本發(fā)明涉及嬰兒睡眠監(jiān)測(cè)器和監(jiān)測(cè)睡覺的嬰兒的方法。

背景技術(shù)：

wo2005055802公開了一種睡眠引導(dǎo)系統(tǒng)，其被設(shè)計(jì)成監(jiān)測(cè)人的睡眠階段并引導(dǎo)人進(jìn)入所選擇的睡眠階段。正常成人人類睡眠的睡眠階段包括諸如一個(gè)或多個(gè)“深睡眠”階段、“快速眼動(dòng)”睡眠階段等階段。傳統(tǒng)上，睡眠階段基于腦電圖(eeg)測(cè)量來確定。然而，對(duì)人進(jìn)行的其他生理測(cè)量也可以用于區(qū)分不同的睡眠階段。wo2005055802提及了眼電圖、肌電圖、腦電圖和其他多導(dǎo)睡眠監(jiān)測(cè)器、麥克風(fēng)、運(yùn)動(dòng)傳感器、濕度傳感器、肌肉張力監(jiān)測(cè)器、血壓袖帶、呼吸器、脈搏血氧儀、溫度計(jì)和類似物，并給出了睡眠階段之間的兩個(gè)心率、呼吸和溫度改變的示例。

wo2005055802公開了個(gè)性化睡眠簡(jiǎn)檔的在先校準(zhǔn)可以提供更好的監(jiān)測(cè)結(jié)果?？梢允褂锰囟ㄋ吣Ｊ脚c睡眠者的生理特性之間的關(guān)系的校準(zhǔn)來建立個(gè)性化睡眠者簡(jiǎn)檔。個(gè)性化睡眠者簡(jiǎn)檔可以與處理器相關(guān)聯(lián)地存儲(chǔ)。處理器使用個(gè)性化睡眠者簡(jiǎn)檔來控制如何使用生理特性確定睡眠狀態(tài)并且可選地睡眠者是否將要轉(zhuǎn)變至特定睡眠階段。

為了校準(zhǔn)，處理器監(jiān)測(cè)睡眠者的睡眠模式和/或生理特性。wo2005055802的處理器評(píng)價(jià)在睡眠者的睡眠循環(huán)的哪些部分或者在哪些情形下發(fā)生生理特性的哪些模式和哪些生理特性而最清楚地指示睡眠者的睡眠階段之間的改變。wo2005055802還公開了睡眠者對(duì)施加的不同刺激的響應(yīng)可以被校準(zhǔn)、例如用于睡眠引導(dǎo)。

人類兒童睡眠與人類成人睡眠非常不同。僅區(qū)分兩個(gè)兒童睡眠狀態(tài)：“主動(dòng)睡眠”和“安靜睡眠”，并且當(dāng)然兒童也經(jīng)常處于各種“醒著”狀態(tài)。新生兒以主動(dòng)睡眠狀態(tài)和安靜睡眠狀態(tài)交替的睡眠循環(huán)睡眠。當(dāng)新生兒首次入睡時(shí)，立即進(jìn)入“主動(dòng)睡眠”。這是相對(duì)不安的睡眠狀態(tài)，類似于成人身上的rem(快速眼動(dòng))睡眠。正如成人在rem期間更容易醒一樣，新生兒在主動(dòng)睡眠期間更容易醒。新生兒可以保持處于該主動(dòng)睡眠狀態(tài)25分鐘或更長(zhǎng)，之后他們潛入稱為“安靜睡眠”的較深的睡眠狀態(tài)。與主動(dòng)睡眠相比，安靜睡眠以較慢的更有節(jié)奏的呼吸、少量移動(dòng)和沒有眼瞼顫動(dòng)為特征。大約50分鐘之后，發(fā)生新的睡眠循環(huán)，主動(dòng)睡眠跟著是安靜睡眠。嬰兒在安靜睡眠期間與在主動(dòng)睡眠期間相比不太容易醒。

本發(fā)明人已發(fā)現(xiàn)，一方面心跳特征和/或呼吸特征和可選的其他檢測(cè)特征與另一方面“主動(dòng)睡眠”和“安靜睡眠”狀態(tài)之間的關(guān)系的在先校準(zhǔn)可以用于檢測(cè)這些睡眠狀態(tài)。心跳特征和呼吸特征的優(yōu)點(diǎn)在于它們可以在不打攪嬰兒的情況下通過遠(yuǎn)程感測(cè)來檢測(cè)。可選地，也可以使用檢測(cè)到的嬰兒移動(dòng)特征，盡管這并不減輕對(duì)于校準(zhǔn)的需要。嬰兒移動(dòng)特征也可以在不打攪嬰兒的情況下進(jìn)行檢測(cè)。在任何情況中，如果將這樣的特征用于睡眠狀態(tài)檢測(cè)，則都有必要校準(zhǔn)。不幸的是，已發(fā)現(xiàn)，這樣的校準(zhǔn)結(jié)果僅針對(duì)校準(zhǔn)之后的有限時(shí)間提供可靠的結(jié)果。此后睡眠分類結(jié)果變得不可靠。本發(fā)明人推測(cè)，這是因?yàn)閶雰旱陌l(fā)育顯著地影響心跳特征和呼吸特征與睡眠狀態(tài)之間的關(guān)系。這些改變似乎不可基于嬰兒的年齡來預(yù)測(cè)。這可能是因?yàn)椴煌瑡雰阂圆煌俣劝l(fā)育。

該關(guān)系的頻繁重復(fù)的再校準(zhǔn)已發(fā)現(xiàn)使得嬰兒身上的睡眠階段的檢測(cè)更可靠。然而，如果牽涉到像腦電圖(eeg)測(cè)量的更多侵入性測(cè)量或睡眠階段的人為測(cè)定的輸入以便編譯再校準(zhǔn)的關(guān)系，則再校準(zhǔn)是繁瑣的。

技術(shù)實(shí)現(xiàn)要素：

其中的一個(gè)目的是提供一種能夠在嬰兒發(fā)育的時(shí)期監(jiān)測(cè)嬰兒睡眠而不要求繁瑣的再校準(zhǔn)的睡眠監(jiān)測(cè)器。

提供了一種用于監(jiān)測(cè)嬰兒睡眠的睡眠監(jiān)測(cè)器，其包括

-心跳特征檢測(cè)器和/或呼吸特征檢測(cè)器；

-基于心跳特征和/或呼吸特征的睡眠狀態(tài)分類器，具有聯(lián)接至心跳特征檢測(cè)器和/或呼吸特征檢測(cè)器的輸入；

-聲音特征檢測(cè)器、移動(dòng)特征檢測(cè)器和睜眼檢測(cè)器中的至少一個(gè)；

-處理電路，被配置成在睡眠監(jiān)測(cè)器的使用期間重復(fù)地執(zhí)行睡眠狀態(tài)分類器的再訓(xùn)練過程，其中處理電路被配置成基于來自聲音特征檢測(cè)器、移動(dòng)特征檢測(cè)器和睜眼檢測(cè)器中的至少一個(gè)的信號(hào)來檢測(cè)床中的嬰兒處于清醒狀態(tài)時(shí)的時(shí)間點(diǎn)，并且使用檢測(cè)到的時(shí)間點(diǎn)生成或選擇用于再訓(xùn)練過程的訓(xùn)練示例。

聲音特征檢測(cè)器可以包括位于采集源自嬰兒床的聲音的位置的麥克風(fēng)。移動(dòng)特征檢測(cè)器可以包括聯(lián)接至視頻運(yùn)動(dòng)檢測(cè)器、加速度計(jì)、雷達(dá)和/或力傳感器的照相機(jī)。睜眼檢測(cè)器可以包括聯(lián)接至面部檢測(cè)器的照相機(jī)。心跳特征檢測(cè)器和呼吸特征檢測(cè)器可以包括照相機(jī)、多普勒雷達(dá)、力傳感器和/或加速度計(jì)等等。

可以使用來自模式辨識(shí)領(lǐng)域的基于傳統(tǒng)特征的分類器，以及來自該領(lǐng)域的傳統(tǒng)分類器訓(xùn)練過程。在用于監(jiān)測(cè)嬰兒睡眠的睡眠監(jiān)測(cè)器中，在使用期間重復(fù)地應(yīng)用訓(xùn)練過程，也就是，基于早期訓(xùn)練結(jié)果接著進(jìn)行分類。已發(fā)現(xiàn)，在嬰兒睡眠監(jiān)測(cè)的情況下，再訓(xùn)練對(duì)于獲得長(zhǎng)期可靠結(jié)果是必要的并且通過在使用期間自動(dòng)地這樣做不需要繁瑣的調(diào)整。雖然分類基于心跳和/或呼吸特征和諸如嬰兒移動(dòng)特征等的可能的附加特征，但是通過使用像歸因于哭泣的聲音、大的運(yùn)動(dòng)和/或嬰兒眼睛睜開的檢測(cè)一樣的其他可檢測(cè)的效果，提高了訓(xùn)練過程的可靠性。這樣的效果的直接觀察使得能夠提供當(dāng)嬰兒醒著時(shí)的時(shí)間點(diǎn)的更加可靠的檢測(cè)。通過在選擇或生成用于在再訓(xùn)練過程中使用的訓(xùn)練示例的中使用該信息，使得再訓(xùn)練更加可靠。再訓(xùn)練可以包括使用從清醒狀態(tài)的檢測(cè)的結(jié)束起的時(shí)間序列以對(duì)用于訓(xùn)練過程在該時(shí)間序列期間的心跳特征和/或呼吸特征值分配類別。再訓(xùn)練還可以包括將在檢測(cè)到的清醒狀態(tài)之外檢測(cè)到的檢測(cè)特征和/或特征呼吸特征值聚類(clustering)。

在實(shí)施例中，處理電路被配置成基于由移動(dòng)特征檢測(cè)器檢測(cè)到的嬰兒運(yùn)動(dòng)特征的移動(dòng)幅度是否超過第一預(yù)定值、由聲音特征檢測(cè)器檢測(cè)到的聲音的響度性質(zhì)是否超過第二預(yù)定值、和/或睜眼檢測(cè)器檢測(cè)到在床中的嬰兒上是否睜眼來檢測(cè)非睡眠狀態(tài)。如觀察到的例如通過在連續(xù)捕獲的圖像中的相互移位的圖像區(qū)域中匹配圖像內(nèi)容并確定偏移(或者或者來自加速度計(jì)、力傳感器或雷達(dá)測(cè)量)的大的移動(dòng)(尤其是軀干的大的移動(dòng))可以用來增加清醒狀態(tài)的檢測(cè)的可靠性。檢測(cè)到的大的移動(dòng)也可以指示父母將嬰兒放在床中，這指示了嬰兒處于清醒狀態(tài)的高的可能性。可能屬于來自嬰兒的哭泣的大聲的聲音時(shí)清醒狀態(tài)的可靠指標(biāo)。類似地，通過檢測(cè)嬰兒的圖像中的面部并檢測(cè)面部中的眼睛的虹膜的可見度而檢測(cè)嬰兒眼睛已睜開是清醒狀態(tài)的可靠指標(biāo)。

為了睡眠的評(píng)價(jià)，嬰兒睡眠監(jiān)測(cè)器的主要目的是在多個(gè)不同的睡覺狀態(tài)、即在嬰兒在床中的情況下嬰兒睡著或可選地醒著時(shí)的不同狀態(tài)之間區(qū)分(如本文使用的，睡眠狀態(tài)可以用來指示嬰兒是否正在睡覺，并且在前一情況中其中的主動(dòng)和安靜睡覺狀態(tài)是正在睡覺中)。優(yōu)選地，再訓(xùn)練包括再訓(xùn)練用于在不同睡覺狀態(tài)之間區(qū)分的準(zhǔn)則。

在實(shí)施例中，處理電路被配置成基于用來獲得訓(xùn)練示例的測(cè)量時(shí)間區(qū)間是否包括檢測(cè)到的時(shí)間點(diǎn)中的至少一個(gè)來排除用來訓(xùn)練用于在所述多個(gè)睡覺狀態(tài)之間區(qū)分的分類準(zhǔn)則的訓(xùn)練示例。通過消除這樣的訓(xùn)練示例，獲得了訓(xùn)練示例的子集，其包含具有來自睡覺狀態(tài)的心跳和/或呼吸特征的示例的較高分?jǐn)?shù)，如果不僅來自睡覺狀態(tài)的話。用于訓(xùn)練的這樣的子集的使用使得能夠?qū)崿F(xiàn)不同睡覺狀態(tài)之間的更加可靠的區(qū)別。

在實(shí)施例中，處理電路被配置成提供在如下的訓(xùn)練時(shí)間區(qū)間獲得的與安靜睡眠相關(guān)聯(lián)的訓(xùn)練示例，訓(xùn)練時(shí)間區(qū)間是在檢測(cè)到嬰兒處于非睡眠狀態(tài)時(shí)的時(shí)間點(diǎn)之后緊接著的時(shí)間區(qū)間。對(duì)于再訓(xùn)練過程，示例的至少一部分可以與訓(xùn)練過程應(yīng)該被分類的狀態(tài)相關(guān)聯(lián)地提供。因?yàn)橐阎獘雰涸谇逍押笞钣锌赡苓M(jìn)入主動(dòng)睡眠狀態(tài)，所以嬰兒清醒時(shí)的時(shí)間點(diǎn)的檢測(cè)可以用來提供訓(xùn)練示例的與該睡覺狀態(tài)的關(guān)聯(lián)性。

一種自動(dòng)監(jiān)測(cè)嬰兒睡眠的方法提供有如下步驟

-針對(duì)連續(xù)的測(cè)量時(shí)間區(qū)間檢測(cè)嬰兒的心跳特征、移動(dòng)特征和/或呼吸特征；

-基于測(cè)量時(shí)間區(qū)間的心跳和/或呼吸特征自動(dòng)地分類與連續(xù)的測(cè)量時(shí)間區(qū)間相關(guān)聯(lián)的嬰兒的睡眠狀態(tài)；

-自動(dòng)地重復(fù)再訓(xùn)練在使用期間用于所述分類的分類準(zhǔn)則，所述再訓(xùn)練包括

-基于來自聲音特征檢測(cè)器、移動(dòng)特征檢測(cè)器和睜眼檢測(cè)器中的至少一個(gè)的信號(hào)檢測(cè)床中的嬰兒處于清醒狀態(tài)時(shí)的時(shí)間點(diǎn)，

-使用檢測(cè)到的時(shí)間點(diǎn)生成或選擇用于再訓(xùn)練的訓(xùn)練示例。

在各實(shí)施例中，分類可以基于心跳特征值的范圍或呼吸特征值的范圍或心跳特征與呼吸特征值的組合的范圍或可選的這些特征與其他特征的值組合中的任一個(gè)的范圍的隱式或顯式限定。類似地，分類可以基于這樣的值或值的組合的一個(gè)函數(shù)或多個(gè)函數(shù)的隱式或顯式限定，一個(gè)函數(shù)或多個(gè)函數(shù)表達(dá)了不同狀態(tài)的可能性。基于心跳特征和/或呼吸特征的分類可以歸結(jié)為限定的范圍或者最可能是其中來自測(cè)量時(shí)間區(qū)間的心跳和/或呼吸特征值所位于的范圍的確定。

在這樣的實(shí)施例中，再訓(xùn)練可以包括調(diào)整限定范圍或一個(gè)函數(shù)或多個(gè)函數(shù)的參數(shù)?？梢岳缯{(diào)整表示范圍的中心值和/或范圍的邊界的參數(shù)。在另一示例中，一個(gè)函數(shù)或多個(gè)函數(shù)可以取決于到可調(diào)參考值(如中心值)的距離。

在其他實(shí)施例中，分配給測(cè)量時(shí)間區(qū)間的分類也可以取決于來自周圍的時(shí)間區(qū)間的特征值。例如，分類可以基于考慮不同狀態(tài)之間的轉(zhuǎn)變的可能性并且把狀態(tài)與觀察到的特征值的可能性聯(lián)系起來的諸如隱馬爾可夫模型(hiddenmarkovmodel)等的時(shí)間依賴性模型中的最有可能的狀態(tài)。用于不同狀態(tài)的可能性的經(jīng)訓(xùn)練的函數(shù)可以在這樣的模型中使用以找到狀態(tài)，和/或轉(zhuǎn)變的可能性可以基于訓(xùn)練示例的序列來調(diào)整。

提供了一種計(jì)算機(jī)程序產(chǎn)品，諸如計(jì)算機(jī)可讀介質(zhì)，其包括用于可編程數(shù)據(jù)處理系統(tǒng)的機(jī)器可讀指令，該指令當(dāng)由數(shù)據(jù)處理系統(tǒng)執(zhí)行時(shí)將引起數(shù)據(jù)處理系統(tǒng)執(zhí)行該方法。

附圖說明

這些和其他目的及有利方面將從參照附圖的示例性實(shí)施例的描述中變得顯而易見。

圖1示出嬰兒睡眠監(jiān)測(cè)器。

圖1a示出嬰兒睡眠監(jiān)測(cè)器的模塊圖。

圖2示出嬰兒睡眠監(jiān)測(cè)的流程圖。

圖3示出模型的狀態(tài)圖的示例。

圖4示出訓(xùn)練過程的示例性實(shí)施例的流程圖。

圖5示出訓(xùn)練過程的示例性實(shí)施例的流程圖。

具體實(shí)施方式

圖1示出示例性嬰兒睡眠監(jiān)測(cè)器。嬰兒睡眠監(jiān)測(cè)器包括指向床12的照相機(jī)10、麥克風(fēng)14、力傳感器16、數(shù)據(jù)處理系統(tǒng)18和顯示器19。力傳感器16被聯(lián)接至床12，并且被布置成測(cè)量作為時(shí)間的函數(shù)的歸因于床中的嬰兒的重量和與其移動(dòng)相關(guān)聯(lián)的重力和壓力改變的加速度的力。照相機(jī)10、麥克風(fēng)14、力傳感器16和顯示器19被聯(lián)接至數(shù)據(jù)處理系統(tǒng)18。

在操作中，嬰兒睡眠監(jiān)測(cè)器用于確定作為時(shí)間的函數(shù)的嬰兒睡眠狀態(tài)并累積這些睡眠狀態(tài)的統(tǒng)計(jì)。

當(dāng)必要的設(shè)備可用時(shí)，可以基于腦電波測(cè)量和許多類似測(cè)量技術(shù)直接區(qū)分不同的睡眠狀態(tài)。對(duì)于嬰兒睡眠通常僅使用兩個(gè)不同的睡眠狀態(tài)，標(biāo)記為安靜睡眠和主動(dòng)睡眠。然而，用于這樣的直接測(cè)量的測(cè)量設(shè)定是繁瑣的并因此不適合日常使用或由諸如大多數(shù)父母等的非專業(yè)人士使用。

代替地，本嬰兒睡眠監(jiān)測(cè)器使用移動(dòng)、心跳和呼吸特征值來估計(jì)嬰兒處于哪種睡眠狀態(tài)。心跳和呼吸特征值可以以不太繁瑣的方式來檢測(cè)，例如通過遠(yuǎn)程照相機(jī)感測(cè)、重力、加速度或多普勒測(cè)量。在嬰兒的情況中，這樣的特征值與將從使用腦電波測(cè)量產(chǎn)生的睡眠狀態(tài)之間沒有唯一的通用關(guān)系。代替地，數(shù)據(jù)處理系統(tǒng)18借助于訓(xùn)練過程適應(yīng)地確定該關(guān)系。數(shù)據(jù)處理系統(tǒng)18通過由數(shù)據(jù)處理系統(tǒng)18執(zhí)行的訓(xùn)練過程重復(fù)地確定這些范圍或功能的更新限定，以便追蹤該關(guān)系歸因于嬰兒的發(fā)育而發(fā)生的改變。

圖1a示出嬰兒睡眠監(jiān)測(cè)器的處理系統(tǒng)的模塊圖，包括心跳特征檢測(cè)器102、呼吸特征檢測(cè)器104、分類器106、訓(xùn)練模塊108、聲音特征檢測(cè)器110、移動(dòng)特征檢測(cè)器112、睜眼檢測(cè)器114和數(shù)據(jù)分析模塊120。心跳特征檢測(cè)器102和呼吸特征檢測(cè)器104具有聯(lián)接至分類器106的輸出。分類器106具有聯(lián)接至數(shù)據(jù)分析模塊120的輸出。心跳特征檢測(cè)器102、呼吸特征檢測(cè)器104、聲音特征檢測(cè)器110、移動(dòng)特征檢測(cè)器112和睜眼檢測(cè)器114具有聯(lián)接至訓(xùn)練模塊108的輸出。訓(xùn)練模塊108具有聯(lián)接至分類器106的輸出。

心跳特征檢測(cè)器102、呼吸特征檢測(cè)器104、聲音特征檢測(cè)器110、移動(dòng)特征檢測(cè)器112和睜眼檢測(cè)器114包括傳感器100(僅在心跳特征檢測(cè)器102和呼吸特征檢測(cè)器104中示出)或者被聯(lián)接至傳感器。此外，它們包括用以處理來自這些傳感器的數(shù)據(jù)的電路。替代地，它們可以使用由數(shù)據(jù)處理系統(tǒng)18執(zhí)行的軟件模塊來實(shí)現(xiàn)。用于處理數(shù)據(jù)的電路可以使用與軟件模塊組合的可編程數(shù)據(jù)處理器來實(shí)現(xiàn)。在該實(shí)施中，圖1a可以被看作示意性軟件架構(gòu)。類似地，分類器106、訓(xùn)練模塊108和數(shù)據(jù)分析模塊120可以借助于數(shù)據(jù)處理器和軟件模塊來實(shí)現(xiàn)。雖然通過示例的方式示出了具有所有的心跳特征檢測(cè)器102、呼吸特征檢測(cè)器104、聲音特征檢測(cè)器110、移動(dòng)特征檢測(cè)器112和睜眼檢測(cè)器114的實(shí)施例，但應(yīng)該認(rèn)識(shí)到，在其他實(shí)施例中可以僅存在這些檢測(cè)器的子集。

在操作中，心跳特征檢測(cè)器102使用傳感器數(shù)據(jù)以連續(xù)測(cè)量時(shí)間區(qū)間測(cè)量諸如心跳頻率、心跳循環(huán)持續(xù)時(shí)間、心跳頻率直方圖、心率變化性等等的一個(gè)或多個(gè)心跳特征。呼吸特征檢測(cè)器104使用傳感器數(shù)據(jù)以連續(xù)測(cè)量時(shí)間區(qū)間測(cè)量諸如呼吸頻率、呼吸循環(huán)持續(xù)時(shí)間、呼吸頻率直方圖、呼吸變化性等等的一個(gè)或多個(gè)呼吸特征。分類器106基于心跳和呼吸特征中的至少一個(gè)來選擇睡眠狀態(tài)。分類器106將所選擇的睡眠狀態(tài)發(fā)信號(hào)給數(shù)據(jù)分析模塊120，數(shù)據(jù)分析模塊120收集睡眠狀態(tài)的統(tǒng)計(jì)和/或基于所選擇的睡眠狀態(tài)生成警報(bào)。

訓(xùn)練模塊108在睡眠檢測(cè)器的使用期間重復(fù)地執(zhí)行分類器106的再訓(xùn)練過程。訓(xùn)練模塊108基于來自聲音特征檢測(cè)器110、移動(dòng)特征檢測(cè)器112和睜眼檢測(cè)器114中的至少一個(gè)的信號(hào)來檢測(cè)床中的嬰兒處于清醒狀態(tài)時(shí)的時(shí)間點(diǎn)。訓(xùn)練模塊108使用所檢測(cè)到的時(shí)間點(diǎn)生成或選擇用于再訓(xùn)練過程的訓(xùn)練示例。訓(xùn)練模塊108接著使用訓(xùn)練示例來選擇由分類器106限定分類的參數(shù)，并將這些參數(shù)加載到分類器106中。

圖2示出借助于心跳和呼吸特征值進(jìn)行的嬰兒睡眠監(jiān)測(cè)的流程圖。在第一步驟21中，數(shù)據(jù)處理系統(tǒng)18(心跳特征檢測(cè)器102和呼吸特征檢測(cè)器104)以測(cè)量時(shí)間區(qū)間測(cè)量心跳和呼吸特征及可選的移動(dòng)特征。在實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18為此目的使用了從照相機(jī)10獲得的圖像數(shù)據(jù)。

心跳特征檢測(cè)器102可以對(duì)應(yīng)于心跳的范圍內(nèi)的周期持續(xù)時(shí)間、根據(jù)用聯(lián)接至床的力或加速度傳感器檢測(cè)到的歸因于心跳而施加在床上的周期性力的效果來測(cè)量心跳。也可以從如用多普勒雷達(dá)檢測(cè)到的周期性移動(dòng)或者對(duì)由皮膚產(chǎn)生的光反射的強(qiáng)度(例如反射的顏色或灰度等級(jí)強(qiáng)度)的變化的效果來測(cè)量。皮膚的血液灌注的程度在心跳循環(huán)期間是變化的。于是，數(shù)據(jù)處理系統(tǒng)18可以配置成收集在來自照相機(jī)10的圖像的顯示了床12中的嬰兒的皮膚的區(qū)域中的像素值(像素值的r平均值)。在替代示例中或者除了多普勒雷達(dá)之外，可以使用光學(xué)雷達(dá)(lidar)、力(重量)傳感器或加速度計(jì)來測(cè)量歸因于心跳的移動(dòng)、力或加速度。力傳感器或加速度計(jì)可以放置在床墊上或下方，例如在嬰兒的胸部所在的位置附近。在其他實(shí)施例中，可以使用用于在嬰兒身上使用的夾式傳感器。力傳感器或加速度計(jì)可以使用被定向?yàn)閷?duì)豎直方向上(即垂直于嬰兒躺著的平面)的力或加速度做出響應(yīng)的那些力傳感器或加速度計(jì)。

從針對(duì)時(shí)間序列圖像獲得的結(jié)果，多普勒雷達(dá)、光學(xué)雷達(dá)、力和/或加速度感測(cè)結(jié)果和數(shù)據(jù)處理系統(tǒng)18可以確定作為時(shí)間和/或頻率的函數(shù)的像素變化的相應(yīng)特征之間的時(shí)間的持續(xù)時(shí)間。所得到的作為時(shí)間的函數(shù)的顏色、速度、力或加速度的測(cè)量可以在時(shí)間上被濾波以強(qiáng)調(diào)心跳的周期性效果。像素值的連續(xù)最小值或最大值之間的持續(xù)時(shí)間可以例如通過檢測(cè)最小值或最大值的時(shí)間點(diǎn)并確定差異來確定。類似地，可以測(cè)量測(cè)得的速度、力或加速度的最小值或最大值或過零之間的持續(xù)時(shí)間。持續(xù)時(shí)間和/或頻率可以用作心跳特征，或者數(shù)據(jù)處理系統(tǒng)18可以從多個(gè)連續(xù)測(cè)得的頻率的持續(xù)時(shí)間導(dǎo)出一個(gè)或多個(gè)心跳特征，例如通過對(duì)持續(xù)時(shí)間求平均值和/或計(jì)算持續(xù)時(shí)間上的分布，諸如其方差、心率變化性或者心跳之間的持續(xù)時(shí)間的變化范圍的大小?？梢岳绱_定在一分鐘與十分鐘之間的測(cè)量時(shí)間區(qū)間中的平均值或分布。作為另一可能性，可以在測(cè)量時(shí)間區(qū)間上取得像素值的傅里葉變換，并且可以使用傅里葉變換中的預(yù)定頻譜帶上的頻譜分布作為心跳特征。

呼吸特征檢測(cè)器104可以測(cè)量呼吸的效果，其可以從例如在圖像、或雷達(dá)或光學(xué)雷達(dá)信號(hào)中觀察到的移動(dòng)而測(cè)得。呼吸導(dǎo)致周期性胸部移動(dòng)，該移動(dòng)造成照相機(jī)圖像中可見的圖像特征的周期性位移或者由雷達(dá)等等觀察到胸部或胸部處衣服可見的那些圖像的區(qū)域中的移動(dòng)。因此，數(shù)據(jù)處理系統(tǒng)18可以使用傳統(tǒng)運(yùn)動(dòng)向量檢測(cè)器的輸出，或者將連續(xù)圖像的區(qū)域中的圖像數(shù)據(jù)進(jìn)行比較以確定連續(xù)圖像之間的相應(yīng)圖像特征的位移?？梢岳缡褂脠D像中作為距離的函數(shù)的針對(duì)連續(xù)時(shí)間點(diǎn)的圖像之間的相關(guān)性。數(shù)據(jù)處理系統(tǒng)18可以應(yīng)用時(shí)間濾波器以強(qiáng)調(diào)在呼吸頻率的預(yù)期范圍內(nèi)的呼吸的周期性效果。數(shù)據(jù)處理系統(tǒng)18可以確定作為時(shí)間的函數(shù)的運(yùn)動(dòng)或頻率的相應(yīng)特征之間的持續(xù)時(shí)間。運(yùn)動(dòng)的連續(xù)最小值或最大值之間的持續(xù)時(shí)間或其時(shí)間導(dǎo)數(shù)可以例如通過檢測(cè)最小值或最大值的時(shí)間點(diǎn)并確定差異或者從例如雷達(dá)多普勒、力或加速度測(cè)量來確定。該持續(xù)時(shí)間或頻率可以用作呼吸特征，或者數(shù)據(jù)處理系統(tǒng)18可以從多個(gè)連續(xù)測(cè)得的持續(xù)時(shí)間導(dǎo)出一個(gè)或多個(gè)呼吸特征，例如通過求持續(xù)時(shí)間的平均值和/或計(jì)算其分布。作為另一可能性，可以在測(cè)量時(shí)間區(qū)間上取得運(yùn)動(dòng)的傅里葉變換，并且可以使用傅里葉變換中的預(yù)定頻譜帶上的頻譜分布作為呼吸特征。

可選地，數(shù)據(jù)處理系統(tǒng)18可以從來自照相機(jī)10的圖像確定進(jìn)一步的特征，諸如像手指相對(duì)于手的運(yùn)動(dòng)、手臂相對(duì)于軀干的移動(dòng)、腿相對(duì)于軀干的移動(dòng)等等的相對(duì)身體部位運(yùn)動(dòng)。數(shù)據(jù)處理系統(tǒng)18可以通過在連續(xù)時(shí)間點(diǎn)處捕獲到的圖像中搜索具有匹配內(nèi)容的圖像區(qū)域并確定這些圖像區(qū)域的位置之間的偏移來檢測(cè)身體部位的運(yùn)動(dòng)向量。數(shù)據(jù)處理系統(tǒng)18可以基于圖像區(qū)域與已知的與其他身體部位(例如頭部)相關(guān)聯(lián)的另外的圖像區(qū)域的相對(duì)位置來確定圖像區(qū)域與身體部位之間的關(guān)聯(lián)性，該其它身體部分可通過面部檢測(cè)定位的頭部或可從作為最大身體部位的事實(shí)而識(shí)別的軀干等。

可選地，數(shù)據(jù)處理系統(tǒng)18可以確定來自其他傳感器(諸如來自力傳感器16)的信號(hào)的特征。通過示例的方式，可以確定力值變化的標(biāo)準(zhǔn)差，或者力值變化的頻譜的預(yù)定譜帶上的功率密度。

在步驟22中，數(shù)據(jù)處理系統(tǒng)18(分類器106)將估計(jì)的睡眠狀態(tài)和/或概率分配給特征向量，各特征向量包含測(cè)量時(shí)間區(qū)間中的心跳和呼吸特征值及可選的測(cè)量時(shí)間區(qū)間中的其他特征值的測(cè)得向量、諸如與身體部位相關(guān)聯(lián)的運(yùn)動(dòng)向量。基本上，估計(jì)睡眠狀態(tài)的分配利用了心跳和呼吸特征及可選的其他特征值的特征向量的空間中的范圍的顯式或隱式預(yù)定限定，和與這些范圍相關(guān)聯(lián)的狀態(tài)指示。由于可能牽涉到多于一個(gè)的特征，所以范圍可以是多維范圍，諸如半空間、多邊形、圓形、球體等等。在一個(gè)示例中，半空間和多邊形可以通過用于特征值的加權(quán)和的閾值隱式地限定。

如將說明的，范圍的顯式或隱式預(yù)定限定及其相關(guān)聯(lián)的狀態(tài)指示通過訓(xùn)練過程來確定，然而對(duì)于理解圖2的分配過程不需要訓(xùn)練過程。

估計(jì)睡眠狀態(tài)的分配可以包括確定所測(cè)得的特征向量所位于的顯式或隱式限定的范圍和將與該范圍相關(guān)聯(lián)的狀態(tài)分配為針對(duì)測(cè)量時(shí)間區(qū)間的睡眠狀態(tài)。確定所測(cè)得的特征向量所位于的范圍可以例如基于該范圍的顯式限定或者通過計(jì)算應(yīng)用于包含特征值的測(cè)得特征向量的一個(gè)或多個(gè)預(yù)定的特性函數(shù)的函數(shù)值并將結(jié)果與閾值進(jìn)行比較來進(jìn)行。在該情況中，特性函數(shù)用于隱式地表征范圍。類似地，估計(jì)睡眠狀態(tài)的概率可以通過計(jì)算特征值的測(cè)得向量的預(yù)定的概率函數(shù)來計(jì)算。

如將說明的，特性函數(shù)和/或概率函數(shù)的限定可以通過訓(xùn)練過程來確定。在進(jìn)一步的實(shí)施例中，估計(jì)睡眠狀態(tài)和/或概率的分配可以利用針對(duì)多個(gè)測(cè)量時(shí)間區(qū)間的測(cè)量。例如可以使用隱馬爾可夫模型，其中睡眠狀態(tài)是模型的狀態(tài)并且心跳和呼吸特征的向量被用作由具有預(yù)定概率的這些狀態(tài)產(chǎn)生的符號(hào)。

圖3示出這樣的模型的狀態(tài)圖的示例。狀態(tài)圖將狀態(tài)表示為節(jié)點(diǎn)30a至30d，其中第一節(jié)點(diǎn)30a表示“嬰兒不在床中”狀態(tài)。第二節(jié)點(diǎn)30b表示嬰兒在床12中的“醒著”狀態(tài)。第三節(jié)點(diǎn)30c表示嬰兒在床中的“主動(dòng)睡眠”狀態(tài)。第四節(jié)點(diǎn)30d表示嬰兒在床12中的“安靜睡眠”狀態(tài)?？蛇x地，可以添加“無檢測(cè)可能”狀態(tài)，其例如當(dāng)父母遮蔽嬰兒的圖像或在床上引起大的力時(shí)發(fā)生。實(shí)心箭頭表示最頻繁地造成不同狀態(tài)30a至30d的轉(zhuǎn)變。當(dāng)嬰兒被放到床上時(shí)，大多數(shù)達(dá)到醒著或主動(dòng)睡眠狀態(tài)。從醒著狀態(tài)，主要發(fā)生到主動(dòng)睡眠狀態(tài)的轉(zhuǎn)變。到安靜睡眠狀態(tài)的轉(zhuǎn)變大多數(shù)從主動(dòng)睡眠狀態(tài)發(fā)生并且反之亦然。嬰兒從主動(dòng)或安靜睡眠狀態(tài)清醒。當(dāng)嬰兒啼哭時(shí)，父母大多數(shù)將嬰兒在醒著狀態(tài)下從床中抱走。除了用實(shí)心箭頭指示的轉(zhuǎn)變之外，其他不太頻繁的轉(zhuǎn)變(未示出)是可能的，諸如嬰兒從安靜睡眠狀態(tài)直接進(jìn)入醒著狀態(tài)，或者在處于其中一個(gè)睡眠狀態(tài)時(shí)被放到床上或從床上抱出來。

隱馬爾可夫模型包括針對(duì)狀態(tài)之間的轉(zhuǎn)變中的至少一部分的概率值和當(dāng)處于各狀態(tài)時(shí)的不同符號(hào)(例如，測(cè)得的心跳和呼吸特征值)的概率?；陔[馬爾可夫模型的分配包括基于測(cè)得的符號(hào)及其時(shí)間序列的處于模型的不同狀態(tài)的可能性的逆向計(jì)算。在該過程中，基于心跳和呼吸特征的單獨(dú)向量的估計(jì)睡眠狀態(tài)和/或概率的臨時(shí)分配可以用作用于基于測(cè)得的符號(hào)的時(shí)間序列的分配的輸入。如將說明的，隱馬爾可夫模型的參數(shù)的限定可以通過訓(xùn)練過程來確定。

在第三步驟23中，數(shù)據(jù)處理系統(tǒng)18(數(shù)據(jù)分析模塊120)通過引起它們存儲(chǔ)在作為數(shù)據(jù)處理系統(tǒng)18的一部分的存儲(chǔ)裝置中或位于別處來記錄與測(cè)量時(shí)間區(qū)間相關(guān)聯(lián)的被分配的估計(jì)睡眠狀態(tài)和/或概率?？蛇x地，數(shù)據(jù)處理系統(tǒng)18可以存儲(chǔ)底層的特征值的測(cè)得向量。在該情況中，第二步驟22可以移動(dòng)到稍后階段。

在第四步驟24中，數(shù)據(jù)處理系統(tǒng)18測(cè)試是否需要睡眠狀態(tài)分配的顯示或聚合(例如響應(yīng)于用以顯示聚合睡眠數(shù)據(jù)的用戶指令的輸入)和可選地是否滿足用于生成報(bào)警信號(hào)。如果否，則數(shù)據(jù)處理系統(tǒng)18重復(fù)從第一步驟21的過程。否則數(shù)據(jù)處理系統(tǒng)18前進(jìn)至第五步驟25。

在第五步驟25中，數(shù)據(jù)處理系統(tǒng)18在諸如從當(dāng)前時(shí)間開始的選擇的小時(shí)數(shù)、一晚或一天等的選擇的時(shí)間周期內(nèi)檢索所記錄的睡眠狀態(tài)分配。數(shù)據(jù)處理系統(tǒng)18可以被配置成引起顯示器19沿著時(shí)間標(biāo)尺顯示針對(duì)測(cè)量時(shí)間區(qū)間的分配的睡眠狀態(tài)。雖然第五步驟25被示出為過程中的順次步驟，但事實(shí)上它可以與其他步驟同時(shí)執(zhí)行，例如在分離的處理線程中或通過不同的處理器。

數(shù)據(jù)處理系統(tǒng)18可以被配置成在第五步驟25中將睡眠狀態(tài)聚合，例如，通過例如基于分配給不同睡眠狀態(tài)的測(cè)量時(shí)間區(qū)間的計(jì)數(shù)來計(jì)算在所選擇的時(shí)間周期中、在睡眠狀態(tài)中的相應(yīng)一個(gè)睡眠狀態(tài)中花費(fèi)的時(shí)間的量，和/或通過計(jì)算橫跨連續(xù)分配相同睡眠狀態(tài)的多個(gè)測(cè)量時(shí)間區(qū)間的連續(xù)時(shí)間區(qū)間的長(zhǎng)度。數(shù)據(jù)處理系統(tǒng)18可以被配置成引起顯示器19顯示計(jì)算出的聚合，例如，作為數(shù)字、條或呈連續(xù)時(shí)間區(qū)間的長(zhǎng)度的直方圖的形式。

在第五步驟25之后，數(shù)據(jù)處理系統(tǒng)18執(zhí)行第六步驟26，其中確定是否啟動(dòng)再訓(xùn)練過程27，用于再訓(xùn)練用于在第二步驟22中的分配的顯式或隱式范圍。再訓(xùn)練(通過訓(xùn)練模塊108)可以例如周期性地或者響應(yīng)于檢測(cè)到分類器106可靠性的減小的指示而啟動(dòng)。再訓(xùn)練可以與圖2的過程同時(shí)執(zhí)行：分配的舊方法可以繼續(xù)在第二步驟22中使用直到再訓(xùn)練完成。雖然第六步驟26被示出為過程中的順次步驟，但事實(shí)上也可以與其他步驟同時(shí)執(zhí)行，例如在分離的處理線程中或者通過不同的處理器。

如所描述的，第二步驟22中由數(shù)據(jù)處理系統(tǒng)18進(jìn)行的睡眠狀態(tài)和/或睡眠狀態(tài)的概率的分配牽涉到使用心跳和呼吸特征值的向量的值的范圍的預(yù)定限定和/或表達(dá)用于分配的向量的序列的可能性的那些向量和/或模型的函數(shù)的限定。

已發(fā)現(xiàn)，使用具有固定限定的心跳和呼吸特征值不可能獲得可靠的睡眠狀態(tài)數(shù)據(jù)。睡眠狀態(tài)之間的關(guān)系似乎可以通過更直接的方法來確定，并且這些特征在嬰兒的發(fā)育過程中改變，且改變發(fā)生時(shí)的時(shí)間標(biāo)尺和它們發(fā)生的方式在不同嬰兒之間廣泛地存在差異。

為了維持基于心跳和呼吸特征值的可靠的睡眠狀態(tài)分配，數(shù)據(jù)處理系統(tǒng)18重復(fù)地執(zhí)行訓(xùn)練過程以確定在時(shí)間過程中的更新的限定。用于確定具有相關(guān)聯(lián)的狀態(tài)值的范圍的限定的訓(xùn)練過程、用以隱式地限定這樣的范圍的函數(shù)、用以分配概率的函數(shù)和模型(諸如隱馬爾可夫模型)本身可從模式辨識(shí)的一般領(lǐng)域已知。

為了提高睡眠狀態(tài)的分配的可靠性，優(yōu)選的是使用受監(jiān)督的訓(xùn)練過程，也就是，如下的訓(xùn)練過程，在訓(xùn)練過程中，提供特征值的測(cè)得向量的示例，每個(gè)示例與當(dāng)測(cè)量測(cè)得的特征值時(shí)所屬的狀態(tài)的指示或不同狀態(tài)的概率相關(guān)聯(lián)。

然而，受監(jiān)督的訓(xùn)練一般更繁瑣。因?yàn)橐寻l(fā)現(xiàn)沒有單個(gè)的限定可以用于所有嬰兒，所以用于嬰兒睡眠監(jiān)測(cè)的各重復(fù)的訓(xùn)練過程必須針對(duì)單獨(dú)的嬰兒來進(jìn)行。通過對(duì)嬰兒應(yīng)用電極以便基于腦電波與心跳和呼吸特征的訓(xùn)練示例組合來提供真實(shí)狀態(tài)測(cè)量而是不可行的。在學(xué)習(xí)了區(qū)分不同嬰兒睡眠狀態(tài)之后，要求父母觀察嬰兒許多小時(shí)并且輸入觀察到的睡眠狀態(tài)也是不可行的。

可測(cè)量的語境信息可以代替地使用來支持不要求對(duì)嬰兒應(yīng)用電極或持續(xù)觀察的受監(jiān)督的訓(xùn)練的形式。數(shù)據(jù)處理系統(tǒng)18可以使用來自麥克風(fēng)14的輸入來檢測(cè)嬰兒何時(shí)啼哭。啼哭的檢測(cè)指示嬰兒未處于任何睡眠狀態(tài)。類似地，數(shù)據(jù)處理系統(tǒng)18可以使用來自照相機(jī)10的視頻輸入和/或測(cè)量施加在床上的力的力變化的力傳感器以檢測(cè)嬰兒何時(shí)進(jìn)行大規(guī)模移動(dòng)。取代照相機(jī)圖像和/或感測(cè)到的力，可以使用透射-反射延遲，雷達(dá)、光學(xué)雷達(dá)或諸如多普勒頻移等的聲納測(cè)量，和/或加速度計(jì)測(cè)量。像啼哭的檢測(cè)一樣，高于充分高的閾值的移動(dòng)的檢測(cè)指示嬰兒未處于任何睡眠狀態(tài)。當(dāng)這樣的訓(xùn)練示例被從訓(xùn)練睡眠狀態(tài)的檢測(cè)中排除時(shí)，該類型的語境信息增加了對(duì)應(yīng)于實(shí)際睡眠狀態(tài)的剩余訓(xùn)練示例的分?jǐn)?shù)，由此增加了檢測(cè)的可靠性。此外，這樣的訓(xùn)練示例提供了訓(xùn)練示例與清醒狀態(tài)相關(guān)聯(lián)的受監(jiān)督的訓(xùn)練信息的形式。

在實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18可以在訓(xùn)練過程中使用這樣的檢測(cè)以從訓(xùn)練過程中消除當(dāng)檢測(cè)到嬰兒未處于睡眠狀態(tài)時(shí)已測(cè)得的示例性心跳和呼吸特征值。這可以用來提高使用剩余示例性心跳和呼吸特征值的不受監(jiān)督的訓(xùn)練的準(zhǔn)確性。例如，因?yàn)榇嬖趤碜苑撬郀顟B(tài)的較少噪聲，剩余的示例性心跳和呼吸特征值可以被聚類成更準(zhǔn)確地對(duì)應(yīng)于不同睡眠狀態(tài)的聚類。在另一示例中，剩余示例性心跳和呼吸特征向量可以首先被過濾，以去除處于當(dāng)檢測(cè)到嬰兒未處于睡眠狀態(tài)時(shí)已測(cè)得的特征向量的聚類內(nèi)的向量。因此，對(duì)應(yīng)于醒著狀態(tài)的更多特征向量可以被消除。在該實(shí)施例中，過濾后保留的特征向量提供了睡眠狀態(tài)之間的區(qū)分的更準(zhǔn)確的訓(xùn)練。

應(yīng)強(qiáng)調(diào)的是，該實(shí)施例僅僅是利用語境信息的訓(xùn)練過程的一個(gè)示例。通過示例的方式，針對(duì)該示例將給出訓(xùn)練過程的流程圖。

圖4示出訓(xùn)練過程的示例性實(shí)施例的流程圖。在第一步驟41中，數(shù)據(jù)處理系統(tǒng)18確定心跳和呼吸特征值以及針對(duì)多個(gè)時(shí)間區(qū)間中的每一個(gè)的語境信息?？梢允褂帽确秸f在比方說一小時(shí)與一天之間的延長(zhǎng)的時(shí)間段內(nèi)分布的三十秒與十分鐘之間的時(shí)間區(qū)間。

第一步驟41中的心跳和呼吸特征值的確定可以如針對(duì)圖2的第一步驟21所描述的那樣進(jìn)行。可選地，可以使用來自用于測(cè)量床上的力的其他傳感器(諸如一個(gè)或多個(gè)力傳感器)的特征值。在示例性實(shí)施例中，第一步驟41中由數(shù)據(jù)處理系統(tǒng)18確定的語境信息可以基于從麥克風(fēng)14接收的音頻數(shù)據(jù)、來自照相機(jī)10的視頻數(shù)據(jù)和/或來自力傳感器16的力數(shù)據(jù)。在一個(gè)示例中，數(shù)據(jù)處理系統(tǒng)18可以被配置成從麥克風(fēng)14接收音頻數(shù)據(jù)，將在時(shí)間區(qū)間的至少一部分期間的平均音頻功率水平計(jì)算為特征值(可選地，處于包括由啼哭的嬰兒產(chǎn)生的頻率的預(yù)定頻帶的功率水平)。另外地或替代地，處理系統(tǒng)18可以通過從來自照相機(jī)10的圖像中檢測(cè)運(yùn)動(dòng)并將運(yùn)動(dòng)的幅度確定為特征值(例如，嬰兒的身體的相同部位的不同位置之間的最大圖像距離)來確定語境信息。另外地或替代地，處理系統(tǒng)18可以通過檢測(cè)作為特征值的最大峰-峰力值變化而從來自諸如力傳感器16等的其他傳感器的信號(hào)中確定語境數(shù)據(jù)。

在第二步驟42中，數(shù)據(jù)處理系統(tǒng)18確定是否針對(duì)時(shí)間區(qū)間中的每一個(gè)從這些傳感器導(dǎo)出的特征值是否在與嬰兒的“醒著”狀態(tài)相關(guān)聯(lián)的預(yù)定的范圍內(nèi)?？蛇x地，數(shù)據(jù)處理系統(tǒng)18基于特征的大小在醒著狀態(tài)、睡覺狀態(tài)和“不確定”狀態(tài)之間進(jìn)行區(qū)分。

在一個(gè)示例中，數(shù)據(jù)處理系統(tǒng)18可以被配置成將時(shí)間區(qū)間中的平均或最大音頻功率水平特征與預(yù)定閾值進(jìn)行比較，并且如果超過閾值則檢測(cè)特征值在預(yù)定的范圍中。另外地或替代地，處理系統(tǒng)18可以將運(yùn)動(dòng)幅度特征值與進(jìn)一步的預(yù)定閾值進(jìn)行比較，并且如果超過進(jìn)一步的閾值則檢測(cè)特征值在預(yù)定的范圍中。另外地或替代地，處理系統(tǒng)18可以將峰-峰力變化特征與預(yù)定閾值進(jìn)行比較，并且如果超過閾值則檢測(cè)特征值在預(yù)定的范圍中。

在第三步驟43中，數(shù)據(jù)處理系統(tǒng)18選擇心跳和呼吸特征向量及可選的其他特征值的向量的第一和第二集合。第一集合的向量包含來自第二步驟42中確定“醒著”狀態(tài)所針對(duì)的時(shí)間區(qū)間的特征值的向量。第二集合的特征值包含來自不是這樣的時(shí)間區(qū)間的特征值的向量。

在該示例性實(shí)施例的第四步驟44中，數(shù)據(jù)處理系統(tǒng)18執(zhí)行聚類過程以形成來自所選擇的第一和第二集合的心跳和呼吸特征值及可選的其他特征值的特征向量的聚類。在實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18首先針對(duì)第一集合執(zhí)行聚類過程，其所得到的聚類將被稱為“醒著”聚類。接下來，數(shù)據(jù)處理系統(tǒng)18測(cè)試來自第二集合的向量以確定它們是否處于基于第一集合形成的“醒著”聚類內(nèi)(或者它們是否處于與這些“醒著”聚類的中心相距不超過預(yù)定距離)。如果是這樣，則數(shù)據(jù)處理系統(tǒng)18從第二集合中去除該向量。在該實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18隨后執(zhí)行針對(duì)第二集合中的剩余向量的聚類過程。這造成第二類型的聚類，其將被稱為“睡眠”聚類。取代這樣的兩個(gè)步驟聚類，可以使用一個(gè)步驟聚類過程，其要求聚類的那部分基本不包含來自第三步驟43中形成的第二集合。來自該部分的聚類接著被稱為“睡眠”聚類?？蛇x地，數(shù)據(jù)處理系統(tǒng)18可以針對(duì)已經(jīng)借助于來自第二步驟42中分配給確定的睡覺狀態(tài)的時(shí)間區(qū)間的特征向量而存在的睡覺狀態(tài)中的一個(gè)或多個(gè)創(chuàng)建初始聚類(種子)。以該方式，來自在第二步驟42中已發(fā)現(xiàn)不確定的時(shí)間區(qū)間的特征向量可以被添加到基于心跳和呼吸特征值及可選的其他特征值的確定的睡覺狀態(tài)。

聚類方法本身是已知的。聚類利用了針對(duì)不同訓(xùn)練實(shí)例中的不同特征的特征值與值的向量之間的距離度量。在聚類的示例性形式中，各聚類包含如下的特征向量，與到針對(duì)其他聚類的參考特征向量相比，針對(duì)該聚類的參考特征向量相距近。聚類方法的實(shí)施例選擇使從訓(xùn)練示例的特征向量到它們的聚類的參考特征向量的距離的組合最小化的參考特征向量。對(duì)于一維特征向量，聚類可以僅僅是選擇對(duì)應(yīng)于向量值的分布中的峰值的參考值的問題。在本情況中，特征向量包括相同時(shí)間區(qū)間的心跳和呼吸特征及可選的其他特征的值，并且使用了來自不同時(shí)間區(qū)間的這樣的特征向量之間的距離。

在實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18可以被配置成在聚類過程中使用針對(duì)當(dāng)前或前一分配的聚類作為初始聚類，例如以迭代地選擇聚類的適配版本以便減小聚類與訓(xùn)練示例之間的距離。

在一個(gè)實(shí)施例中，可以使用歐式距離(euclideandistance)，即，來自不同時(shí)間區(qū)間的對(duì)應(yīng)特征的值之間的差異的平方的可選加權(quán)和的平方根。在這些或其他實(shí)施例中，可以使用用作針對(duì)不同時(shí)間區(qū)間的特征的直方圖之間的差異度量來取代差異。也可以使用其他類型的差異度量，諸如絕對(duì)值的(加權(quán))和。

在第五步驟45中，數(shù)據(jù)處理系統(tǒng)18將“睡眠”聚類分配給安靜睡眠和主動(dòng)睡眠聚類的集合。這可以例如基于將具有高于和低于閾值的平均心率的向量的聚類分別分配給安靜睡眠聚類的集合和主動(dòng)睡眠聚類的集合來完成。在該實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18可以在圖2的過程的第二步驟22中使用針對(duì)聚類的參考特征向量來分配睡眠狀態(tài)。第二步驟22可以包括計(jì)算從測(cè)量時(shí)間區(qū)間確定的特征向量與聚類的參考特征向量之間的距離和使用處于最低距離的聚類的睡眠狀態(tài)，或者距離低于閾值所針對(duì)的聚類的睡眠狀態(tài)。為了檢測(cè)這樣的分配的降低了的可靠性的指示，數(shù)據(jù)處理系統(tǒng)18可以測(cè)試針對(duì)聚類的參考特征向量與針對(duì)分配給根據(jù)該聚類的對(duì)應(yīng)睡眠狀態(tài)的特征向量的多個(gè)時(shí)間區(qū)間的平均值之間的距離。如果該差異超過預(yù)定閾值，則數(shù)據(jù)處理系統(tǒng)18可以觸發(fā)再訓(xùn)練。

如所提到的，通過參照?qǐng)D4描述的實(shí)施例僅僅是訓(xùn)練過程的一個(gè)示例。可以使用的任何類型的訓(xùn)練過程，例如并不一定是聚類過程，用于區(qū)分訓(xùn)練向量的集合中的類別并確定參數(shù)以識(shí)別該類別，該參數(shù)標(biāo)識(shí)用于將向量分配給類別的訓(xùn)練準(zhǔn)則。類別此后可以與不同的睡眠狀態(tài)和醒著狀態(tài)相關(guān)聯(lián)，例如，通過確定哪些類別大多數(shù)包含與醒著狀態(tài)相關(guān)聯(lián)的特征向量，并且使用平均心率和/或呼吸率以將安靜睡眠類別與主動(dòng)睡眠類別區(qū)分開。在其他實(shí)施例中，可以使用部分受監(jiān)督的訓(xùn)練過程，其中需要類別的指示，這是因?yàn)閮H需要類別的一部分。

在進(jìn)一步的實(shí)施例中，嬰兒未處于睡眠狀態(tài)的檢測(cè)可以用于在諸如圖3的隱馬爾可夫模型等的時(shí)間序列模塊中分配確定的狀態(tài)。隨后，該模型可以用于將隨后的狀態(tài)分配以與沒有檢測(cè)時(shí)相比較高的可靠性。即使模型的參數(shù)因?yàn)樗鼈儦w因于嬰兒的發(fā)育變得過時(shí)而需要再訓(xùn)練，這也可以用于產(chǎn)生針對(duì)用于在檢測(cè)之后的有限時(shí)間周期內(nèi)在受監(jiān)督的訓(xùn)練中使用的示例性特征值測(cè)量的狀態(tài)分配或概率。

在簡(jiǎn)單示例中，嬰兒已被放在床中或已停止啼哭或已停止做出大的移動(dòng)的檢測(cè)可以用于獲得在假定該檢測(cè)的情況下對(duì)于立即隨后的時(shí)間區(qū)間中的不同可能狀態(tài)的預(yù)定概率。在給定這樣的檢測(cè)的情況下嬰兒處于主動(dòng)睡眠狀態(tài)的概率基本高于在任意時(shí)間的那個(gè)概率。這可以用于提高具有從那個(gè)隨后時(shí)間區(qū)間獲得的示例性特征值的受監(jiān)督的訓(xùn)練的可靠性。在簡(jiǎn)單實(shí)施例中，在預(yù)定時(shí)間區(qū)間期間與示例性特征值相關(guān)聯(lián)的狀態(tài)可以被設(shè)定為針對(duì)用于訓(xùn)練的目的的預(yù)定持續(xù)時(shí)間(例如，在一分鐘與十分鐘之間)的時(shí)間區(qū)間的主動(dòng)睡眠狀態(tài)。雖然存在有這會(huì)造成錯(cuò)誤示例的低的可能性，但是對(duì)于這樣的錯(cuò)誤示例訓(xùn)練過程是魯棒性的。

應(yīng)強(qiáng)調(diào)的是，該實(shí)施例僅僅是利用與所檢測(cè)的語境信息的時(shí)間關(guān)系的訓(xùn)練過程的示例。通過示例的方式，將對(duì)于該示例給出訓(xùn)練過程的流程圖。

圖5示出使用這樣的時(shí)間信息的訓(xùn)練過程的示例性實(shí)施例的流程圖。在類似于圖4的第一步驟41的第一步驟51中，數(shù)據(jù)處理系統(tǒng)18確定針對(duì)多個(gè)時(shí)間區(qū)間中的每一個(gè)的心跳和呼吸特征值以及語境信息。

在第二步驟52中，數(shù)據(jù)處理系統(tǒng)18確定是否針對(duì)時(shí)間區(qū)間中的每一個(gè)從這些傳感器導(dǎo)出的特征值是否在與嬰兒的“醒著”狀態(tài)或?qū)雰悍旁诖仓邢蛄康念A(yù)定的范圍內(nèi)。這些時(shí)間區(qū)間將被稱作種子間隔。

在第三步驟53中，數(shù)據(jù)處理系統(tǒng)18使用第二步驟52的檢測(cè)到的時(shí)間區(qū)間將狀態(tài)分配給其他時(shí)間區(qū)間的一部分。在另一實(shí)施例中，可以將狀態(tài)概率分配給這些其他時(shí)間區(qū)間。一般地，在種子間隔之后的預(yù)定延遲內(nèi)所跟隨的時(shí)間區(qū)間可以被分配給“主動(dòng)睡眠”狀態(tài)。

在第四步驟54中，數(shù)據(jù)處理系統(tǒng)18執(zhí)行聚類過程以形成來自所選擇的第一和第二集合的心跳和呼吸特征值及可選的其他特征值的特征向量的聚類。在實(shí)施例中，數(shù)據(jù)處理系統(tǒng)18可以首先執(zhí)行已分配“醒著”狀態(tài)和“主動(dòng)睡眠狀態(tài)”的時(shí)間區(qū)間的聚類過程。接下來數(shù)據(jù)處理系統(tǒng)18測(cè)試來自剩余時(shí)間區(qū)間的特征向量以確定它們是否處于“醒著”聚類或“主動(dòng)”聚類內(nèi)(或者它們是否處于與這些聚類的中心相距不超過預(yù)定距離)。數(shù)據(jù)處理系統(tǒng)18隨后執(zhí)行針對(duì)不是這些聚類中的剩余向量的聚類過程。接著將最終得到的聚類與“主動(dòng)睡眠”狀態(tài)相關(guān)聯(lián)。當(dāng)在主動(dòng)睡眠狀態(tài)的開始后的某一時(shí)間區(qū)間之后沒有檢測(cè)到移動(dòng)時(shí)，分配安靜睡眠狀態(tài)。

注意到，該實(shí)施例僅僅是利用與所檢測(cè)的語境信息的時(shí)間關(guān)系的訓(xùn)練過程的一個(gè)示例。對(duì)于圖4的過程，任何類型的訓(xùn)練過程、例如但不一定是聚類過程可以用于區(qū)分訓(xùn)練向量的集合中的類別并確定參數(shù)以識(shí)別該類別，在參數(shù)上識(shí)別用于將向量分配給類別的訓(xùn)練準(zhǔn)則。類別可以此后與不同睡眠狀態(tài)相關(guān)聯(lián)。在其他實(shí)施例中，可以使用不同受監(jiān)督的訓(xùn)練過程，其中需要類別的指示，這是因?yàn)閮H需要類別的一部分。

如果使用狀態(tài)概率，則可以為緊跟著種子間隔的時(shí)間區(qū)間限定對(duì)于不同狀態(tài)的預(yù)定概率的第一集合，以及背景概率的第二集合和描述了概率如何作為種子間隔之后的時(shí)間距離的函數(shù)從第一集合改變至第二集合的函數(shù)。這樣的集合和函數(shù)可以從馬爾可夫模型的參數(shù)計(jì)算出。數(shù)據(jù)處理系統(tǒng)18可以根據(jù)這些函數(shù)將概率分配給種子間隔之后的時(shí)間區(qū)間。在這樣的實(shí)施例中，可以使用就狀態(tài)的概率而言具有監(jiān)督的訓(xùn)練過程。

如果使用隱馬爾可夫模型，則可以基于在經(jīng)訓(xùn)練的分類的基礎(chǔ)上分配的狀態(tài)來再訓(xùn)練根據(jù)該模型的狀態(tài)轉(zhuǎn)變的轉(zhuǎn)變概率。

本領(lǐng)域技術(shù)人員可以在實(shí)踐所要求保護(hù)的本發(fā)明時(shí)從對(duì)附圖、公開和隨附權(quán)利要求的研究中理解并實(shí)現(xiàn)對(duì)所公開的實(shí)施例做出的其他變化。在權(quán)利要求中，詞語“包括”不排除其他元件或步驟，并且不定冠詞“一”或“一個(gè)”不排除多個(gè)。單個(gè)處理器或其他單元可以滿足權(quán)利要求中所記載的若干項(xiàng)目的功能。相互不同的從屬權(quán)利要求中記載了某些措施這個(gè)純粹的事實(shí)不表明這些措施的組合不能有利地使用。計(jì)算機(jī)程序可以存儲(chǔ)/分布在合適的介質(zhì)上，諸如與其他硬件一起或作為其一部分供給的光學(xué)存儲(chǔ)介質(zhì)或固態(tài)介質(zhì)，但是也可以以其他形式分布，諸如經(jīng)由因特網(wǎng)或者其他有線或無線電信系統(tǒng)。權(quán)利要求中的任何附圖標(biāo)記都不應(yīng)該解釋為限制權(quán)利要求的范圍。