回传给行动装置212。待使用者10睡醒后，行动装置212可以依据此睡眠质量指针而提 供/显示睡眠质量评估报告（步骤S870)给使用者10。在另一些应用例中，睡眠质量分析 引擎222可以将睡眠质量指针传送给第三方装置。举例来说（但不限于此），所述第三方装 置可以是医院（或是研究机构）所设置睡眠中心的病历数据库，而医师（或研究人员）可 以利用睡眠质量分析引擎222所提供的睡眠质量指针来进行诊断（或研究）。
[0075] 图9是说明图2所不睡眠事件检测系统200的另一种实施范例不意图。图9所不 睡眠事件检测系统200、生理测量装置210与运算处理装置220可以参照图2至图6的相关 说明而类推。图9所示穿戴式心跳传感器211、行动装置212、信号转换特征参数引擎221 与睡眠质量分析引擎222可以参照图7至图8的相关说明而类推。在图9所示实施例中， 运算处理装置220还包括数据库223与分类规则产生引擎224。
[0076] 数据库223可以储存多笔样本心跳率以及多笔对应样本状态。分类规则产生引擎 224可以单位期间EPl为基准点而定义具有不同大小的多个窗口期间。举例来说，图10是 依照本发明实施例说明心跳率的示意图。图10所示横轴表示时间。图10绘示一个单位期 间EPl作为说明例，而其余单位期间可以参照单位期间EPl的相关说明而类推。如图10所 示，分类规则产生引擎224以单位期间EPl为基准点而定义具有不同大小的多个窗口期间 Ws(O)、Ws(l)、...、Ws (N)。
[0077] 分类规则产生引擎224可以分别计算在不同窗口期间Ws(O)~Ws(N)中的样本心 跳率的特征参数F (0)、F (1).....F (N)，以及依据对应样本状态与特征参数F (0)~F (N)而 决定第一窗口长度与第二窗口长度（例如图4所示第一窗口期间Wl的长度与第二窗口期 间W2的长度）。举例来说，分类规则产生引擎224可以分别计算在不同窗口期间Ws(O)~ Ws(N)中的样本心跳率的平均值（或心率变异），而获得特征参数F(O)~F(N)。分类规则 产生引擎224可以使用特征参数F(O)~F(N)与对应样本状态进行模型训练，而从（2 n-1) 种特征参数组合中选择特定特征参数，以满足具有最佳的辨识正确性。分类规则产生引擎 224可以找到辨识清醒状态和睡眠状态（或非清醒状态）的正确性达到最佳的第一特征参 数组合（例如第一窗口期间Wl的长度与第一阈值TH1)，而将此第一特征参数组合提供给信 号转换特征参数引擎221与睡眠质量分析引擎222。
[0078] 在选择好第一特征参数组合后，分类规则产生引擎224可以从其余（2N-2)种特征 参数组合中选择特定特征参数，以寻找辨识深睡状态和非深睡状态的正确性达到最佳的第 二特征参数组合（例如第二窗口期间W2的长度与第二阈值TH2)，而将此第二特征参数组合 提供给信号转换特征参数引擎221与睡眠质量分析引擎222。
[0079] 在选择好第二特征参数组合后，分类规则产生引擎224可以从其余（2N-3)种特征 参数组合中选择特定特征参数，以寻找辨识快速眼动状态和浅睡状态的正确性达到最佳的 第三特征参数组合（例如第三窗口期间W3的长度与第三阈值TH3)，而将此第三特征参数组 合提供给信号转换特征参数引擎221与睡眠质量分析引擎222。
[0080] 信号转换特征参数引擎221耦接分类规则产生引擎224,以接收第一窗口长度与 第二窗口长度。信号转换特征参数引擎221可以依据该第一窗口长度将心跳率转换成第一 参数，以及依据该第二窗口长度将心跳率转换成第二参数（请详参图7与图8的相关说明 而类推）。在另一些实施例中，信号转换特征参数引擎221从分类规则产生引擎224接收第 一窗口长度、第二窗口长度与第三窗口长度。信号转换特征参数引擎221还可以依据该第 三窗口长度将心跳率转换成第三参数（请详参图6的相关说明而类推）。
[0081] 在其他实施例中，分类规则产生引擎224可以采用基于规则的方法（Rule based method)、基于机器学习的方法（Machine learning based method)或者混和方法（Hybrid method)。所述机器学习的方法可以包括支持向量机（Support Vector Machine，简称SVM) 分类器、以统计模型为基?。⊿tatistical model based)的分类器和/或其他基于学习的 算法。所述以统计模型为基础的分类器可以包括逻辑回归（Logistic regression)方法、 接收者操作特征（receiver operating characteristic，ROC)曲线分析和/或其他统计模 型。在一些实施例中，分类规则产生引擎224可以采用ROC曲线分析来决定上述第一阈值 TH1、第二阈值TH2、第三阈值TH3和/或其他阈值。
[0082] 举例来说，所述基于规则的方法可以采用下述规则：生物在深睡（SWS)时，心跳的 变异较??；生物在清醒（wake)和快速眼动（Rem)期间，心跳是较快的；以及生物在快速眼 动期间维持一段时间心跳快?；蛘?，分类规则产生引擎224可以基于下述规则而运作：依据 心跳快慢来区分第一状态（包含清醒状态与快速眼动状态）与第二状态（包含浅睡状态与 深睡状态）；和/或依据心跳变异大小来区分第一状态（包含清醒状态、快速眼动状态与浅 睡状态）与第二状态（包含深睡状态）。
[0083] 图11是说明图2所示睡眠事件检测系统200的再一种实施范例示意图。图11所 示睡眠事件检测系统200、生理测量装置210与运算处理装置220可以参照图2至图6的 相关说明而类推。图11所示穿戴式心跳传感器211、行动装置212、信号转换特征参数引擎 221与睡眠质量分析引擎222可以参照图7至图8的相关说明而类推。图11所示数据库 223与分类规则产生引擎224可以参照图9至图10的相关说明而类推。在图11所示实施 例中，运算处理装置220还包括睡眠呼吸中止分析引擎225。
[0084] 分类规则产生引擎224可以依据特征参数F(O)~F(N)而决定睡眠呼吸中止事件 阈值THosa。利用数据库223的数据，分类规则产生引擎224可以计算目标判定区间的特征 参数值（例如心跳率的平均值和/或心率变异）。利用逻辑回归（logistic regression) 建模以及接收者操作特征（receiver operating characteristic curve，R0C)曲线方法进 行阈值（threshold)分析，以找出区分发生睡眠呼吸中止事件与正常状态（没发生睡眠呼 吸中止事件）的最佳阈值，作为所述睡眠呼吸中止事件阈值THosa。分类规则产生引擎224 可以将此睡眠呼吸中止事件阈值THosa提供给睡眠呼吸中止分析引擎225。
[0085] 运算处理装置220的睡眠呼吸中止分析引擎225可以将在单位期间EPl中的心跳 率转换成睡眠呼吸中止事件的风险估计值。运算处理装置220的睡眠呼吸中止分析引擎 225可以通过使用该风险估计值来辨识单位期间EPl是否为睡眠呼吸中止候选期间。运算 处理装置220的睡眠呼吸中止分析引擎225还可以依据"单位期间EPl是否属于第一状态" 的睡眠状态辨识结果而来确认该睡眠呼吸中止候选期间是否发生睡眠呼吸中止事件。
[0086] 举例来说，图12是依照本发明再一实施例说明一种睡眠事件检测方法的流程示 意图。请参照图11与图12,信号转换特征参数引擎221可以经由穿戴式心跳传感器211与 行动装置212收集使用者10在不同时间的心跳率（步骤S310)。信号转换特征参数引擎 221可以将这些心跳率转换成第一参数、第二参数、第三参数与风险估计值（步骤S1220)。 所述第一参数、第二参数、第三参数可以参照图3至图6的相关说明而类推，故不再赘述。
[0087] 睡眠质量分析引擎222可以依据信号转换特征参数引擎221所提供的参数来辨识 单位期间属于何种状态，以获得睡眠状态辨识结果。睡眠质量分析引擎222可以通过使用 信号转换特征参数引擎221所提供的第一参数来辨识单位期间（例如单位期间EP1)是否 属于第一状态或第二状态（步骤S1231)。举例来说（但不限于此），分类规则产生引擎224 可以提供/定义一个第一阈值TH1，而睡眠质量分析引擎222可以比较信号转换特征参数引 擎221所提供的第一参数与分类规则产生引擎224所提供的第一阈值THl。当第一参数大 于第一阈值THl时，睡眠质量分析引擎222可以辨识/分类在单位期间EPl中的这些心跳 率属于第一状态（例如清醒状态）。当第一参数小于第一阈值THl时，睡眠质量分析引擎 222可以辨识/分类在单位期间EPl中的这些心跳率属于第二状态（例如睡眠状态或非清 醒状态）。
[0088] 睡眠质量分析引擎222可以通过使用信号转换特征参数引擎221所提供的第二参 数来辨识单位期间（例如单位期间EP1)是否属于第三状态或第四状态（步骤S1232)。举 例来说（但不限于此），在单位期间EPl被辨识/分类为睡眠状态（或非清醒状态）的情 况下，睡眠质量分析引擎222在步骤S1232可以进一步来辨识被分类为睡眠状态（或非清 醒状态）的单位期间EPl是否属于第三状态或第四状态。分类规则产生引擎224可以提供 /定义一个第二阈值TH2,而睡眠质量分析引擎222可以比较信号转换特征参数引擎221所 提供的第二参数与分类规则产生引擎224所提供的第二阈值TH2。当第二参数小于第二阈 值TH2时，睡眠质量分析引擎222可以将被分类为睡眠状态（或非清醒状态）的单位期间 EPl进一步辨识/分类为第三状态（例如深睡状态）。当第二参数大于第二阈值TH2时，睡 眠质量分析引擎222可以将被分类为睡眠状态（或非清醒状态）的单位期间EPl进一步辨 识/分类为第四状态（例如非深睡状态）。
[0089] 睡眠质量分析引擎222可以通过使用信号转换特征参数引擎221所提供的第三参 数来辨识单位期间（例如单位期间EP1)是否属于第五状态或第六状态（步骤S1233)。举 例来说（但不限于此），在单位期间EPl被辨识/分类为非深睡状态的情况下，睡眠质量分 析引擎222在步骤S1233可以进一步来辨识被分类为非深睡状态的单位期间EPl是否属于 第五状态或第六状态。分类规则产生引擎224可以提供/定义一个第三阈值TH3,而睡眠 质量分析引擎222可以比较信号转换特征参数引擎221所提供的第三参数与分类规则产生 引擎224所提供的第三阈值TH3。当第三参数大于第三阈值TH3时，睡眠质量分析引擎222 可以将被分类为非深睡状态的单位期间EPl进一步辨识/分类为第五状态（例如快速眼动 状态）。当第三参数小于第三阈值TH3时，睡眠质量分析引擎222可以将被分类为非深睡状 态的单位期间EPl进一步辨识/分类为第六状态（例如浅睡状态）。
[0090] 其他单位期间可以参照上述单位期间EPl的相关说明而类推，故不再赘述。图12 所述步骤S1231、S1232、S1233可以参照图6所述步骤S330、S340、S650的相关说明而类推， 图12所述步骤S1234与S1235可以参照图8所述步骤S350、S860的相关说明而类推，故不 再赘述。
[0091] 在一些实施例中，信号转换特征参数引擎221可以在步骤S1220计算下述等式1， 以获得发生睡眠呼吸中止事件的风险估计值P(〇SA|epoch)。其中，exp()表示以欧拉数 (Euler' s number) e为底数的指数函数，Pm表示在一个单位期间（例如单位期间EP1)中 的心跳率的平均，而Pv表示在一个单位期间（例如单位期间EP1)中的心跳率的心率变异。 等式1中的系数a、b、c可以视设计需求来决定。举例来说（但不以此为限），可以从0~ 10中选择一实数（例如0. 039)作为系数a，从0~10中选择一实数（例如4. 721)作为系 数b，从0~30中选择一实数（例如15. 561)作为系数c。 ，、…， ，、 cxpii/ - h χ Pm + c x Pr)
[0092] PK〇SA I epoch)=---、一~--^等式 I I + exp(i/ -b /, rm + c x rv)
[0093] 睡眠呼吸中止分析引擎225耦接信号转换特征参数引擎221，以接收该风险估计 值p (OSAI印och)。睡眠呼吸中止分析引擎225耦接分类规则产生引擎224,以接收睡眠呼 吸中止事件阈值THosa。睡眠呼吸中止分析引擎225在步骤S1241可以使用风险估计值 P(OSAlep0Ch)来辨识单位期间（例如单位期间EP1)是否为睡眠呼吸中止候选期间。举 例来说（但不限于此），睡眠呼吸中止分析引擎225在步骤S1241可以比较风险估计值 p(0SA|ep〇Ch)与睡眠呼吸中止事件阈值THosa，以辨识单位期间EPl是否为睡眠呼吸中止 候选期间。
[0094] 睡眠呼吸中止分析引擎225耦接睡眠质量分析引擎222,以接收步骤S1231的睡眠 状态辨识结果。在步骤S1242中，睡眠呼吸中止分析引擎225可以依据步骤S1231的睡眠状 态辨识结果而来确认步骤S1241所标注的睡眠呼吸中止候选期间是否发生睡眠呼吸中止 事件。举例来说（但不限于此），图13是依照本发明实施例说明确认睡眠呼吸中止的示意 图。图13所示横轴表示时间。在对所有心跳率的不同单位期间（例如图13所示单位期间 EP(i-l)、EP(i)与EP(i+l))进行上述步骤S1231后，运算处理装置220可以获得第一层的 睡眠状态序列（例如图13所示睡眠状态S、W、S...)，并将此睡眠状态序列作为步骤S1231 的睡眠状态辨识结果而提供给睡眠呼吸中止分析引擎225。在图13所示实施例中，W表示 清醒状态，S表示睡眠状态（非清醒状态）。
[0095] 另一方面，在对所有心跳率的不同单位期间（例如图13所示单位期间EP(i-l)、 EP(i)与EP(i+l))进行上述步骤S1241后，睡眠呼吸中止分析引擎225可以获得睡眠呼吸 中止候选序列（例如图13所示睡眠呼吸中止状态NE、E、NE...)。在图13所示实施例中， E表示该单位期间为睡眠呼吸中止候选期间，NE表示正常状态（该单位期间没有发生睡眠 呼吸中止）。在步骤S1242中，当睡眠呼吸中止分析引擎225发现单位期间EP(i)是睡眠 呼吸中止候选期间时，睡眠呼吸中止分析引擎225会进一步检查候选单位期间EP(i)的前 后单位期间EP(i-l)与EP(i+l)的睡眠状态。当前后单位期间EP(i-l)与EP(i+l)的睡眠 状态均为睡眠状态S(非清醒状态）时，睡眠呼吸中止分析引擎225可以确认睡眠呼吸中 止候选期间（即单位期间EP(i))发生了睡眠呼吸中止事件。若前后单位期间EP(i-l)与 EP (i+1)其中一者的睡眠状态不为睡眠状态S (非清醒状态），或是若前后单位期间EP (i-1) 与EP (i+1)的睡眠状态都不是睡眠状态S (非清醒状态），则睡眠呼吸中止分析引擎225可 以确认睡眠呼吸中止候选期间（即单位期间EP(i))没有发生睡眠呼吸中止事件。
[0096] 其他单位期间的操作可以参照上述单位期间EP(i)的相关说明而类推，故不再赘 述。在对所有心跳率的不同单位期间进行上述步骤S1241~S1242后，睡眠呼吸中止分析 引擎225可以在步骤S1243获得经确认的睡眠呼吸中止事件序列。
[0097] 在完成步骤S1243后，睡眠呼吸中止分析引擎225可以进行步骤S1244,以计算睡 眠呼吸中止指标。举例来说（但不限于此），睡眠呼吸中止分析引擎225可以计算[Nosa/ (Ne*d) ] 而获得睡眠呼吸中止指标，其中Nosa表示经确认发生睡眠呼吸中止事件的单位 期间（epoch)个数，而Ne表示被观测的单位期间的总个数。系数d与f可以视设计需求来 决定。举例来说（但不以此为限），可以从〇~10中选择一实数（例如〇. 5)作为系数d， 从0~100中选择一实数（例如60)作为系数f。
[0098] 在完成步骤S1244后，睡眠呼吸中止分析引擎225可以经由所述通信网路将睡眠 呼吸中止指针回传给行动装置212。在完成步骤S1235后，睡眠质量分析引擎222可以经由 所述通信网路将睡眠质量指针回传给行动装置212。待使用者10睡醒后，行动装置212可 以依据此睡眠质量指针与睡眠呼吸中止指针而提供/显示睡眠质量评估报告（步骤S1250) 给使用者10。图12所述步骤S1250可以参照图8所述步骤S870的相关说明而类推，故不 再赘述。
[0099] 综上所述，本发明诸实施例揭示了睡眠事件检测方法与睡眠事件检测系统，可以 用来评量睡眠的优劣和/或估计睡眠呼吸中止事件发生。生理测量装置可以连续测量并记 录受测者/使用者的心跳，并将心跳数据传到运算处理装置。生理测量装置可以方便携带 且可方便长期测量。在一些实施例中，运算处理装置可以将经过运算后的睡眠事件检测结 果传回生理测量装置（例如智能型手机）。经过运算后的所述睡眠事件检测结果可显示使 用者睡眠质量信息和睡眠呼吸中止事件的相关风险指数，作为日?；疃婊??；蛘?，经过运 算后的所述睡眠事件检测结果可在就医时提供睡眠信息给医护人员参考。本发明诸实施例 所揭示的方法与系统可以帮助使用者了解自我（或他人）睡眠过程，以便及早发现睡眠问 题。
[0100] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详 细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在 本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的?；?范围之内。
【主权项】
1. 一种睡眠事件检测系统，其特征在于，该睡眠事件检测系统包括： 生理测量装置，经配置W在不同时间测量多个屯、跳率；W及 运算处理装置，禪接该生理测量装置W收集运些屯、跳率，经配置W将运些屯、跳率转换 成第一参数与第二参数，通过使用该第一参数来辨识运些屯、跳率在单位期间是否属于第一 状态或第二状态，W及通过使用该第二参数来辨识运些屯、跳率在该单位期间是否属于第= 状态或第四状态，其中该运算处理装置包括： 分类规则产生引擎，经配置W该单位期间为基准点而定义具有不同大小的多个窗口期 间，W及分别计算在运些窗口期间中的多笔样本屯、跳率的特征参数，W及依据多笔对应样 本状态与运些特征参数而决定第一窗口长度与第二窗口长度； 信号转换特征参数引擎，禪接该生理测量装置W收集运些屯、跳率，禪接该分类规则产 生引擎W接收该第一窗口长度与该第二窗口长度，经配置W依据该第一窗口长度将运些屯、 跳率转换成该第一参数，W及依据该第二窗口长度将运些屯、跳率转换成该第二参数；W及 睡眠质量分析引擎，禪接该信号转换特征参数引擎W接收该第一参数与该第二参数， 经配置W依据该第一参数与该第二参数来辨识运些屯、跳率在该单位期间是否属于该第一 状态、该第二状态、该第=状态或该第四状态，W及计算睡眠质量指针。2. 如权利要求1所述的睡眠事件检测系统，其特征在于，该生理测量装置包括： 穿戴式屯、跳传感器，经配置W穿戴在使用者身上，W及检测该使用者在不同时间的运 些屯、跳率；W及 行动装置，禪接该穿戴式屯、跳传感器与该运算处理装置，经配置W收集运些屯、跳率，W 及将运些屯、跳率经由通信网路传送给该运算处理装置。3. 如权利要求1所述的睡眠事件检测系统，其特征在于，该运算处理装置还包括： 数据库，经配置W储存并提供运些样本屯、跳率W及运些对应样本状态。4. 如权利要求1所述的睡眠事件检测系统，其特征在于，该第一参数是在第一窗口期 间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第二参数是 在第二窗口期间中的运些屯、跳率的平均值或屯、率变异，该第二窗口期间包含该单位期间。5. 如权利要求1所述的睡眠事件检测系统，其特征在于，该第一状态表示使用者处于 清醒状态，该第二状态表示该使用者处于睡眠状态，该第=状态表示该使用者处于深睡状 态，该第四状态表示该使用者处于非深睡状态。6. 如权利要求1所述的睡眠事件检测系统，其特征在于，该运算处理装置经配置W将 运些屯、跳率转换成该第一参数、该第二参数与第=参数，W及通过使用该第=参数来辨识 运些屯、跳率在该单位期间是否属于第五状态或第六状态。7. 如权利要求6所述的睡眠事件检测系统，其特征在于，该第一参数是在第一窗口期 间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第二参数是 在第二窗口期间中的运些屯、跳率的屯、率变异，该第二窗口期间包含该单位期间，该第=参 数是在第=窗口期间中的运些屯、跳率的平均值，该第=窗口期间包含该单位期间。8. 如权利要求6所述的睡眠事件检测系统，其特征在于，该第一状态表示使用者处于 清醒状态，该第二状态表示该使用者处于睡眠状态，该第=状态表示该使用者处于深睡状 态，该第四状态表示该使用者处于非深睡状态，该第五状态表示该使用者处于快速眼动状 态，该第六状态表示该使用者处于浅睡状态。9. 如权利要求1所述的睡眠事件检测系统，其特征在于，该运算处理装置经配置W将 在该单位期间中的运些屯、跳率转换成睡眠呼吸中止事件的风险估计值，通过使用该风险估 计值来辨识该单位期间是否为睡眠呼吸中止候选期间，W及依据该单位期间是否属于该第 一状态的睡眠状态辨识结果而来确认该睡眠呼吸中止候选期间是否发生该睡眠呼吸中止 事件。10. 如权利要求9所述的睡眠事件检测系统，其特征在于，该分类规则产生引擎经配置 更依据运些特征参数而决定睡眠呼吸中止事件阔值，该信号转换特征参数引擎经配置更将 在该单位期间中的运些屯、跳率转换成该风险估计值，该睡眠质量分析引擎经配置更依据该 第一参数来辨识运些屯、跳率在该单位期间是否属于该第一状态或该第二状态W输出该睡 眠状态辨识结果，而该运算处理装置还包括： 睡眠呼吸中止分析引擎，禪接该信号转换特征参数引擎W接收该风险估计值，禪接该 睡眠质量分析引擎W接收该睡眠状态辨识结果，禪接该分类规则产生引擎W接收该睡眠呼 吸中止事件阔值，经配置W比较该风险估计值与该睡眠呼吸中止事件阔值W辨识该单位期 间是否为该睡眠呼吸中止候选期间，W及依据该睡眠状态辨识结果而来确认该睡眠呼吸中 止候选期间是否发生该睡眠呼吸中止事件。11. 如权利要求9所述的睡眠事件检测系统，其特征在于，该运算处理装置经配置W计 算该风险估计值其中exp 0表示 W欧拉数e为底数的指数函数，Pm表示在该单位期间中的屯、跳率的平均，而Pv表示在该单 位期间中的屯、跳率的屯、率变异。12. -种睡眠事件检测方法，其特征在于，该睡眠事件检测方法包括： 由运算处理装置的分类规则产生引擎W单位期间为基准点而定义具有不同大小的多 个窗口期间，W及分别计算在运些窗口期间中的多笔样本屯、跳率的特征参数，W及依据多 笔对应样本状态与运些特征参数而决定第一窗长度与第二窗长度； 由生理测量装置在不同时间测量多个屯、跳率； 由该运算处理装置的信号转换特征参数引擎依据该第一窗口长度将运些屯、跳率转换 成第一参数，W及依据该第二窗口长度将运些屯、跳率转换成第二参数； 由该运算处理装置的睡眠质量分析引擎通过使用该第一参数来辨识运些屯、跳率在该 单位期间是否属于第一状态或第二状态；W及 由该睡眠质量分析引擎通过使用该第二参数来辨识运些屯、跳率在该单位期间是否属 于第=状态或第四状态。13. 如权利要求12所述的睡眠事件检测方法，其特征在于，所述测量运些屯、跳率的步 骤包括： 由穿戴式屯、跳传感器检测使用者在不同时间的屯、跳率；W及 由行动装置将运些屯、跳率经由通信网路传送给该运算处理装置。14. 如权利要求12所述的睡眠事件检测方法，其特征在于，该运算处理装置更包括数 据库；该数据库储存并提供运些样本屯、跳率W及运些对应样本状态。15. 如权利要求12所述的睡眠事件检测方法，其特征在于，该第一参数是在第一窗口 期间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第二参数 是在第二窗口期间中的运些屯、跳率的平均值或屯、率变异，该第二窗口期间包含该单位期 间。16. 如权利要求12所述的睡眠事件检测方法，其特征在于，该第一状态表示使用者处 于清醒状态，该第二状态表示该使用者处于睡眠状态，该第=状态表示该使用者处于深睡 状态，该第四状态表示该使用者处于非深睡状态。17. 如权利要求12所述的睡眠事件检测方法，其特征在于，该运算处理装置将运些屯、 跳率转换成该第一参数、该第二参数与第=参数，而该睡眠事件检测方法还包括： 通过使用该第=参数来辨识运些屯、跳率在该单位期间是否属于第五状态或第六状态。18. 如权利要求17所述的睡眠事件检测方法，其特征在于，该第一参数是在第一窗口 期间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第二参数 是在第二窗口期间中的运些屯、跳率的屯、率变异，该第二窗口期间包含该单位期间，该第= 参数是在第=窗口期间中的运些屯、跳率的平均值，该第=窗口期间包含该单位期间。19. 如权利要求17所述的睡眠事件检测方法，其特征在于，该第一状态表示使用者处 于清醒状态，该第二状态表示该使用者处于睡眠状态，该第=状态表示该使用者处于深睡 状态，该第四状态表示该使用者处于非深睡状态，该第五状态表示该使用者处于快速眼动 状态，该第六状态表示该使用者处于浅睡状态。20. 如权利要求12所述的睡眠事件检测方法，其特征在于，该睡眠事件检测方法还包 括： 由该运算处理装置将在该单位期间中的运些屯、跳率转换成睡眠呼吸中止事件的风险 估计值； 通过使用该风险估计值来辨识该单位期间是否为睡眠呼吸中止候选期间；W及 依据所述辨识该单位期间是否属于该第一状态步骤的睡眠状态辨识结果，而来确认该 睡眠呼吸中止候选期间是否发生该睡眠呼吸中止事件。21. 如权利要求20所述的睡眠事件检测方法，其特征在于，该运算处理装置更包括数 据库W及睡眠质量分析引擎；该数据库储存并提供运些样本屯、跳率W及运些对应样本状 态；该分类规则产生引擎依据运些特征参数而决定睡眠呼吸中止事件阔值；该信号转换特 征参数引擎将在该单位期间中的运些屯、跳率转换成该风险估计值；该睡眠质量分析引擎依 据该第一参数来辨识运些屯、跳率在该单位期间是否属于该第一状态或该第二状态W输出 该睡眠状态辨识结果，W及计算睡眠质量指针；W及该睡眠呼吸中止分析引擎比较该风险 估计值与该睡眠呼吸中止事件阔值W辨识该单位期间是否为该睡眠呼吸中止候选期间，W 及依据该睡眠状态辨识结果而来确认该睡眠呼吸中止候选期间是否发生该睡眠呼吸中止 事件。22. 如权利要求20所述的睡眠事件检测方法，其特征在于，所述将于该单位期间中的 运些屯、跳率转换成该风险估计值的步骤包括： 由该运算处理装置计算该风险估计值其中exp 0表示W欧拉数e为底数的指数函数，化表示在该单 位期间中的屯、跳率的平均，而Pv表示在该单位期间中的屯、跳率的屯、率变异。23. -种睡眠事件检测系统，其特征在于，该睡眠事件检测系统包括： 生理测量装置，经配置W在不同时间测量多个屯、跳率；W及 运算处理装置，禪接该生理测量装置W收集运些屯、跳率，经配置W将运些屯、跳率转换 成第一参数与第二参数，通过使用该第一参数来辨识运些屯、跳率在单位期间是否属于第一 状态或第二状态W获得睡眠状态辨识结果，W及通过使用该第二参数来辨识该单位期间是 否为睡眠呼吸中止候选期间，W及通过使用该睡眠状态辨识结果来确认该睡眠呼吸中止候 选期间是否发生睡眠呼吸中止事件。24. 如权利要求23所述的睡眠事件检测系统，其特征在于，该生理测量装置包括： 穿戴式屯、跳传感器，经配置W穿戴在使用者身上，W及检测该使用者在不同时间的运 些屯、跳率；W及 行动装置，禪接该穿戴式屯、跳传感器与该运算处理装置，经配置W收集运些屯、跳率，W 及将运些屯、跳率经由通信网路传送给该运算处理装置。25. 如权利要求23所述的睡眠事件检测系统，其特征在于，该运算处理装置包括： 数据库，经配置W储存多笔样本屯、跳率W及多笔对应样本状态； 分类规则产生引擎，经配置W该单位期间为基准点而定义具有不同大小的多个窗口期 间，W及分别计算在运些窗口期间中的运些样本屯、跳率的特征参数，W及依据运些对应样 本状态与运些特征参数而决定第一窗口长度，W及依据运些特征参数而决定睡眠呼吸中止 事件阔值； 信号转换特征参数引擎，禪接该生理测量装置W收集运些屯、跳率，禪接该分类规则产 生引擎W接收该第一窗口长度，经配置W依据该第一窗口长度将运些屯、跳率转换成该第一 参数，W及将在该单位期间中的运些屯、跳率转换成该第二参数； 睡眠质量分析引擎，禪接该信号转换特征参数引擎W接收该第一参数，经配置W依据 该第一参数来辨识运些屯、跳率在该单位期间是否属于该第一状态或该第二状态W获得该 睡眠状态辨识结果，W及计算睡眠质量指针；W及 睡眠呼吸中止分析引擎，禪接该信号转换特征参数引擎W接收该第二参数，禪接该睡 眠质量分析引擎W接收该睡眠状态辨识结果，禪接该分类规则产生引擎W接收该睡眠呼吸 中止事件阔值，经配置W比较该第二参数与该睡眠呼吸中止事件阔值W辨识该单位期间是 否为该睡眠呼吸中止候选期间，W及依据该睡眠状态辨识结果而来确认该睡眠呼吸中止候 选期间是否发生该睡眠呼吸中止事件。26. 如权利要求23所述的睡眠事件检测系统，其特征在于，该第一参数是在第一窗口 期间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第二参数 是在该单位期间中发生该睡眠呼吸中止事件的风险估计值。27. 如权利要求26所述的睡眠事件检测系统，其特征在于，该运算处理装置计算该风 险估计值其中exp O表示W欧拉数e 为底数的指数巧数，化表不巧该单位期间中的屯、跳军的干均，而Pv表示在该单位期间中的 屯、跳率的屯、率变异。28. 如权利要求23所述的睡眠事件检测系统，其特征在于，该第一状态表示使用者处 于清醒状态，该第二状态表示该使用者处于睡眠状态。29. 如权利要求23所述的睡眠事件检测系统，其特征在于，该运算处理装置经配置W 将运些屯、跳率转换成该第一参数、第=参数与第四参数，通过使用该第=参数来辨识运些 屯、跳率在该单位期间是否属于第=状态或第四状态，W及通过使用该第四参数来辨识运些 屯、跳率在该单位期间是否属于第五状态或第六状态。30. 如权利要求29所述的睡眠事件检测系统，其特征在于，该第一参数是在第一窗口 期间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第=参数 是在第二窗口期间中的运些屯、跳率的屯、率变异，该第二窗口期间包含该单位期间，该第四 参数是在第=窗口期间中的运些屯、跳率的平均值，该第=窗口期间包含该单位期间。31. 如权利要求29所述的睡眠事件检测系统，其特征在于，该第一状态表示使用者处 于清醒状态，该第二状态表示该使用者处于睡眠状态，该第=状态表示该使用者处于深睡 状态，该第四状态表示该使用者处于非深睡状态，该第五状态表示该使用者处于快速眼动 状态，该第六状态表示该使用者处于浅睡状态。32. -种睡眠事件检测方法，其特征在于，该睡眠事件检测方法包括： 由生理测量装置在不同时间测量多个屯、跳率； 由运算处理装置将运些屯、跳率转换成第一参数与第二参数； 通过使用该第一参数来辨识运些屯、跳率在单位期间是否属于第一状态或第二状态，W 获得睡眠状态辨识结果； 通过使用该第二参数来辨识该单位期间是否为睡眠呼吸中止候选期间；W及 通过使用该睡眠状态辨识结果来确认该睡眠呼吸中止候选期间是否发生睡眠呼吸中 止事件。33. 如权利要求32所述的睡眠事件检测方法，其特征在于，所述测量运些屯、跳率的步 骤包括： 由穿戴式屯、跳传感器检测使用者在不同时间的运些屯、跳率拟及 由行动装置将运些屯、跳率经由通信网路传送给该运算处理装置。34. 如权利要求32所述的睡眠事件检测方法，其特征在于，该运算处理装置包括数据 库、分类规则产生引擎、信号转换特征参数引擎、睡眠质量分析引擎W及睡眠呼吸中止分析 引擎；该数据库储存多笔样本屯、跳率W及多笔对应样本状态；该分类规则产生引擎W该单 位期间为基准点而定义具有不同大小的多个窗口期间，W及分别计算在运些窗口期间中的 运些样本屯、跳率的特征参数，W及依据运些对应样本状态与运些特征参数而决定第一窗长 度，W及依据运些特征参数而决定睡眠呼吸中止事件阔值；该信号转换特征参数引擎依据 该第一窗口长度将运些屯、跳率转换成该第一参数，W及将在该单位期间中的运些屯、跳率转 换成该第二参数；该睡眠质量分析引擎依据该第一参数来辨识运些屯、跳率在该单位期间是 否属于该第一状态或该第二状态W获得该睡眠状态辨识结果，W及计算睡眠质量指针；W 及该睡眠呼吸中止分析引擎比较该第二参数与该睡眠呼吸中止事件阔值W辨识该单位期 间是否为该睡眠呼吸中止候选期间，W及依据该睡眠状态辨识结果而来确认该睡眠呼吸中 止候选期间是否发生该睡眠呼吸中止事件。35. 如权利要求32所述的睡眠事件检测方法，其特征在于，该第一参数是在第一窗口 期间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第二参数 是在该单位期间中发生该睡眠呼吸中止事件的风险估计值。36. 如权利要求35项所述的睡眠事件检测方法，其特征在于，所述将运些屯、跳率转换 成该第二参数的步骤包括： 由该运算处理装置计算该风险估计值，其中exp O表示W欧拉数e为底数的指数函数，化表示在该单 位期间中的屯、跳率的平均，而Pv表示在该单位期间中的屯、跳率的屯、率变异。37. 如权利要求32所述的睡眠事件检测方法，其特征在于，该第一状态表示使用者处 于清醒状态，该第二状态表示该使用者处于睡眠状态。38. 如权利要求32所述的睡眠事件检测方法，其特征在于，该运算处理装置将运些屯、 跳率转换成该第一参数、第=参数与第四参数，而该睡眠事件检测方法还包括： 通过使用该第=参数来辨识运些屯、跳率在该单位期间是否属于第=状态或第四状态； W及 通过使用该第四参数来辨识运些屯、跳率在该单位期间是否属于第五状态或第六状态。39. 如权利要求38所述的睡眠事件检测方法，其特征在于，该第一参数是在第一窗口 期间中的运些屯、跳率的平均值或屯、率变异，该第一窗口期间包含该单位期间，该第=参数 是在第二窗口期间中的运些屯、跳率的屯、率变异，该第二窗口期间包含该单位期间，该第四 参数是在第=窗口期间中的运些屯、跳率的平均值，该第=窗口期间包含该单位期间。40. 如权利要求38所述的睡眠事件检测方法，其特征在于，该第一状态表示使用者处 于清醒状态，该第二状态表示该使用者处于睡眠状态，该第=状态表示该使用者处于深睡 状态，该第四状态表示该使用者处于非深睡状态，该第五状态表示该使用者处于快速眼动 状态，该第六状态表示该使用者处于浅睡状态。
【文档编号】A61B5/00GK105982643SQ201510065050
【公开日】2016年10月5日
【申请日】2015年2月9日
【发明人】黄清煜, 高嘉宏, 蔡明杰, 陈君萍
【申请人】财团法人工业技术研究院