睡眠事件檢測(cè)方法與系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種睡眠事件檢測(cè)方法與系統(tǒng)。睡眠事件檢測(cè)系統(tǒng)包括生理測(cè)量裝置以及運(yùn)算處理裝置。生理測(cè)量裝置可以在不同時(shí)間測(cè)量多個(gè)心跳率。運(yùn)算處理裝置耦接生理測(cè)量裝置以收集這些心跳率。運(yùn)算處理裝置可以將心跳率轉(zhuǎn)換成第一參數(shù)與第二參數(shù)。通過使用第一參數(shù)，運(yùn)算處理裝置可以辨識(shí)心跳率在單位期間是否屬于第一狀態(tài)或第二狀態(tài)。通過使用第二參數(shù)，運(yùn)算處理裝置可以辨識(shí)心跳率在單位期間是否屬于第三狀態(tài)或第四狀態(tài)。
【專利說明】
睡眠事件檢測(cè)方法與系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種睡眠事件檢測(cè)方法與系統(tǒng)。
【背景技術(shù)】
[0002] 長(zhǎng)期睡眠不足或是睡眠質(zhì)量不佳（例如睡眠時(shí)間破碎、睡眠效率低落等），容易發(fā) 生認(rèn)知能力衰退（例如記憶能力降低和/或注意力無法集中）。睡眠不足亦可能增加心臟 病、高血壓、糖尿病、代謝綜合癥和/或癌癥的患病機(jī)率。另外，肥胖可能與睡眠不足有關(guān)。 然而，失眠的問題困擾著無數(shù)的現(xiàn)代人。
[0003] 另外，睡眠呼吸中止癥（Sle印Apnea)是一種睡眠時(shí)候呼吸停止的睡眠障礙。睡 眠呼吸中止癥主要可區(qū)分為三個(gè)類型：阻塞性睡眠呼吸暫停（Obstructive Sleep Apnea， 0SA)、中樞神經(jīng)性睡眠呼吸暫停（Central Sle印Apnea，CSA)與混合性睡眠呼吸暫停 (Mixed Apnea)。睡眠呼吸中止癥患者可能會(huì)覺得一直睡不飽，因?yàn)樗麄兊哪X部在睡覺期間 常常處在缺氧的狀態(tài)中。醒來后，睡眠呼吸中止癥患者可能會(huì)覺得昏昏沉沉、頭昏腦脹、沒 精神。睡眠呼吸中止癥患者可能會(huì)在開會(huì)或開車時(shí)打瞌睡。
[0004] 要擁有好的睡眠質(zhì)量與足夠的睡眠時(shí)間，人們需要先了解自己的睡眠是如何進(jìn)行 的。了解自己的睡眠的進(jìn)程之后，人們就可以知道自己應(yīng)該要在什么時(shí)候睡覺，以及可預(yù)期 什么時(shí)候醒來。因?yàn)榱私庾约旱乃叩倪M(jìn)程，人們可以依據(jù)自己的睡眠進(jìn)程來妥善選擇適 合自己的睡眠策略，以便讓自己可以擁有良好的睡眠質(zhì)量與足夠的睡眠時(shí)間。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種睡眠事件檢測(cè)方法與系統(tǒng)，以便于使用者檢測(cè)自己或他人的睡眠 事件，例如睡眠狀態(tài)的改變、睡眠呼吸中止事件和/或其他睡眠進(jìn)程中所發(fā)生的事件。
[0006] 本發(fā)明的實(shí)施例中提供一種睡眠事件檢測(cè)系統(tǒng)。睡眠事件檢測(cè)系統(tǒng)包括生理測(cè)量 裝置以及運(yùn)算處理裝置。生理測(cè)量裝置可以在不同時(shí)間測(cè)量多個(gè)心跳率（Heart rate，HR)。 運(yùn)算處理裝置耦接生理測(cè)量裝置以收集這些心跳率。運(yùn)算處理裝置可以將心跳率轉(zhuǎn)換成第 一參數(shù)與第二參數(shù)。通過使用第一參數(shù)，運(yùn)算處理裝置可以辨識(shí)心跳率在單位期間（epoch) 是否屬于第一狀態(tài)或第二狀態(tài)。通過使用第二參數(shù)，運(yùn)算處理裝置可以辨識(shí)心跳率在單位 期間是否屬于第三狀態(tài)或第四狀態(tài)。運(yùn)算處理裝置包括分類規(guī)則產(chǎn)生引擎、信號(hào)轉(zhuǎn)換特征 參數(shù)引擎以及睡眠質(zhì)量分析引擎。分類規(guī)則產(chǎn)生引擎以該單位期間為基準(zhǔn)點(diǎn)而定義具有不 同大小的多個(gè)窗口期間，以及分別計(jì)算于這些窗口期間中的多筆樣本心跳率的特征參數(shù)， 以及依據(jù)多筆對(duì)應(yīng)樣本狀態(tài)與這些特征參數(shù)而決定第一窗口長(zhǎng)度與第二窗口長(zhǎng)度。信號(hào)轉(zhuǎn) 換特征參數(shù)引擎耦接生理測(cè)量裝置以收集心跳率，以及耦接分類規(guī)則產(chǎn)生引擎以接收第一 窗長(zhǎng)度與第二窗長(zhǎng)度。信號(hào)轉(zhuǎn)換特征參數(shù)引擎可以依據(jù)第一窗口長(zhǎng)度將心跳率轉(zhuǎn)換成第一 參數(shù)，以及依據(jù)第二窗口長(zhǎng)度將心跳率轉(zhuǎn)換成第二參數(shù)。睡眠質(zhì)量分析引擎耦接信號(hào)轉(zhuǎn)換 特征參數(shù)引擎以接收第一參數(shù)與第二參數(shù)。睡眠質(zhì)量分析引擎可以依據(jù)第一參數(shù)與第二參 數(shù)來辨識(shí)這些心跳率在單位期間是否屬于第一狀態(tài)、第二狀態(tài)、第三狀態(tài)或第四狀態(tài)，以及 計(jì)算睡眠質(zhì)量指針。
[0007] 本發(fā)明的實(shí)施例中提供一種睡眠事件檢測(cè)方法，包括：由運(yùn)算處理裝置的分類規(guī) 則產(chǎn)生引擎以單位期間為基準(zhǔn)點(diǎn)而定義具有不同大小的多個(gè)窗口期間，以及分別計(jì)算在這 些窗口期間中的多筆樣本心跳率的特征參數(shù)，以及依據(jù)多筆對(duì)應(yīng)樣本狀態(tài)與這些特征參數(shù) 而決定第一窗口長(zhǎng)度與第二窗口長(zhǎng)度；由生理測(cè)量裝置在不同時(shí)間測(cè)量多個(gè)心跳率；由運(yùn) 算處理裝置的信號(hào)轉(zhuǎn)換特征參數(shù)引擎依據(jù)該第一窗長(zhǎng)度將心跳率轉(zhuǎn)換成第一參數(shù)，以及依 據(jù)該第二窗長(zhǎng)度將心跳率轉(zhuǎn)換成第二參數(shù)；由運(yùn)算處理裝置的睡眠質(zhì)量分析引擎通過使用 第一參數(shù)來辨識(shí)心跳率在單位期間是否屬于第一狀態(tài)或一第二狀態(tài)；以及由睡眠質(zhì)量分析 引擎通過使用第二參數(shù)來辨識(shí)心跳率在單位期間是否屬于第三狀態(tài)或一第四狀態(tài)。
[0008] 本發(fā)明的實(shí)施例中提供一種睡眠事件檢測(cè)系統(tǒng)。睡眠事件檢測(cè)系統(tǒng)包括生理測(cè)量 裝置以及運(yùn)算處理裝置。生理測(cè)量裝置經(jīng)可以在不同時(shí)間測(cè)量多個(gè)心跳率。運(yùn)算處理裝置 耦接生理測(cè)量裝置以收集心跳率。運(yùn)算處理裝置可以將心跳率轉(zhuǎn)換成第一參數(shù)與第二參 數(shù)。通過使用第一參數(shù)，運(yùn)算處理裝置可以辨識(shí)心跳率在單位期間是否屬于第一狀態(tài)或第 二狀態(tài)，以獲得一睡眠狀態(tài)辨識(shí)結(jié)果。通過使用該第二參數(shù)，運(yùn)算處理裝置可以辨識(shí)單位期 間是否為睡眠呼吸中止候選期間，以及通過使用睡眠狀態(tài)辨識(shí)結(jié)果來確認(rèn)睡眠呼吸中止候 選期間是否發(fā)生睡眠呼吸中止（Sleep Apnea)事件。
[0009] 本發(fā)明的實(shí)施例中提供一種睡眠事件檢測(cè)方法，包括：由生理測(cè)量裝置在不同時(shí) 間測(cè)量多個(gè)心跳率；由運(yùn)算處理裝置將這些心跳率轉(zhuǎn)換成第一參數(shù)與第二參數(shù)；通過使用 第一參數(shù)來辨識(shí)心跳率在單位期間是否屬于第一狀態(tài)或第二狀態(tài)，以獲得睡眠狀態(tài)辨識(shí)結(jié) 果；通過使用第二參數(shù)來辨識(shí)單位期間是否為睡眠呼吸中止候選期間；以及通過使用睡眠 狀態(tài)辨識(shí)結(jié)果來確認(rèn)睡眠呼吸中止候選期間是否發(fā)生睡眠呼吸中止事件。
[0010] 基于上述，本發(fā)明實(shí)施例所提供的睡眠事件檢測(cè)方法與系統(tǒng)可以幫助受測(cè)者簡(jiǎn)單 且有效地測(cè)量睡眠事件，進(jìn)而了解睡眠過程規(guī)則，以便及早發(fā)現(xiàn)睡眠問題。
[0011] 為讓本發(fā)明的上述特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉實(shí)施例，并配合所附附圖 作詳細(xì)說明如下。
【附圖說明】
[0012] 圖1是說明人類的睡眠進(jìn)程的曲線示意圖；
[0013] 圖2是依照本發(fā)明的實(shí)施例說明一種睡眠事件檢測(cè)系統(tǒng)的方框示意圖；
[0014] 圖3是依照本發(fā)明一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意圖；
[0015] 圖4是依照本發(fā)明實(shí)施例說明心跳率的示意圖；
[0016] 圖5是依照本發(fā)明實(shí)施例說明睡眠狀態(tài)序列的示意圖；
[0017] 圖6是依照本發(fā)明另一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意圖；
[0018] 圖7是說明圖2所不睡眠事件檢測(cè)系統(tǒng)的一種實(shí)施范例不意圖；
[0019] 圖8是依照本發(fā)明又一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意圖；
[0020] 圖9是說明圖2所不睡眠事件檢測(cè)系統(tǒng)的另一種實(shí)施范例不意圖；
[0021] 圖10是依照本發(fā)明實(shí)施例說明心跳率的示意圖；
[0022] 圖11是說明圖2所不睡眠事件檢測(cè)系統(tǒng)的再一種實(shí)施范例不意圖；
[0023] 圖12是依照本發(fā)明再一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意圖；
[0024] 圖13是依照本發(fā)明實(shí)施例說明確認(rèn)睡眠呼吸中止的示意圖。
[0025] 【附圖標(biāo)記說明】
[0026] 10 ： 使用者
[0027] 101、102:睡眠曲線
[0028] 200 ： 睡眠事件檢測(cè)系統(tǒng)：
[0029] 210 ： 生理測(cè)量裝置
[0030] 211 ： 穿戴式心跳傳感器
[0031] 212 ： 行動(dòng)裝置
[0032] 220 ： 運(yùn)算處理裝置
[0033] 221： 信號(hào)轉(zhuǎn)換特征參數(shù)引擎
[0034] 222 ： 睡眠質(zhì)量分析引擎
[0035] 223 ： 數(shù)據(jù)庫(kù)
[0036] 224： 分類規(guī)則產(chǎn)生引擎
[0037] 225 ： 睡眠呼吸中止分析引擎
[0038] E ： 睡眠呼吸中止候選期間
[0039] EPl、EP2、EP3、EP4、EP(i-l)、EP(i)、EP(i+l):單位期間
[0040] F(0)、F(1)、F(N):特征參數(shù)
[0041] NE: 正常狀態(tài)
[0042] P1 !、PpPw:心跳率
[0043] S ： 睡眠狀態(tài)
[0044] Sl ： 非深睡狀態(tài)
[0045] S2 ： 深睡狀態(tài)
[0046] S310 ~S350、S620、S650、S660、S860、S870、S1220 ~S1250 :步驟
[0047] W ： 清醒狀態(tài)
[0048] Wl ： 第一窗口期間
[0049] W2 ： 第二窗口期間
[0050] Ws (0)、Ws (1)、Ws (N):窗 口期間
【具體實(shí)施方式】
[0051] 在本案說明書全文（包括權(quán)利要求書）中所使用的"耦接" 一詞可指任何直接或 間接的連接手段。舉例而言，若文中描述第一裝置耦接于第二裝置，則應(yīng)該被解釋成該第一 裝置可以直接連接于該第二裝置，或者該第一裝置可以透過其他裝置或某種連接手段而間 接地連接至該第二裝置。另外，凡可能之處，在附圖及實(shí)施方式中使用相同標(biāo)號(hào)的元件/構(gòu) 件/步驟代表相同或類似部分。不同實(shí)施例中使用相同標(biāo)號(hào)或使用相同用語(yǔ)的元件/構(gòu)件 /步驟可以相互參照相關(guān)說明。
[0052] 圖1是說明人類的睡眠進(jìn)程的曲線示意圖。圖1所示橫軸表示時(shí)間（單位為小 時(shí)），縱軸表示睡眠狀態(tài)。在此將睡眠進(jìn)程分為四種狀態(tài)，分別為清醒（wake)狀態(tài)、快速 眼動(dòng)（Rapid Eye Movement，REM)狀態(tài)、淺睡（light sleep，LS)狀態(tài)與深睡（slow wave sle印，SWS)狀態(tài)。淺睡狀態(tài)與深睡狀態(tài)又稱非快速眼動(dòng)（non-REM)，或稱"常型睡眠"?？?速眼動(dòng)狀態(tài)又稱"異型睡眠"。圖1所示睡眠曲線101是大部分人類的理想睡眠進(jìn)程，而睡 眠曲線102表示睡眠質(zhì)量不佳的范例睡眠進(jìn)程。通過多導(dǎo)睡眠檢測(cè)（PolysomonographyJ^ 稱PSG)可以了解睡眠狀況。然而PSG的測(cè)量成本高、測(cè)量復(fù)雜、不便攜帶，因此一般使用者 難以經(jīng)常測(cè)量。所以，以下諸實(shí)施例將說明一種便捷使用的睡眠事件檢測(cè)系統(tǒng)與方法，可以 記錄日常睡眠狀況，了解自我長(zhǎng)期的睡眠軌跡。
[0053] 圖2是依照本發(fā)明的實(shí)施例說明一種睡眠事件檢測(cè)系統(tǒng)200的方框示意圖。睡眠 事件檢測(cè)系統(tǒng)200包括生理測(cè)量裝置210以及運(yùn)算處理裝置220。生理測(cè)量裝置210可以 測(cè)量/檢測(cè)使用者10的生理特征。例如，生理測(cè)量裝置210可以在不同時(shí)間分別測(cè)量使用 者10的心跳，而獲得多個(gè)心跳率（Heart rate，HR)。本實(shí)施例雖以使用者10作為測(cè)量標(biāo) 的，但在其他實(shí)施例的測(cè)量標(biāo)的不限于使用者10。例如，在另一些實(shí)施例中，睡眠事件檢測(cè) 系統(tǒng)200可以測(cè)量其他生物的心跳率。
[0054] 生理測(cè)量裝置210可以任何方式實(shí)施。例如在一些實(shí)施例中（但不以此為限），生 理測(cè)量裝置210可以包括心率測(cè)量設(shè)備（或心跳傳感器）。此心跳傳感器可以檢測(cè)使用者 10的心跳率。另外，生理測(cè)量裝置210可以通過穿戴、黏貼或其他機(jī)制而配置于使用者10 的頭部、身體、上肢和/或下肢，以便測(cè)量使用者10的心跳率。在其他實(shí)施例中，生理測(cè)量裝 置210可以通過非接觸式生理感測(cè)設(shè)備或其他機(jī)制測(cè)量使用者10的心跳率。舉例來說（但 不以此為限），生理測(cè)量裝置210可以透過感測(cè)心電（Electrocardiography，簡(jiǎn)稱ECG或 EKG)、心跳脈動(dòng)、血液流動(dòng)或其他方式來測(cè)量使用者10的心跳率，或使用紅外線（Infrared Ray，IR)、超寬帶（UWB，Ultra Wide Band)感測(cè)或其他方式取得使用者10的心跳率。
[0055] 運(yùn)算處理裝置220耦接生理測(cè)量裝置210,以收集使用者10在不同時(shí)間的心跳率。 生理測(cè)量裝置210可以將測(cè)量結(jié)果（例如心跳率）透過有線和/或無線方式回傳給運(yùn)算處 理裝置220。舉例來說（但不以此為限），生理測(cè)量裝置210可以透過藍(lán)牙（Bluetooth)或 無線網(wǎng)絡(luò)（Wireless Network)等無線傳輸方式傳輸測(cè)量結(jié)果至運(yùn)算處理裝置220,或是透 過局域網(wǎng)（local area network，LAN)、因特網(wǎng)（internet)、電信網(wǎng)絡(luò)或是其他有線和/或 無線網(wǎng)絡(luò)傳輸測(cè)量結(jié)果至運(yùn)算處理裝置220。在其他實(shí)施例中，生理測(cè)量裝置210也可以透 過雙絞線（Twisted pair cable)、同軸電纜（Coaxial cable)或光纖（Optic fiber)等有 線傳輸方式傳輸測(cè)量結(jié)果至運(yùn)算處理裝置220。
[0056] 運(yùn)算處理裝置220可以將生理測(cè)量裝置210所提供的這些心跳率轉(zhuǎn)換成第一參 數(shù)、第二參數(shù)或更多參數(shù)。運(yùn)算處理裝置220可以通過使用第一參數(shù)來辨識(shí)這些心跳率在 單位期間（epoch)是否屬于第一狀態(tài)或第二狀態(tài)，以及通過使用第二參數(shù)來辨識(shí)這些心跳 率在該單位期間是否屬于第三狀態(tài)或第四狀態(tài)。
[0057] 舉例來說，圖3是依照本發(fā)明一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意 圖。請(qǐng)參照?qǐng)D2與圖3,生理測(cè)量裝置210可以在不同時(shí)間點(diǎn)測(cè)量使用者10的生理特征，而 獲得在不同時(shí)間點(diǎn)的多個(gè)心跳率（步驟S310)。依據(jù)分類規(guī)則，運(yùn)算處理裝置220可以將生 理測(cè)量裝置210所提供的這些心跳率轉(zhuǎn)換成第一參數(shù)、第二參數(shù)或更多參數(shù)（步驟S320)。 所述分類規(guī)則可以是預(yù)先設(shè)定好的固定參數(shù)組，而此固定參數(shù)組可以視人類（或生物）的 睡眠統(tǒng)計(jì)數(shù)據(jù)來決定。在另一些實(shí)施例中，所述分類規(guī)則可以依照樣本數(shù)據(jù)來動(dòng)態(tài)決定 (容后詳述）。
[0058] 舉例來說（但不限于此），圖4是依照本發(fā)明實(shí)施例說明心跳率的示意圖。圖4所 示橫軸表示時(shí)間。生理測(cè)量裝置210將多個(gè)心跳率數(shù)據(jù)（例如圖4所示心跳率P1 i、？1與 P1+1)提供給運(yùn)算處理裝置220。這些心跳率被定義/劃分為不同單位期間（印och)，例如圖 4所示單位期間EPl包含心跳率P 1 PP1Jw與其他心跳率數(shù)據(jù)。所述單位期間EPl的長(zhǎng)度 可以視實(shí)際應(yīng)用需求來決定/調(diào)整。舉例來說（但不限于此），所述單位期間EPl的長(zhǎng)度可 以是30秒或其他時(shí)間長(zhǎng)度。
[0059] 所述分類規(guī)則可以提供/定義第一窗口期間Wl與第二窗口期間W2的長(zhǎng)度。第一 窗口期間Wl包含該單位期間EPl，且第二窗口期間W2包含該單位期間EPl。在其他實(shí)施例 中，第一窗口期間Wl的長(zhǎng)度可以大于第二窗口期間W2的長(zhǎng)度。步驟S320的第一參數(shù)可以 是在第一窗口期間Wl中的多個(gè)心跳率的平均值（或心率變異），例如（但不限于此），第一 參數(shù)可以是在30秒（第一窗口期間Wl)中的多個(gè)心跳率的平均值（或心率變異）。步驟 S320的第二參數(shù)可以是在第二窗口期間W2中的多個(gè)心跳率的平均值（或心率變異），例如 (但不限于此），第二參數(shù)可以是在300秒（第二窗口期間W2)中的多個(gè)心跳率的心率變異 (Heart rate variability，簡(jiǎn)稱HRV)。步驟S320可以任何方式去計(jì)算心跳率的平均值和 /或心率變異，例如（但不限于此），步驟S320可以公知的計(jì)算方式去計(jì)算心跳率的平均值 與心率變異。
[0060] 請(qǐng)參照?qǐng)D2與圖3,依據(jù)所述分類規(guī)則，運(yùn)算處理裝置220可以通過使用第一參數(shù) 來辨識(shí)這些心跳率在該單位期間EPl是否屬于第一狀態(tài)或第二狀態(tài)（步驟S330)。舉例來 說（但不限于此），所述分類規(guī)則可以提供/定義一個(gè)第一閾值THl，而運(yùn)算處理裝置220可 以比較步驟S320所提供的第一參數(shù)與所述分類規(guī)則所提供的第一閾值THl。當(dāng)?shù)谝粎?shù)大 于第一閾值THl時(shí)，運(yùn)算處理裝置220可以辨識(shí)/分類在單位期間EPl中的這些心跳率屬 于第一狀態(tài)（例如清醒狀態(tài)）。當(dāng)?shù)谝粎?shù)小于第一閾值THl時(shí)，運(yùn)算處理裝置220可以辨 識(shí)/分類在單位期間EPl中的這些心跳率屬于第二狀態(tài)（例如睡眠狀態(tài)或非清醒狀態(tài)）。
[0061] 依據(jù)所述分類規(guī)則，運(yùn)算處理裝置220可以通過使用第二參數(shù)來辨識(shí)這些心跳率 在該單位期間EPl是否屬于第三狀態(tài)或第四狀態(tài)（步驟S340)。舉例來說（但不限于此）， 在該單位期間EPl被辨識(shí)/分類為睡眠狀態(tài)（或非清醒狀態(tài)）的情況下，運(yùn)算處理裝置220 在步驟S340可以進(jìn)一步來辨識(shí)被分類為睡眠狀態(tài)（或非清醒狀態(tài)）的單位期間EPl是否 屬于第三狀態(tài)或第四狀態(tài)。所述分類規(guī)則可以提供/定義一個(gè)第二閾值TH2,而運(yùn)算處理裝 置220可以比較步驟S320所提供的第二參數(shù)與所述分類規(guī)則所提供的第二閾值TH2。當(dāng) 第二參數(shù)小于第二閾值TH2時(shí)，運(yùn)算處理裝置220可以將被分類為睡眠狀態(tài)（或非清醒狀 態(tài)）的單位期間EPl進(jìn)一步辨識(shí)/分類為第三狀態(tài)（例如深睡狀態(tài)）。當(dāng)?shù)诙?shù)大于第 二閾值TH2時(shí)，運(yùn)算處理裝置220可以辨識(shí)/分類在單位期間EPl中的這些心跳率屬于第 四狀態(tài)，即非深睡狀態(tài)（例如快速眼動(dòng)狀態(tài)或淺睡狀態(tài)）。
[0062] 其他單位期間的操作可以參照上述單位期間EPl的相關(guān)說明而類推，故不再贅 述。在對(duì)所有心跳率的不同單位期間進(jìn)行上述步驟S320~S340后，運(yùn)算處理裝置220可 以在步驟S350獲得睡眠狀態(tài)序列。舉例來說（但不限于此），圖5是依照本發(fā)明實(shí)施例說 明睡眠狀態(tài)序列的示意圖。圖5所示橫軸表示時(shí)間。在對(duì)所有心跳率的不同單位期間（例 如圖5所示的單位期間EP1、EP2、EP3與EP4)進(jìn)行上述步驟S320~S340后，運(yùn)算處理裝置 220可以在步驟S350獲得睡眠狀態(tài)序列（例如圖5所示睡眠狀態(tài)W、Sl、Sl、S2...)。在圖 5所示實(shí)施例中，W表示清醒狀態(tài)，Sl表示非深睡狀態(tài)，S2表示深睡狀態(tài)。
[0063] 圖6是依照本發(fā)明另一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意圖。請(qǐng)參照 圖2與圖6,生理測(cè)量裝置210可以在不同時(shí)間點(diǎn)測(cè)量使用者10的生理特征，而獲得在不同 時(shí)間點(diǎn)的多個(gè)心跳率（步驟S310)。依據(jù)分類規(guī)則，運(yùn)算處理裝置220可以將生理測(cè)量裝 置210所提供的這些心跳率轉(zhuǎn)換成第一參數(shù)、第二參數(shù)、第三參數(shù)或更多參數(shù)（步驟S620)。 圖6所示步驟S310與S620可以參照?qǐng)D3所示步驟S310與S320的相關(guān)說明而類推。
[0064] 除了第一窗口期間Wl與第二窗口期間W2的長(zhǎng)度，所述分類規(guī)則還可以提供/定 義第三窗口期間W3的長(zhǎng)度。第三窗口期間W3包含該單位期間EPl。步驟S620的第三參數(shù) 可以是在第三窗口期間W3中的多個(gè)心跳率的平均值（或心率變異），例如（但不限于此）， 第三參數(shù)可以是在300秒（第三窗口期間W3)中的多個(gè)心跳率的平均值。
[0065] 圖6所示步驟S330與S340可以參照?qǐng)D3所示步驟S330與S330的相關(guān)說明而類 推，故不再贅述。依據(jù)所述分類規(guī)則，運(yùn)算處理裝置220可以通過使用該第三參數(shù)來辨識(shí)這 些心跳率在單位期間EPl是否屬于第五狀態(tài)或第六狀態(tài)（步驟S650)。舉例來說（但不限 于此），在步驟S340將單位期間EPl辨識(shí)/分類為非深睡狀態(tài)（例如快速眼動(dòng)狀態(tài)或淺睡 狀態(tài)）的情況下，運(yùn)算處理裝置220在步驟S650可以進(jìn)一步來辨識(shí)被分類為非深睡狀態(tài)的 單位期間EPl是否屬于第五狀態(tài)或第六狀態(tài)。所述分類規(guī)則可以提供/定義一個(gè)第三閾值 TH3,而運(yùn)算處理裝置220可以比較步驟S620所提供的第三參數(shù)與所述分類規(guī)則所提供的 第三閾值TH3。當(dāng)?shù)谌齾?shù)大于第三閾值TH3時(shí)，運(yùn)算處理裝置220可以將被分類為非深睡 狀態(tài)的單位期間EPl進(jìn)一步辨識(shí)/分類為第五狀態(tài)（例如快速眼動(dòng)狀態(tài)）。當(dāng)?shù)谌齾?shù)小 于第三閾值TH3時(shí)，運(yùn)算處理裝置220可以辨識(shí)/分類在單位期間EPl中的這些心跳率屬 于第六狀態(tài)（例如淺睡狀態(tài)）。
[0066] 在對(duì)所有心跳率的不同單位期間進(jìn)行上述步驟S620、S330、S340與S650后，運(yùn)算 處理裝置220可以在步驟S660獲得睡眠狀態(tài)序列。圖6所示步驟S660可以參照?qǐng)D3所示 步驟S360與圖5的相關(guān)說明而類推，故不再贅述。
[0067] 圖7是說明圖2所示睡眠事件檢測(cè)系統(tǒng)200的一種實(shí)施范例示意圖。圖7所示睡 眠事件檢測(cè)系統(tǒng)200、生理測(cè)量裝置210與運(yùn)算處理裝置220可以參照?qǐng)D2至圖6的相關(guān)說 明而類推。在圖7所示實(shí)施范例中，生理測(cè)量裝置210包括穿戴式心跳傳感器211與行動(dòng) 裝置212。穿戴式心跳傳感器211可以用穿戴、黏貼或其他機(jī)制而配置于使用者10,以便檢 測(cè)使用者10在不同時(shí)間的生理信號(hào)（例如心跳率）。穿戴式心跳傳感器211可以任何方式 實(shí)施。例如，穿戴式心跳傳感器211可以通過接觸式或非接觸式方式測(cè)量使用者10的心跳 率。舉例來說（但不以此為限），穿戴式心跳傳感器211可以透過感測(cè)心電、心跳脈動(dòng)、血液 流動(dòng)或其他方式來測(cè)量使用者10的心跳率，或使用紅外線、超寬帶感測(cè)或其他方式取得使 用者10的心跳率。
[0068] 行動(dòng)裝置212耦接穿戴式心跳傳感器211。在一些實(shí)施例中，穿戴式心跳傳感器 211可以經(jīng)由無線通道將使用者10的心跳率傳送給行動(dòng)裝置212,其中所述無線通道可以 包含藍(lán)牙（Bluetooth)接口、近場(chǎng)通訊（near field communication，NFC)接口、ZigBee 接 口、ANT+網(wǎng)絡(luò)通訊、無線局域網(wǎng)絡(luò)（wireless local area network，WLAN)或是其他無線通 信接口。在另一些實(shí)施例中，穿戴式心跳傳感器211可以經(jīng)由有線通道將使用者10的心跳 率傳送給行動(dòng)裝置212,其中所述有線通道可以包含雙絞線、同軸電纜、光纖或其他有線傳 輸接口。因此，行動(dòng)裝置212可以經(jīng)由穿戴式心跳傳感器211收集使用者10在不同時(shí)間的 心跳率。
[0069] 行動(dòng)裝置212可以是智能型手機(jī)、平板計(jì)算機(jī)、筆記本電腦或是其他行動(dòng)電子裝 置。行動(dòng)裝置212可以對(duì)穿戴式心跳傳感器211所提供的心跳率資料進(jìn)行前處理。行動(dòng) 裝置212耦接運(yùn)算處理裝置220,以及將使用者10在不同時(shí)間的心跳率經(jīng)由通信網(wǎng)路傳送 給運(yùn)算處理裝置220。在一些實(shí)施例中，所述通信網(wǎng)路可以包含藍(lán)牙接口、近場(chǎng)通訊接口、 ZigBee接口、無線局域網(wǎng)絡(luò)（例如WiFi)、無線電信網(wǎng)絡(luò)或是其他無線通信接口。在另一些 實(shí)施例中，所述通信網(wǎng)路可以包含雙絞線、同軸電纜、光纖、市話網(wǎng)絡(luò)或其他有線傳輸接口。 行動(dòng)裝置可以辨別使用者10的身分，以及顯示睡眠評(píng)估結(jié)果（容后詳述）。
[0070] 運(yùn)算處理裝置220可以進(jìn)行圖3或圖6所示程序，以處理/辨識(shí)行動(dòng)裝置212所 提供的心跳率。在另一些實(shí)施例中，運(yùn)算處理裝置220可以分析睡眠效率、分析睡眠呼吸中 止（Sle印Apnea)嚴(yán)重程度和/或其他分析睡眠信息，然后輸出睡眠分析的結(jié)果報(bào)告。
[0071] 在圖7所示實(shí)施范例中，運(yùn)算處理裝置220包括信號(hào)轉(zhuǎn)換特征參數(shù)引擎221以及 睡眠質(zhì)量分析引擎222。信號(hào)轉(zhuǎn)換特征參數(shù)引擎221耦接生理測(cè)量裝置210的行動(dòng)裝置 212,以收集使用者10在不同時(shí)間的心跳率。信號(hào)轉(zhuǎn)換特征參數(shù)引擎221可以將這些心跳率 轉(zhuǎn)換成多個(gè)參數(shù)，例如圖3或圖6所述第一參數(shù)、第二參數(shù)或更多參數(shù)。睡眠質(zhì)量分析引擎 222耦接信號(hào)轉(zhuǎn)換特征參數(shù)引擎221，以接收第一參數(shù)與第二參數(shù)。睡眠質(zhì)量分析引擎222 可以依據(jù)第一參數(shù)與第二參數(shù)來辨識(shí)這些心跳率在單位期間EPl是否屬于第一狀態(tài)、第二 狀態(tài)、第三狀態(tài)或第四狀態(tài)，以及計(jì)算睡眠質(zhì)量指針。睡眠質(zhì)量分析引擎222可以經(jīng)由所述 通信網(wǎng)路將睡眠質(zhì)量指針回傳給行動(dòng)裝置212。行動(dòng)裝置212可以辨別使用者10的身分， 以及依據(jù)此睡眠質(zhì)量指針而提供/顯示睡眠質(zhì)量評(píng)估報(bào)告。
[0072] 圖8是依照本發(fā)明又一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示意圖。請(qǐng)參照 圖7與圖8,信號(hào)轉(zhuǎn)換特征參數(shù)引擎221可以經(jīng)由穿戴式心跳傳感器211與行動(dòng)裝置212收 集使用者10在不同時(shí)間的心跳率（步驟S310)。信號(hào)轉(zhuǎn)換特征參數(shù)引擎221可以將這些 心跳率轉(zhuǎn)換成第一參數(shù)、第二參數(shù)或更多參數(shù)（步驟S320)。睡眠質(zhì)量分析引擎222可以 依據(jù)信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所提供的第一參數(shù)與第二參數(shù)來辨識(shí)單位期間EPl是否屬 于第一狀態(tài)、第二狀態(tài)、第三狀態(tài)或第四狀態(tài)（步驟S330與S340)，以及獲得睡眠狀態(tài)序列 (步驟S350)。圖8所示步驟S310~S350可以參照?qǐng)D3至圖5的相關(guān)說明而類推，故不再 贅述。
[0073] 在完成步驟S350后，睡眠質(zhì)量分析引擎222可以進(jìn)行步驟S860,以計(jì)算睡眠質(zhì)量 指針。舉例來說（但不限于此），睡眠質(zhì)量分析引擎222可以計(jì)算Ts/Tb而獲得睡眠質(zhì)量指 針，其中Ts表示使用者10處于睡眠狀態(tài)（或非清醒狀態(tài)）的總時(shí)間（sle印time)，而Tb 表示使用者10上床的總時(shí)間（total time on bad)。依照實(shí)際應(yīng)用需求，睡眠質(zhì)量指針可 以包含一種或多種指標(biāo)值。例如在另一些實(shí)施例中，除了上述指標(biāo)值Ts/Tb外，睡眠質(zhì)量指 針還可以包含指針值Tsws/Ts、指標(biāo)值Tnsws/Ts或其他指標(biāo)值。其中，Tsws表示使用者10 處于深睡狀態(tài)的總時(shí)間，而Tnsws表示使用者10處于非深睡狀態(tài)的總時(shí)間。
[0074] 在完成步驟S860后，睡眠質(zhì)量分析引擎222可以經(jīng)由所述通信網(wǎng)路將睡眠質(zhì)量指 針回傳給行動(dòng)裝置212。待使用者10睡醒后，行動(dòng)裝置212可以依據(jù)此睡眠質(zhì)量指針而提 供/顯示睡眠質(zhì)量評(píng)估報(bào)告（步驟S870)給使用者10。在另一些應(yīng)用例中，睡眠質(zhì)量分析 引擎222可以將睡眠質(zhì)量指針傳送給第三方裝置。舉例來說（但不限于此），所述第三方裝 置可以是醫(yī)院（或是研究機(jī)構(gòu)）所設(shè)置睡眠中心的病歷數(shù)據(jù)庫(kù)，而醫(yī)師（或研究人員）可 以利用睡眠質(zhì)量分析引擎222所提供的睡眠質(zhì)量指針來進(jìn)行診斷（或研究）。
[0075] 圖9是說明圖2所不睡眠事件檢測(cè)系統(tǒng)200的另一種實(shí)施范例不意圖。圖9所不 睡眠事件檢測(cè)系統(tǒng)200、生理測(cè)量裝置210與運(yùn)算處理裝置220可以參照?qǐng)D2至圖6的相關(guān) 說明而類推。圖9所示穿戴式心跳傳感器211、行動(dòng)裝置212、信號(hào)轉(zhuǎn)換特征參數(shù)引擎221 與睡眠質(zhì)量分析引擎222可以參照?qǐng)D7至圖8的相關(guān)說明而類推。在圖9所示實(shí)施例中， 運(yùn)算處理裝置220還包括數(shù)據(jù)庫(kù)223與分類規(guī)則產(chǎn)生引擎224。
[0076] 數(shù)據(jù)庫(kù)223可以儲(chǔ)存多筆樣本心跳率以及多筆對(duì)應(yīng)樣本狀態(tài)。分類規(guī)則產(chǎn)生引擎 224可以單位期間EPl為基準(zhǔn)點(diǎn)而定義具有不同大小的多個(gè)窗口期間。舉例來說，圖10是 依照本發(fā)明實(shí)施例說明心跳率的示意圖。圖10所示橫軸表示時(shí)間。圖10繪示一個(gè)單位期 間EPl作為說明例，而其余單位期間可以參照單位期間EPl的相關(guān)說明而類推。如圖10所 示，分類規(guī)則產(chǎn)生引擎224以單位期間EPl為基準(zhǔn)點(diǎn)而定義具有不同大小的多個(gè)窗口期間 Ws(O)、Ws(l)、...、Ws (N)。
[0077] 分類規(guī)則產(chǎn)生引擎224可以分別計(jì)算在不同窗口期間Ws(O)~Ws(N)中的樣本心 跳率的特征參數(shù)F (0)、F (1).....F (N)，以及依據(jù)對(duì)應(yīng)樣本狀態(tài)與特征參數(shù)F (0)~F (N)而 決定第一窗口長(zhǎng)度與第二窗口長(zhǎng)度（例如圖4所示第一窗口期間Wl的長(zhǎng)度與第二窗口期 間W2的長(zhǎng)度）。舉例來說，分類規(guī)則產(chǎn)生引擎224可以分別計(jì)算在不同窗口期間Ws(O)~ Ws(N)中的樣本心跳率的平均值（或心率變異），而獲得特征參數(shù)F(O)~F(N)。分類規(guī)則 產(chǎn)生引擎224可以使用特征參數(shù)F(O)~F(N)與對(duì)應(yīng)樣本狀態(tài)進(jìn)行模型訓(xùn)練，而從（2 n-1) 種特征參數(shù)組合中選擇特定特征參數(shù)，以滿足具有最佳的辨識(shí)正確性。分類規(guī)則產(chǎn)生引擎 224可以找到辨識(shí)清醒狀態(tài)和睡眠狀態(tài)（或非清醒狀態(tài)）的正確性達(dá)到最佳的第一特征參 數(shù)組合（例如第一窗口期間Wl的長(zhǎng)度與第一閾值TH1)，而將此第一特征參數(shù)組合提供給信 號(hào)轉(zhuǎn)換特征參數(shù)引擎221與睡眠質(zhì)量分析引擎222。
[0078] 在選擇好第一特征參數(shù)組合后，分類規(guī)則產(chǎn)生引擎224可以從其余（2N-2)種特征 參數(shù)組合中選擇特定特征參數(shù)，以尋找辨識(shí)深睡狀態(tài)和非深睡狀態(tài)的正確性達(dá)到最佳的第 二特征參數(shù)組合（例如第二窗口期間W2的長(zhǎng)度與第二閾值TH2)，而將此第二特征參數(shù)組合 提供給信號(hào)轉(zhuǎn)換特征參數(shù)引擎221與睡眠質(zhì)量分析引擎222。
[0079] 在選擇好第二特征參數(shù)組合后，分類規(guī)則產(chǎn)生引擎224可以從其余（2N-3)種特征 參數(shù)組合中選擇特定特征參數(shù)，以尋找辨識(shí)快速眼動(dòng)狀態(tài)和淺睡狀態(tài)的正確性達(dá)到最佳的 第三特征參數(shù)組合（例如第三窗口期間W3的長(zhǎng)度與第三閾值TH3)，而將此第三特征參數(shù)組 合提供給信號(hào)轉(zhuǎn)換特征參數(shù)引擎221與睡眠質(zhì)量分析引擎222。
[0080] 信號(hào)轉(zhuǎn)換特征參數(shù)引擎221耦接分類規(guī)則產(chǎn)生引擎224,以接收第一窗口長(zhǎng)度與 第二窗口長(zhǎng)度。信號(hào)轉(zhuǎn)換特征參數(shù)引擎221可以依據(jù)該第一窗口長(zhǎng)度將心跳率轉(zhuǎn)換成第一 參數(shù)，以及依據(jù)該第二窗口長(zhǎng)度將心跳率轉(zhuǎn)換成第二參數(shù)（請(qǐng)?jiān)攨D7與圖8的相關(guān)說明 而類推）。在另一些實(shí)施例中，信號(hào)轉(zhuǎn)換特征參數(shù)引擎221從分類規(guī)則產(chǎn)生引擎224接收第 一窗口長(zhǎng)度、第二窗口長(zhǎng)度與第三窗口長(zhǎng)度。信號(hào)轉(zhuǎn)換特征參數(shù)引擎221還可以依據(jù)該第 三窗口長(zhǎng)度將心跳率轉(zhuǎn)換成第三參數(shù)（請(qǐng)?jiān)攨D6的相關(guān)說明而類推）。
[0081] 在其他實(shí)施例中，分類規(guī)則產(chǎn)生引擎224可以采用基于規(guī)則的方法（Rule based method)、基于機(jī)器學(xué)習(xí)的方法（Machine learning based method)或者混和方法（Hybrid method)。所述機(jī)器學(xué)習(xí)的方法可以包括支持向量機(jī)（Support Vector Machine，簡(jiǎn)稱SVM) 分類器、以統(tǒng)計(jì)模型為基礎(chǔ)（Statistical model based)的分類器和/或其他基于學(xué)習(xí)的 算法。所述以統(tǒng)計(jì)模型為基礎(chǔ)的分類器可以包括邏輯回歸（Logistic regression)方法、 接收者操作特征（receiver operating characteristic，ROC)曲線分析和/或其他統(tǒng)計(jì)模 型。在一些實(shí)施例中，分類規(guī)則產(chǎn)生引擎224可以采用ROC曲線分析來決定上述第一閾值 TH1、第二閾值TH2、第三閾值TH3和/或其他閾值。
[0082] 舉例來說，所述基于規(guī)則的方法可以采用下述規(guī)則：生物在深睡（SWS)時(shí)，心跳的 變異較??；生物在清醒（wake)和快速眼動(dòng)（Rem)期間，心跳是較快的；以及生物在快速眼 動(dòng)期間維持一段時(shí)間心跳快。或者，分類規(guī)則產(chǎn)生引擎224可以基于下述規(guī)則而運(yùn)作：依據(jù) 心跳快慢來區(qū)分第一狀態(tài)（包含清醒狀態(tài)與快速眼動(dòng)狀態(tài)）與第二狀態(tài)（包含淺睡狀態(tài)與 深睡狀態(tài)）；和/或依據(jù)心跳變異大小來區(qū)分第一狀態(tài)（包含清醒狀態(tài)、快速眼動(dòng)狀態(tài)與淺 睡狀態(tài)）與第二狀態(tài)（包含深睡狀態(tài)）。
[0083] 圖11是說明圖2所示睡眠事件檢測(cè)系統(tǒng)200的再一種實(shí)施范例示意圖。圖11所 示睡眠事件檢測(cè)系統(tǒng)200、生理測(cè)量裝置210與運(yùn)算處理裝置220可以參照?qǐng)D2至圖6的 相關(guān)說明而類推。圖11所示穿戴式心跳傳感器211、行動(dòng)裝置212、信號(hào)轉(zhuǎn)換特征參數(shù)引擎 221與睡眠質(zhì)量分析引擎222可以參照?qǐng)D7至圖8的相關(guān)說明而類推。圖11所示數(shù)據(jù)庫(kù) 223與分類規(guī)則產(chǎn)生引擎224可以參照?qǐng)D9至圖10的相關(guān)說明而類推。在圖11所示實(shí)施 例中，運(yùn)算處理裝置220還包括睡眠呼吸中止分析引擎225。
[0084] 分類規(guī)則產(chǎn)生引擎224可以依據(jù)特征參數(shù)F(O)~F(N)而決定睡眠呼吸中止事件 閾值THosa。利用數(shù)據(jù)庫(kù)223的數(shù)據(jù)，分類規(guī)則產(chǎn)生引擎224可以計(jì)算目標(biāo)判定區(qū)間的特征 參數(shù)值（例如心跳率的平均值和/或心率變異）。利用邏輯回歸（logistic regression) 建模以及接收者操作特征（receiver operating characteristic curve，R0C)曲線方法進(jìn) 行閾值（threshold)分析，以找出區(qū)分發(fā)生睡眠呼吸中止事件與正常狀態(tài)（沒發(fā)生睡眠呼 吸中止事件）的最佳閾值，作為所述睡眠呼吸中止事件閾值THosa。分類規(guī)則產(chǎn)生引擎224 可以將此睡眠呼吸中止事件閾值THosa提供給睡眠呼吸中止分析引擎225。
[0085] 運(yùn)算處理裝置220的睡眠呼吸中止分析引擎225可以將在單位期間EPl中的心跳 率轉(zhuǎn)換成睡眠呼吸中止事件的風(fēng)險(xiǎn)估計(jì)值。運(yùn)算處理裝置220的睡眠呼吸中止分析引擎 225可以通過使用該風(fēng)險(xiǎn)估計(jì)值來辨識(shí)單位期間EPl是否為睡眠呼吸中止候選期間。運(yùn)算 處理裝置220的睡眠呼吸中止分析引擎225還可以依據(jù)"單位期間EPl是否屬于第一狀態(tài)" 的睡眠狀態(tài)辨識(shí)結(jié)果而來確認(rèn)該睡眠呼吸中止候選期間是否發(fā)生睡眠呼吸中止事件。
[0086] 舉例來說，圖12是依照本發(fā)明再一實(shí)施例說明一種睡眠事件檢測(cè)方法的流程示 意圖。請(qǐng)參照?qǐng)D11與圖12,信號(hào)轉(zhuǎn)換特征參數(shù)引擎221可以經(jīng)由穿戴式心跳傳感器211與 行動(dòng)裝置212收集使用者10在不同時(shí)間的心跳率（步驟S310)。信號(hào)轉(zhuǎn)換特征參數(shù)引擎 221可以將這些心跳率轉(zhuǎn)換成第一參數(shù)、第二參數(shù)、第三參數(shù)與風(fēng)險(xiǎn)估計(jì)值（步驟S1220)。 所述第一參數(shù)、第二參數(shù)、第三參數(shù)可以參照?qǐng)D3至圖6的相關(guān)說明而類推，故不再贅述。
[0087] 睡眠質(zhì)量分析引擎222可以依據(jù)信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所提供的參數(shù)來辨識(shí) 單位期間屬于何種狀態(tài)，以獲得睡眠狀態(tài)辨識(shí)結(jié)果。睡眠質(zhì)量分析引擎222可以通過使用 信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所提供的第一參數(shù)來辨識(shí)單位期間（例如單位期間EP1)是否 屬于第一狀態(tài)或第二狀態(tài)（步驟S1231)。舉例來說（但不限于此），分類規(guī)則產(chǎn)生引擎224 可以提供/定義一個(gè)第一閾值TH1，而睡眠質(zhì)量分析引擎222可以比較信號(hào)轉(zhuǎn)換特征參數(shù)引 擎221所提供的第一參數(shù)與分類規(guī)則產(chǎn)生引擎224所提供的第一閾值THl。當(dāng)?shù)谝粎?shù)大 于第一閾值THl時(shí)，睡眠質(zhì)量分析引擎222可以辨識(shí)/分類在單位期間EPl中的這些心跳 率屬于第一狀態(tài)（例如清醒狀態(tài)）。當(dāng)?shù)谝粎?shù)小于第一閾值THl時(shí)，睡眠質(zhì)量分析引擎 222可以辨識(shí)/分類在單位期間EPl中的這些心跳率屬于第二狀態(tài)（例如睡眠狀態(tài)或非清 醒狀態(tài)）。
[0088] 睡眠質(zhì)量分析引擎222可以通過使用信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所提供的第二參 數(shù)來辨識(shí)單位期間（例如單位期間EP1)是否屬于第三狀態(tài)或第四狀態(tài)（步驟S1232)。舉 例來說（但不限于此），在單位期間EPl被辨識(shí)/分類為睡眠狀態(tài)（或非清醒狀態(tài)）的情 況下，睡眠質(zhì)量分析引擎222在步驟S1232可以進(jìn)一步來辨識(shí)被分類為睡眠狀態(tài)（或非清 醒狀態(tài)）的單位期間EPl是否屬于第三狀態(tài)或第四狀態(tài)。分類規(guī)則產(chǎn)生引擎224可以提供 /定義一個(gè)第二閾值TH2,而睡眠質(zhì)量分析引擎222可以比較信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所 提供的第二參數(shù)與分類規(guī)則產(chǎn)生引擎224所提供的第二閾值TH2。當(dāng)?shù)诙?shù)小于第二閾 值TH2時(shí)，睡眠質(zhì)量分析引擎222可以將被分類為睡眠狀態(tài)（或非清醒狀態(tài)）的單位期間 EPl進(jìn)一步辨識(shí)/分類為第三狀態(tài)（例如深睡狀態(tài)）。當(dāng)?shù)诙?shù)大于第二閾值TH2時(shí)，睡 眠質(zhì)量分析引擎222可以將被分類為睡眠狀態(tài)（或非清醒狀態(tài)）的單位期間EPl進(jìn)一步辨 識(shí)/分類為第四狀態(tài)（例如非深睡狀態(tài)）。
[0089] 睡眠質(zhì)量分析引擎222可以通過使用信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所提供的第三參 數(shù)來辨識(shí)單位期間（例如單位期間EP1)是否屬于第五狀態(tài)或第六狀態(tài)（步驟S1233)。舉 例來說（但不限于此），在單位期間EPl被辨識(shí)/分類為非深睡狀態(tài)的情況下，睡眠質(zhì)量分 析引擎222在步驟S1233可以進(jìn)一步來辨識(shí)被分類為非深睡狀態(tài)的單位期間EPl是否屬于 第五狀態(tài)或第六狀態(tài)。分類規(guī)則產(chǎn)生引擎224可以提供/定義一個(gè)第三閾值TH3,而睡眠 質(zhì)量分析引擎222可以比較信號(hào)轉(zhuǎn)換特征參數(shù)引擎221所提供的第三參數(shù)與分類規(guī)則產(chǎn)生 引擎224所提供的第三閾值TH3。當(dāng)?shù)谌齾?shù)大于第三閾值TH3時(shí)，睡眠質(zhì)量分析引擎222 可以將被分類為非深睡狀態(tài)的單位期間EPl進(jìn)一步辨識(shí)/分類為第五狀態(tài)（例如快速眼動(dòng) 狀態(tài)）。當(dāng)?shù)谌齾?shù)小于第三閾值TH3時(shí)，睡眠質(zhì)量分析引擎222可以將被分類為非深睡狀 態(tài)的單位期間EPl進(jìn)一步辨識(shí)/分類為第六狀態(tài)（例如淺睡狀態(tài)）。
[0090] 其他單位期間可以參照上述單位期間EPl的相關(guān)說明而類推，故不再贅述。圖12 所述步驟S1231、S1232、S1233可以參照?qǐng)D6所述步驟S330、S340、S650的相關(guān)說明而類推， 圖12所述步驟S1234與S1235可以參照?qǐng)D8所述步驟S350、S860的相關(guān)說明而類推，故不 再贅述。
[0091] 在一些實(shí)施例中，信號(hào)轉(zhuǎn)換特征參數(shù)引擎221可以在步驟S1220計(jì)算下述等式1， 以獲得發(fā)生睡眠呼吸中止事件的風(fēng)險(xiǎn)估計(jì)值P(〇SA|epoch)。其中，exp()表示以歐拉數(shù) (Euler' s number) e為底數(shù)的指數(shù)函數(shù)，Pm表示在一個(gè)單位期間（例如單位期間EP1)中 的心跳率的平均，而Pv表示在一個(gè)單位期間（例如單位期間EP1)中的心跳率的心率變異。 等式1中的系數(shù)a、b、c可以視設(shè)計(jì)需求來決定。舉例來說（但不以此為限），可以從0~ 10中選擇一實(shí)數(shù)（例如0. 039)作為系數(shù)a，從0~10中選擇一實(shí)數(shù)（例如4. 721)作為系 數(shù)b，從0~30中選擇一實(shí)數(shù)（例如15. 561)作為系數(shù)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耦接信號(hào)轉(zhuǎn)換特征參數(shù)引擎221，以接收該風(fēng)險(xiǎn)估計(jì) 值p (OSAI印och)。睡眠呼吸中止分析引擎225耦接分類規(guī)則產(chǎn)生引擎224,以接收睡眠呼 吸中止事件閾值THosa。睡眠呼吸中止分析引擎225在步驟S1241可以使用風(fēng)險(xiǎn)估計(jì)值 P(OSAlep0Ch)來辨識(shí)單位期間（例如單位期間EP1)是否為睡眠呼吸中止候選期間。舉 例來說（但不限于此），睡眠呼吸中止分析引擎225在步驟S1241可以比較風(fēng)險(xiǎn)估計(jì)值 p(0SA|ep〇Ch)與睡眠呼吸中止事件閾值THosa，以辨識(shí)單位期間EPl是否為睡眠呼吸中止 候選期間。
[0094] 睡眠呼吸中止分析引擎225耦接睡眠質(zhì)量分析引擎222,以接收步驟S1231的睡眠 狀態(tài)辨識(shí)結(jié)果。在步驟S1242中，睡眠呼吸中止分析引擎225可以依據(jù)步驟S1231的睡眠狀 態(tài)辨識(shí)結(jié)果而來確認(rèn)步驟S1241所標(biāo)注的睡眠呼吸中止候選期間是否發(fā)生睡眠呼吸中止 事件。舉例來說（但不限于此），圖13是依照本發(fā)明實(shí)施例說明確認(rèn)睡眠呼吸中止的示意 圖。圖13所示橫軸表示時(shí)間。在對(duì)所有心跳率的不同單位期間（例如圖13所示單位期間 EP(i-l)、EP(i)與EP(i+l))進(jìn)行上述步驟S1231后，運(yùn)算處理裝置220可以獲得第一層的 睡眠狀態(tài)序列（例如圖13所示睡眠狀態(tài)S、W、S...)，并將此睡眠狀態(tài)序列作為步驟S1231 的睡眠狀態(tài)辨識(shí)結(jié)果而提供給睡眠呼吸中止分析引擎225。在圖13所示實(shí)施例中，W表示 清醒狀態(tài)，S表示睡眠狀態(tài)（非清醒狀態(tài)）。
[0095] 另一方面，在對(duì)所有心跳率的不同單位期間（例如圖13所示單位期間EP(i-l)、 EP(i)與EP(i+l))進(jìn)行上述步驟S1241后，睡眠呼吸中止分析引擎225可以獲得睡眠呼吸 中止候選序列（例如圖13所示睡眠呼吸中止?fàn)顟B(tài)NE、E、NE...)。在圖13所示實(shí)施例中， E表示該單位期間為睡眠呼吸中止候選期間，NE表示正常狀態(tài)（該單位期間沒有發(fā)生睡眠 呼吸中止）。在步驟S1242中，當(dāng)睡眠呼吸中止分析引擎225發(fā)現(xiàn)單位期間EP(i)是睡眠 呼吸中止候選期間時(shí)，睡眠呼吸中止分析引擎225會(huì)進(jìn)一步檢查候選單位期間EP(i)的前 后單位期間EP(i-l)與EP(i+l)的睡眠狀態(tài)。當(dāng)前后單位期間EP(i-l)與EP(i+l)的睡眠 狀態(tài)均為睡眠狀態(tài)S(非清醒狀態(tài)）時(shí)，睡眠呼吸中止分析引擎225可以確認(rèn)睡眠呼吸中 止候選期間（即單位期間EP(i))發(fā)生了睡眠呼吸中止事件。若前后單位期間EP(i-l)與 EP (i+1)其中一者的睡眠狀態(tài)不為睡眠狀態(tài)S (非清醒狀態(tài)），或是若前后單位期間EP (i-1) 與EP (i+1)的睡眠狀態(tài)都不是睡眠狀態(tài)S (非清醒狀態(tài)），則睡眠呼吸中止分析引擎225可 以確認(rèn)睡眠呼吸中止候選期間（即單位期間EP(i))沒有發(fā)生睡眠呼吸中止事件。
[0096] 其他單位期間的操作可以參照上述單位期間EP(i)的相關(guān)說明而類推，故不再贅 述。在對(duì)所有心跳率的不同單位期間進(jìn)行上述步驟S1241~S1242后，睡眠呼吸中止分析 引擎225可以在步驟S1243獲得經(jīng)確認(rèn)的睡眠呼吸中止事件序列。
[0097] 在完成步驟S1243后，睡眠呼吸中止分析引擎225可以進(jìn)行步驟S1244,以計(jì)算睡 眠呼吸中止指標(biāo)。舉例來說（但不限于此），睡眠呼吸中止分析引擎225可以計(jì)算[Nosa/ (Ne*d) ] 而獲得睡眠呼吸中止指標(biāo)，其中Nosa表示經(jīng)確認(rèn)發(fā)生睡眠呼吸中止事件的單位 期間（epoch)個(gè)數(shù)，而Ne表示被觀測(cè)的單位期間的總個(gè)數(shù)。系數(shù)d與f可以視設(shè)計(jì)需求來 決定。舉例來說（但不以此為限），可以從〇~10中選擇一實(shí)數(shù)（例如〇. 5)作為系數(shù)d， 從0~100中選擇一實(shí)數(shù)（例如60)作為系數(shù)f。
[0098] 在完成步驟S1244后，睡眠呼吸中止分析引擎225可以經(jīng)由所述通信網(wǎng)路將睡眠 呼吸中止指針回傳給行動(dòng)裝置212。在完成步驟S1235后，睡眠質(zhì)量分析引擎222可以經(jīng)由 所述通信網(wǎng)路將睡眠質(zhì)量指針回傳給行動(dòng)裝置212。待使用者10睡醒后，行動(dòng)裝置212可 以依據(jù)此睡眠質(zhì)量指針與睡眠呼吸中止指針而提供/顯示睡眠質(zhì)量評(píng)估報(bào)告（步驟S1250) 給使用者10。圖12所述步驟S1250可以參照?qǐng)D8所述步驟S870的相關(guān)說明而類推，故不 再贅述。
[0099] 綜上所述，本發(fā)明諸實(shí)施例揭示了睡眠事件檢測(cè)方法與睡眠事件檢測(cè)系統(tǒng)，可以 用來評(píng)量睡眠的優(yōu)劣和/或估計(jì)睡眠呼吸中止事件發(fā)生。生理測(cè)量裝置可以連續(xù)測(cè)量并記 錄受測(cè)者/使用者的心跳，并將心跳數(shù)據(jù)傳到運(yùn)算處理裝置。生理測(cè)量裝置可以方便攜帶 且可方便長(zhǎng)期測(cè)量。在一些實(shí)施例中，運(yùn)算處理裝置可以將經(jīng)過運(yùn)算后的睡眠事件檢測(cè)結(jié) 果傳回生理測(cè)量裝置（例如智能型手機(jī)）。經(jīng)過運(yùn)算后的所述睡眠事件檢測(cè)結(jié)果可顯示使 用者睡眠質(zhì)量信息和睡眠呼吸中止事件的相關(guān)風(fēng)險(xiǎn)指數(shù)，作為日?；顒?dòng)規(guī)劃?；蛘撸?jīng)過運(yùn) 算后的所述睡眠事件檢測(cè)結(jié)果可在就醫(yī)時(shí)提供睡眠信息給醫(yī)護(hù)人員參考。本發(fā)明諸實(shí)施例 所揭示的方法與系統(tǒng)可以幫助使用者了解自我（或他人）睡眠過程，以便及早發(fā)現(xiàn)睡眠問 題。
[0100] 以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳 細(xì)說明，應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在 本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù) 范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種睡眠事件檢測(cè)系統(tǒng)，其特征在于，該睡眠事件檢測(cè)系統(tǒng)包括： 生理測(cè)量裝置，經(jīng)配置W在不同時(shí)間測(cè)量多個(gè)屯、跳率；W及 運(yùn)算處理裝置，禪接該生理測(cè)量裝置W收集運(yùn)些屯、跳率，經(jīng)配置W將運(yùn)些屯、跳率轉(zhuǎn)換 成第一參數(shù)與第二參數(shù)，通過使用該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在單位期間是否屬于第一 狀態(tài)或第二狀態(tài)，W及通過使用該第二參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于第= 狀態(tài)或第四狀態(tài)，其中該運(yùn)算處理裝置包括： 分類規(guī)則產(chǎn)生引擎，經(jīng)配置W該單位期間為基準(zhǔn)點(diǎn)而定義具有不同大小的多個(gè)窗口期 間，W及分別計(jì)算在運(yùn)些窗口期間中的多筆樣本屯、跳率的特征參數(shù)，W及依據(jù)多筆對(duì)應(yīng)樣 本狀態(tài)與運(yùn)些特征參數(shù)而決定第一窗口長(zhǎng)度與第二窗口長(zhǎng)度； 信號(hào)轉(zhuǎn)換特征參數(shù)引擎，禪接該生理測(cè)量裝置W收集運(yùn)些屯、跳率，禪接該分類規(guī)則產(chǎn) 生引擎W接收該第一窗口長(zhǎng)度與該第二窗口長(zhǎng)度，經(jīng)配置W依據(jù)該第一窗口長(zhǎng)度將運(yùn)些屯、 跳率轉(zhuǎn)換成該第一參數(shù)，W及依據(jù)該第二窗口長(zhǎng)度將運(yùn)些屯、跳率轉(zhuǎn)換成該第二參數(shù)；W及 睡眠質(zhì)量分析引擎，禪接該信號(hào)轉(zhuǎn)換特征參數(shù)引擎W接收該第一參數(shù)與該第二參數(shù)， 經(jīng)配置W依據(jù)該第一參數(shù)與該第二參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于該第一 狀態(tài)、該第二狀態(tài)、該第=狀態(tài)或該第四狀態(tài)，W及計(jì)算睡眠質(zhì)量指針。2. 如權(quán)利要求1所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該生理測(cè)量裝置包括： 穿戴式屯、跳傳感器，經(jīng)配置W穿戴在使用者身上，W及檢測(cè)該使用者在不同時(shí)間的運(yùn) 些屯、跳率；W及 行動(dòng)裝置，禪接該穿戴式屯、跳傳感器與該運(yùn)算處理裝置，經(jīng)配置W收集運(yùn)些屯、跳率，W 及將運(yùn)些屯、跳率經(jīng)由通信網(wǎng)路傳送給該運(yùn)算處理裝置。3. 如權(quán)利要求1所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置還包括： 數(shù)據(jù)庫(kù)，經(jīng)配置W儲(chǔ)存并提供運(yùn)些樣本屯、跳率W及運(yùn)些對(duì)應(yīng)樣本狀態(tài)。4. 如權(quán)利要求1所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一參數(shù)是在第一窗口期 間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第二參數(shù)是 在第二窗口期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第二窗口期間包含該單位期間。5. 如權(quán)利要求1所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一狀態(tài)表示使用者處于 清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)，該第=狀態(tài)表示該使用者處于深睡狀 態(tài)，該第四狀態(tài)表示該使用者處于非深睡狀態(tài)。6. 如權(quán)利要求1所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置經(jīng)配置W將 運(yùn)些屯、跳率轉(zhuǎn)換成該第一參數(shù)、該第二參數(shù)與第=參數(shù)，W及通過使用該第=參數(shù)來辨識(shí) 運(yùn)些屯、跳率在該單位期間是否屬于第五狀態(tài)或第六狀態(tài)。7. 如權(quán)利要求6所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一參數(shù)是在第一窗口期 間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第二參數(shù)是 在第二窗口期間中的運(yùn)些屯、跳率的屯、率變異，該第二窗口期間包含該單位期間，該第=參 數(shù)是在第=窗口期間中的運(yùn)些屯、跳率的平均值，該第=窗口期間包含該單位期間。8. 如權(quán)利要求6所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一狀態(tài)表示使用者處于 清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)，該第=狀態(tài)表示該使用者處于深睡狀 態(tài)，該第四狀態(tài)表示該使用者處于非深睡狀態(tài)，該第五狀態(tài)表示該使用者處于快速眼動(dòng)狀 態(tài)，該第六狀態(tài)表示該使用者處于淺睡狀態(tài)。9. 如權(quán)利要求1所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置經(jīng)配置W將 在該單位期間中的運(yùn)些屯、跳率轉(zhuǎn)換成睡眠呼吸中止事件的風(fēng)險(xiǎn)估計(jì)值，通過使用該風(fēng)險(xiǎn)估 計(jì)值來辨識(shí)該單位期間是否為睡眠呼吸中止候選期間，W及依據(jù)該單位期間是否屬于該第 一狀態(tài)的睡眠狀態(tài)辨識(shí)結(jié)果而來確認(rèn)該睡眠呼吸中止候選期間是否發(fā)生該睡眠呼吸中止 事件。10. 如權(quán)利要求9所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該分類規(guī)則產(chǎn)生引擎經(jīng)配置 更依據(jù)運(yùn)些特征參數(shù)而決定睡眠呼吸中止事件闊值，該信號(hào)轉(zhuǎn)換特征參數(shù)引擎經(jīng)配置更將 在該單位期間中的運(yùn)些屯、跳率轉(zhuǎn)換成該風(fēng)險(xiǎn)估計(jì)值，該睡眠質(zhì)量分析引擎經(jīng)配置更依據(jù)該 第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于該第一狀態(tài)或該第二狀態(tài)W輸出該睡 眠狀態(tài)辨識(shí)結(jié)果，而該運(yùn)算處理裝置還包括： 睡眠呼吸中止分析引擎，禪接該信號(hào)轉(zhuǎn)換特征參數(shù)引擎W接收該風(fēng)險(xiǎn)估計(jì)值，禪接該 睡眠質(zhì)量分析引擎W接收該睡眠狀態(tài)辨識(shí)結(jié)果，禪接該分類規(guī)則產(chǎn)生引擎W接收該睡眠呼 吸中止事件闊值，經(jīng)配置W比較該風(fēng)險(xiǎn)估計(jì)值與該睡眠呼吸中止事件闊值W辨識(shí)該單位期 間是否為該睡眠呼吸中止候選期間，W及依據(jù)該睡眠狀態(tài)辨識(shí)結(jié)果而來確認(rèn)該睡眠呼吸中 止候選期間是否發(fā)生該睡眠呼吸中止事件。11. 如權(quán)利要求9所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置經(jīng)配置W計(jì) 算該風(fēng)險(xiǎn)估計(jì)值其中exp 0表示 W歐拉數(shù)e為底數(shù)的指數(shù)函數(shù)，Pm表示在該單位期間中的屯、跳率的平均，而Pv表示在該單 位期間中的屯、跳率的屯、率變異。12. -種睡眠事件檢測(cè)方法，其特征在于，該睡眠事件檢測(cè)方法包括： 由運(yùn)算處理裝置的分類規(guī)則產(chǎn)生引擎W單位期間為基準(zhǔn)點(diǎn)而定義具有不同大小的多 個(gè)窗口期間，W及分別計(jì)算在運(yùn)些窗口期間中的多筆樣本屯、跳率的特征參數(shù)，W及依據(jù)多 筆對(duì)應(yīng)樣本狀態(tài)與運(yùn)些特征參數(shù)而決定第一窗長(zhǎng)度與第二窗長(zhǎng)度； 由生理測(cè)量裝置在不同時(shí)間測(cè)量多個(gè)屯、跳率； 由該運(yùn)算處理裝置的信號(hào)轉(zhuǎn)換特征參數(shù)引擎依據(jù)該第一窗口長(zhǎng)度將運(yùn)些屯、跳率轉(zhuǎn)換 成第一參數(shù)，W及依據(jù)該第二窗口長(zhǎng)度將運(yùn)些屯、跳率轉(zhuǎn)換成第二參數(shù)； 由該運(yùn)算處理裝置的睡眠質(zhì)量分析引擎通過使用該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在該 單位期間是否屬于第一狀態(tài)或第二狀態(tài)；W及 由該睡眠質(zhì)量分析引擎通過使用該第二參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬 于第=狀態(tài)或第四狀態(tài)。13. 如權(quán)利要求12所述的睡眠事件檢測(cè)方法，其特征在于，所述測(cè)量運(yùn)些屯、跳率的步 驟包括： 由穿戴式屯、跳傳感器檢測(cè)使用者在不同時(shí)間的屯、跳率；W及 由行動(dòng)裝置將運(yùn)些屯、跳率經(jīng)由通信網(wǎng)路傳送給該運(yùn)算處理裝置。14. 如權(quán)利要求12所述的睡眠事件檢測(cè)方法，其特征在于，該運(yùn)算處理裝置更包括數(shù) 據(jù)庫(kù)；該數(shù)據(jù)庫(kù)儲(chǔ)存并提供運(yùn)些樣本屯、跳率W及運(yùn)些對(duì)應(yīng)樣本狀態(tài)。15. 如權(quán)利要求12所述的睡眠事件檢測(cè)方法，其特征在于，該第一參數(shù)是在第一窗口 期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第二參數(shù) 是在第二窗口期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第二窗口期間包含該單位期 間。16. 如權(quán)利要求12所述的睡眠事件檢測(cè)方法，其特征在于，該第一狀態(tài)表示使用者處 于清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)，該第=狀態(tài)表示該使用者處于深睡 狀態(tài)，該第四狀態(tài)表示該使用者處于非深睡狀態(tài)。17. 如權(quán)利要求12所述的睡眠事件檢測(cè)方法，其特征在于，該運(yùn)算處理裝置將運(yùn)些屯、 跳率轉(zhuǎn)換成該第一參數(shù)、該第二參數(shù)與第=參數(shù)，而該睡眠事件檢測(cè)方法還包括： 通過使用該第=參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于第五狀態(tài)或第六狀態(tài)。18. 如權(quán)利要求17所述的睡眠事件檢測(cè)方法，其特征在于，該第一參數(shù)是在第一窗口 期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第二參數(shù) 是在第二窗口期間中的運(yùn)些屯、跳率的屯、率變異，該第二窗口期間包含該單位期間，該第= 參數(shù)是在第=窗口期間中的運(yùn)些屯、跳率的平均值，該第=窗口期間包含該單位期間。19. 如權(quán)利要求17所述的睡眠事件檢測(cè)方法，其特征在于，該第一狀態(tài)表示使用者處 于清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)，該第=狀態(tài)表示該使用者處于深睡 狀態(tài)，該第四狀態(tài)表示該使用者處于非深睡狀態(tài)，該第五狀態(tài)表示該使用者處于快速眼動(dòng) 狀態(tài)，該第六狀態(tài)表示該使用者處于淺睡狀態(tài)。20. 如權(quán)利要求12所述的睡眠事件檢測(cè)方法，其特征在于，該睡眠事件檢測(cè)方法還包 括： 由該運(yùn)算處理裝置將在該單位期間中的運(yùn)些屯、跳率轉(zhuǎn)換成睡眠呼吸中止事件的風(fēng)險(xiǎn) 估計(jì)值； 通過使用該風(fēng)險(xiǎn)估計(jì)值來辨識(shí)該單位期間是否為睡眠呼吸中止候選期間；W及 依據(jù)所述辨識(shí)該單位期間是否屬于該第一狀態(tài)步驟的睡眠狀態(tài)辨識(shí)結(jié)果，而來確認(rèn)該 睡眠呼吸中止候選期間是否發(fā)生該睡眠呼吸中止事件。21. 如權(quán)利要求20所述的睡眠事件檢測(cè)方法，其特征在于，該運(yùn)算處理裝置更包括數(shù) 據(jù)庫(kù)W及睡眠質(zhì)量分析引擎；該數(shù)據(jù)庫(kù)儲(chǔ)存并提供運(yùn)些樣本屯、跳率W及運(yùn)些對(duì)應(yīng)樣本狀 態(tài)；該分類規(guī)則產(chǎn)生引擎依據(jù)運(yùn)些特征參數(shù)而決定睡眠呼吸中止事件闊值；該信號(hào)轉(zhuǎn)換特 征參數(shù)引擎將在該單位期間中的運(yùn)些屯、跳率轉(zhuǎn)換成該風(fēng)險(xiǎn)估計(jì)值；該睡眠質(zhì)量分析引擎依 據(jù)該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于該第一狀態(tài)或該第二狀態(tài)W輸出 該睡眠狀態(tài)辨識(shí)結(jié)果，W及計(jì)算睡眠質(zhì)量指針；W及該睡眠呼吸中止分析引擎比較該風(fēng)險(xiǎn) 估計(jì)值與該睡眠呼吸中止事件闊值W辨識(shí)該單位期間是否為該睡眠呼吸中止候選期間，W 及依據(jù)該睡眠狀態(tài)辨識(shí)結(jié)果而來確認(rèn)該睡眠呼吸中止候選期間是否發(fā)生該睡眠呼吸中止 事件。22. 如權(quán)利要求20所述的睡眠事件檢測(cè)方法，其特征在于，所述將于該單位期間中的 運(yùn)些屯、跳率轉(zhuǎn)換成該風(fēng)險(xiǎn)估計(jì)值的步驟包括： 由該運(yùn)算處理裝置計(jì)算該風(fēng)險(xiǎn)估計(jì)值其中exp 0表示W(wǎng)歐拉數(shù)e為底數(shù)的指數(shù)函數(shù)，化表示在該單 位期間中的屯、跳率的平均，而Pv表示在該單位期間中的屯、跳率的屯、率變異。23. -種睡眠事件檢測(cè)系統(tǒng)，其特征在于，該睡眠事件檢測(cè)系統(tǒng)包括： 生理測(cè)量裝置，經(jīng)配置W在不同時(shí)間測(cè)量多個(gè)屯、跳率；W及 運(yùn)算處理裝置，禪接該生理測(cè)量裝置W收集運(yùn)些屯、跳率，經(jīng)配置W將運(yùn)些屯、跳率轉(zhuǎn)換 成第一參數(shù)與第二參數(shù)，通過使用該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在單位期間是否屬于第一 狀態(tài)或第二狀態(tài)W獲得睡眠狀態(tài)辨識(shí)結(jié)果，W及通過使用該第二參數(shù)來辨識(shí)該單位期間是 否為睡眠呼吸中止候選期間，W及通過使用該睡眠狀態(tài)辨識(shí)結(jié)果來確認(rèn)該睡眠呼吸中止候 選期間是否發(fā)生睡眠呼吸中止事件。24. 如權(quán)利要求23所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該生理測(cè)量裝置包括： 穿戴式屯、跳傳感器，經(jīng)配置W穿戴在使用者身上，W及檢測(cè)該使用者在不同時(shí)間的運(yùn) 些屯、跳率；W及 行動(dòng)裝置，禪接該穿戴式屯、跳傳感器與該運(yùn)算處理裝置，經(jīng)配置W收集運(yùn)些屯、跳率，W 及將運(yùn)些屯、跳率經(jīng)由通信網(wǎng)路傳送給該運(yùn)算處理裝置。25. 如權(quán)利要求23所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置包括： 數(shù)據(jù)庫(kù)，經(jīng)配置W儲(chǔ)存多筆樣本屯、跳率W及多筆對(duì)應(yīng)樣本狀態(tài)； 分類規(guī)則產(chǎn)生引擎，經(jīng)配置W該單位期間為基準(zhǔn)點(diǎn)而定義具有不同大小的多個(gè)窗口期 間，W及分別計(jì)算在運(yùn)些窗口期間中的運(yùn)些樣本屯、跳率的特征參數(shù)，W及依據(jù)運(yùn)些對(duì)應(yīng)樣 本狀態(tài)與運(yùn)些特征參數(shù)而決定第一窗口長(zhǎng)度，W及依據(jù)運(yùn)些特征參數(shù)而決定睡眠呼吸中止 事件闊值； 信號(hào)轉(zhuǎn)換特征參數(shù)引擎，禪接該生理測(cè)量裝置W收集運(yùn)些屯、跳率，禪接該分類規(guī)則產(chǎn) 生引擎W接收該第一窗口長(zhǎng)度，經(jīng)配置W依據(jù)該第一窗口長(zhǎng)度將運(yùn)些屯、跳率轉(zhuǎn)換成該第一 參數(shù)，W及將在該單位期間中的運(yùn)些屯、跳率轉(zhuǎn)換成該第二參數(shù)； 睡眠質(zhì)量分析引擎，禪接該信號(hào)轉(zhuǎn)換特征參數(shù)引擎W接收該第一參數(shù)，經(jīng)配置W依據(jù) 該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于該第一狀態(tài)或該第二狀態(tài)W獲得該 睡眠狀態(tài)辨識(shí)結(jié)果，W及計(jì)算睡眠質(zhì)量指針；W及 睡眠呼吸中止分析引擎，禪接該信號(hào)轉(zhuǎn)換特征參數(shù)引擎W接收該第二參數(shù)，禪接該睡 眠質(zhì)量分析引擎W接收該睡眠狀態(tài)辨識(shí)結(jié)果，禪接該分類規(guī)則產(chǎn)生引擎W接收該睡眠呼吸 中止事件闊值，經(jīng)配置W比較該第二參數(shù)與該睡眠呼吸中止事件闊值W辨識(shí)該單位期間是 否為該睡眠呼吸中止候選期間，W及依據(jù)該睡眠狀態(tài)辨識(shí)結(jié)果而來確認(rèn)該睡眠呼吸中止候 選期間是否發(fā)生該睡眠呼吸中止事件。26. 如權(quán)利要求23所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一參數(shù)是在第一窗口 期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第二參數(shù) 是在該單位期間中發(fā)生該睡眠呼吸中止事件的風(fēng)險(xiǎn)估計(jì)值。27. 如權(quán)利要求26所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置計(jì)算該風(fēng) 險(xiǎn)估計(jì)值其中exp O表示W(wǎng)歐拉數(shù)e 為底數(shù)的指數(shù)巧數(shù)，化表不巧該單位期間中的屯、跳軍的干均，而Pv表示在該單位期間中的 屯、跳率的屯、率變異。28. 如權(quán)利要求23所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一狀態(tài)表示使用者處 于清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)。29. 如權(quán)利要求23所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該運(yùn)算處理裝置經(jīng)配置W 將運(yùn)些屯、跳率轉(zhuǎn)換成該第一參數(shù)、第=參數(shù)與第四參數(shù)，通過使用該第=參數(shù)來辨識(shí)運(yùn)些 屯、跳率在該單位期間是否屬于第=狀態(tài)或第四狀態(tài)，W及通過使用該第四參數(shù)來辨識(shí)運(yùn)些 屯、跳率在該單位期間是否屬于第五狀態(tài)或第六狀態(tài)。30. 如權(quán)利要求29所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一參數(shù)是在第一窗口 期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第=參數(shù) 是在第二窗口期間中的運(yùn)些屯、跳率的屯、率變異，該第二窗口期間包含該單位期間，該第四 參數(shù)是在第=窗口期間中的運(yùn)些屯、跳率的平均值，該第=窗口期間包含該單位期間。31. 如權(quán)利要求29所述的睡眠事件檢測(cè)系統(tǒng)，其特征在于，該第一狀態(tài)表示使用者處 于清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)，該第=狀態(tài)表示該使用者處于深睡 狀態(tài)，該第四狀態(tài)表示該使用者處于非深睡狀態(tài)，該第五狀態(tài)表示該使用者處于快速眼動(dòng) 狀態(tài)，該第六狀態(tài)表示該使用者處于淺睡狀態(tài)。32. -種睡眠事件檢測(cè)方法，其特征在于，該睡眠事件檢測(cè)方法包括： 由生理測(cè)量裝置在不同時(shí)間測(cè)量多個(gè)屯、跳率； 由運(yùn)算處理裝置將運(yùn)些屯、跳率轉(zhuǎn)換成第一參數(shù)與第二參數(shù)； 通過使用該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在單位期間是否屬于第一狀態(tài)或第二狀態(tài)，W 獲得睡眠狀態(tài)辨識(shí)結(jié)果； 通過使用該第二參數(shù)來辨識(shí)該單位期間是否為睡眠呼吸中止候選期間；W及 通過使用該睡眠狀態(tài)辨識(shí)結(jié)果來確認(rèn)該睡眠呼吸中止候選期間是否發(fā)生睡眠呼吸中 止事件。33. 如權(quán)利要求32所述的睡眠事件檢測(cè)方法，其特征在于，所述測(cè)量運(yùn)些屯、跳率的步 驟包括： 由穿戴式屯、跳傳感器檢測(cè)使用者在不同時(shí)間的運(yùn)些屯、跳率擬及 由行動(dòng)裝置將運(yùn)些屯、跳率經(jīng)由通信網(wǎng)路傳送給該運(yùn)算處理裝置。34. 如權(quán)利要求32所述的睡眠事件檢測(cè)方法，其特征在于，該運(yùn)算處理裝置包括數(shù)據(jù) 庫(kù)、分類規(guī)則產(chǎn)生引擎、信號(hào)轉(zhuǎn)換特征參數(shù)引擎、睡眠質(zhì)量分析引擎W及睡眠呼吸中止分析 引擎；該數(shù)據(jù)庫(kù)儲(chǔ)存多筆樣本屯、跳率W及多筆對(duì)應(yīng)樣本狀態(tài)；該分類規(guī)則產(chǎn)生引擎W該單 位期間為基準(zhǔn)點(diǎn)而定義具有不同大小的多個(gè)窗口期間，W及分別計(jì)算在運(yùn)些窗口期間中的 運(yùn)些樣本屯、跳率的特征參數(shù)，W及依據(jù)運(yùn)些對(duì)應(yīng)樣本狀態(tài)與運(yùn)些特征參數(shù)而決定第一窗長(zhǎng) 度，W及依據(jù)運(yùn)些特征參數(shù)而決定睡眠呼吸中止事件闊值；該信號(hào)轉(zhuǎn)換特征參數(shù)引擎依據(jù) 該第一窗口長(zhǎng)度將運(yùn)些屯、跳率轉(zhuǎn)換成該第一參數(shù)，W及將在該單位期間中的運(yùn)些屯、跳率轉(zhuǎn) 換成該第二參數(shù)；該睡眠質(zhì)量分析引擎依據(jù)該第一參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是 否屬于該第一狀態(tài)或該第二狀態(tài)W獲得該睡眠狀態(tài)辨識(shí)結(jié)果，W及計(jì)算睡眠質(zhì)量指針；W 及該睡眠呼吸中止分析引擎比較該第二參數(shù)與該睡眠呼吸中止事件闊值W辨識(shí)該單位期 間是否為該睡眠呼吸中止候選期間，W及依據(jù)該睡眠狀態(tài)辨識(shí)結(jié)果而來確認(rèn)該睡眠呼吸中 止候選期間是否發(fā)生該睡眠呼吸中止事件。35. 如權(quán)利要求32所述的睡眠事件檢測(cè)方法，其特征在于，該第一參數(shù)是在第一窗口 期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第二參數(shù) 是在該單位期間中發(fā)生該睡眠呼吸中止事件的風(fēng)險(xiǎn)估計(jì)值。36. 如權(quán)利要求35項(xiàng)所述的睡眠事件檢測(cè)方法，其特征在于，所述將運(yùn)些屯、跳率轉(zhuǎn)換 成該第二參數(shù)的步驟包括： 由該運(yùn)算處理裝置計(jì)算該風(fēng)險(xiǎn)估計(jì)值，其中exp O表示W(wǎng)歐拉數(shù)e為底數(shù)的指數(shù)函數(shù)，化表示在該單 位期間中的屯、跳率的平均，而Pv表示在該單位期間中的屯、跳率的屯、率變異。37. 如權(quán)利要求32所述的睡眠事件檢測(cè)方法，其特征在于，該第一狀態(tài)表示使用者處 于清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)。38. 如權(quán)利要求32所述的睡眠事件檢測(cè)方法，其特征在于，該運(yùn)算處理裝置將運(yùn)些屯、 跳率轉(zhuǎn)換成該第一參數(shù)、第=參數(shù)與第四參數(shù)，而該睡眠事件檢測(cè)方法還包括： 通過使用該第=參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于第=狀態(tài)或第四狀態(tài)； W及 通過使用該第四參數(shù)來辨識(shí)運(yùn)些屯、跳率在該單位期間是否屬于第五狀態(tài)或第六狀態(tài)。39. 如權(quán)利要求38所述的睡眠事件檢測(cè)方法，其特征在于，該第一參數(shù)是在第一窗口 期間中的運(yùn)些屯、跳率的平均值或屯、率變異，該第一窗口期間包含該單位期間，該第=參數(shù) 是在第二窗口期間中的運(yùn)些屯、跳率的屯、率變異，該第二窗口期間包含該單位期間，該第四 參數(shù)是在第=窗口期間中的運(yùn)些屯、跳率的平均值，該第=窗口期間包含該單位期間。40. 如權(quán)利要求38所述的睡眠事件檢測(cè)方法，其特征在于，該第一狀態(tài)表示使用者處 于清醒狀態(tài)，該第二狀態(tài)表示該使用者處于睡眠狀態(tài)，該第=狀態(tài)表示該使用者處于深睡 狀態(tài)，該第四狀態(tài)表示該使用者處于非深睡狀態(tài)，該第五狀態(tài)表示該使用者處于快速眼動(dòng) 狀態(tài)，該第六狀態(tài)表示該使用者處于淺睡狀態(tài)。
【文檔編號(hào)】A61B5/00GK105982643SQ201510065050
【公開日】2016年10月5日
【申請(qǐng)日】2015年2月9日
【發(fā)明人】黃清煜, 高嘉宏, 蔡明杰, 陳君萍
【申請(qǐng)人】財(cái)團(tuán)法人工業(yè)技術(shù)研究院