本發(fā)明涉及醫(yī)療技術領域，特別涉及一種睡眠信息的處理方法及裝置。

背景技術：

目前，睡眠障礙發(fā)生率不斷升高，根據(jù)中國醫(yī)師協(xié)會《2015年中國睡眠指數(shù)報告》顯示，31.2％的中國人存在嚴重睡眠問題。中國潛在的呼吸暫停綜合征患者約五千萬人，呼吸暫停綜合征可能導致高血壓、冠心病、中風和猝死等問題，嚴重威脅人們的健康。

美國睡眠疾病學會(asda)將睡眠監(jiān)測儀分為四種不同類型，第一種被稱之為金標準，完全在實驗室進行的多導睡眠監(jiān)測(psg)；第二種稱作復合型多導睡眠監(jiān)測儀，最少7個導聯(lián)，包括腦電、眼電、下頜肌電、心電或心率、呼吸氣流、呼吸動作及血氧飽和度等，可以進行睡眠分期和呼吸暫停等的確定；第三種被稱作簡化便攜式睡眠呼吸暫停監(jiān)測儀，最少4個導聯(lián)，其中至少有2個導聯(lián)監(jiān)測呼吸，包括呼吸氣流和呼吸運動，還有心率或心電和血氧飽和度；第四種為持續(xù)性單個或兩個參數(shù)的監(jiān)測儀，如血氧飽和度或呼吸氣流。還有一部分監(jiān)測儀夠不上第三種的簡化便攜式睡眠呼吸暫停監(jiān)測儀的標準，有2～3個導聯(lián)者也被確定為第四種。

其中，psg能客觀記錄睡眠結構、呼吸事件、血氧飽和度、微覺醒等信息，并對睡眠呼吸暫停綜合征(osahs)進行客觀定量研究，20世紀80年代應用于臨床以來，一直是國際公認的診斷osahs的“金標準”，是診斷睡眠呼吸疾病的必要客觀依據(jù)之一。

隨著可穿戴設備技術的發(fā)展，雖然市場上出現(xiàn)通過便攜式或可穿戴設備實現(xiàn)基礎體征數(shù)據(jù)的采集，再經(jīng)智能手機的處理和傳輸，及平臺的智能分析，已能夠為用戶提供呼吸暫停檢測及睡眠質量評估結果，但是為了準確地評估睡眠狀況、進行睡眠障礙診療，整夜的psg監(jiān)測需求依然很高。

患者入住醫(yī)院睡眠監(jiān)測室，通過多導睡眠儀以及紅外攝像整夜同步監(jiān)測腦電、眼電、肌電、呼吸、心電、血氧及二氧化碳、肢體運動等多項生理參數(shù)，需要經(jīng)過人工花費數(shù)小時進行睡眠圖判讀，從而獲得監(jiān)測結果。

目前中國醫(yī)療行業(yè)面臨的現(xiàn)狀之一，是由于人口老齡化，亞健康、慢病人群激增，對健康醫(yī)療服務行業(yè)需求的擴大，而醫(yī)療資源配置不合理以及醫(yī)療服務資源(例如醫(yī)護人員等)匱乏，造成了一旦有較大的疾病，大批農(nóng)村和小城市的居民蜂擁至大城市的大醫(yī)院就醫(yī)，加劇了醫(yī)療資源的緊張，也帶來了個人就醫(yī)成本的大幅上升，遠程醫(yī)療與分級診療服務應運而生。

為了鼓勵和規(guī)范遠程醫(yī)療、分級診療的發(fā)展，國家在2014年8月推出了.《關于推進醫(yī)療機構遠程醫(yī)療服務的意見》，明確了遠程醫(yī)療服務范圍，包括一方醫(yī)療機構邀請其他醫(yī)療機構，運用信息化技術為本醫(yī)療機構診療患者提供技術支持。國務院辦公廳于2015年9月印發(fā)《關于推進分級診療制度建設的指導意見》，文件提出“構建醫(yī)療衛(wèi)生機構分工協(xié)作機制”，分級診療制度將在兩年內(nèi)逐步完善，到2020年，基層首診，雙向轉診、急慢分診、上下聯(lián)動的分級診療模式全面確立。

分級診療方法主要是按照疾病的輕、重、緩、急及治療的難易程度進行分級，不同級別的醫(yī)療機構承擔不同疾病的治療，實現(xiàn)基層首診和雙向轉診。主要包括下級醫(yī)療衛(wèi)生機構向上級醫(yī)療機構轉診(不能明確診斷的疑難復雜病例等)、上級醫(yī)療機構向下級醫(yī)療衛(wèi)生機構轉診(治療后病情穩(wěn)定、進入恢復期等情況)。

一般的實現(xiàn)方法多采用直接轉診方式，通過電子病歷互認，患者從基層醫(yī)院轉向上級醫(yī)院診治，或轉向基層醫(yī)院康復；也有通過遠程音頻和視頻的方式進行遠程會診。上述分級診療或遠程診療方法對于多導睡眠監(jiān)測的困境情況不完全適用。

目前多導睡眠監(jiān)測儀進行睡眠監(jiān)測面臨的困境主要包括如下三種：

第一種：伴有睡眠障礙的患者多向大醫(yī)院集中，導致醫(yī)療成本增高，大醫(yī)院人滿為患，而三甲醫(yī)院床位有限，需要排隊等候，用戶排隊時間約數(shù)周至數(shù)月，同時社區(qū)等基層醫(yī)院有空余床位，使得資源利用率低。

第二種：psg的硬件和軟件價格相對較高，更為困難地是psg睡眠圖判 讀尚未實現(xiàn)自動判讀，需要專業(yè)的技師，而培養(yǎng)psg專業(yè)判讀技師成本較高，很多基層醫(yī)院無法支撐，因而導致psg監(jiān)測無法服務更廣泛的睡眠障礙人群。

第三種：psg監(jiān)測數(shù)據(jù)在各個醫(yī)院之間獨立存儲，數(shù)據(jù)格式不統(tǒng)一，數(shù)據(jù)孤島嚴重，無法進行數(shù)據(jù)的協(xié)同分析，進而難以對疾病的關聯(lián)因素進行大范圍人群地挖掘。

目前，大部分患者的癥狀都較為典型，但因目前沒有能分析出疾病的關聯(lián)因素的方法，不能有效地提醒區(qū)域人群對疾病進行預防，導致疾病的發(fā)生率不斷升高。

技術實現(xiàn)要素：

本發(fā)明實施例的目的在于提供一種睡眠信息的處理方法及裝置，能對疾病的關聯(lián)因素進行大范圍人群地挖掘，有助于區(qū)域人群對疾病的預防，降低疾病的發(fā)生率。

為了達到上述目的，本發(fā)明的實施例提供了一種睡眠信息的處理方法，包括：

獲取多個患者的睡眠監(jiān)測數(shù)據(jù)；

獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀后的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告；

根據(jù)監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告；

根據(jù)第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素。

其中，獲取多個患者的睡眠監(jiān)測數(shù)據(jù)的步驟，包括：

通過多導睡眠監(jiān)測儀，獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。

其中，獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀后的第一判讀結果讀的步驟，包括：

根據(jù)預先存儲的醫(yī)學判讀規(guī)則，對睡眠監(jiān)測數(shù)據(jù)進行判讀，得到第一判讀結果；或者

獲取具備判讀睡眠監(jiān)測數(shù)據(jù)能力的第一用戶，在對睡眠監(jiān)測數(shù)據(jù)進行判讀后輸入的第一判讀結果。

其中，根據(jù)監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患 有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告的步驟，包括：

獲取第二用戶根據(jù)監(jiān)測報告，輸入的診斷信息；

根據(jù)監(jiān)測報告和診斷信息，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告。

其中，根據(jù)第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素的步驟，包括：

獲取第一患者的主述信息；

根據(jù)第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中的信息，生成第一特征向量；

對第一特征向量進行歸一化和降維處理；

對經(jīng)過歸一化和降維處理后的第一特征向量進行聚類分析，將聚類中心對應的特征值作為第一種疾病的關聯(lián)因素。

其中，在獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告的步驟之后，處理方法還包括：

接收第三用戶輸入的下載請求，將監(jiān)測報告發(fā)送給第三用戶所使用的終端。

其中，在獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告的步驟之后，處理方法還包括：

根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)中篩選出典型患者的睡眠監(jiān)測數(shù)據(jù)；

根據(jù)典型患者的睡眠監(jiān)測數(shù)據(jù)，生成第二特征向量；

根據(jù)第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監(jiān)測報告、睡眠監(jiān)測數(shù)據(jù)、第一判讀結果所構成的第一案例相似的典型案例；

當多個典型案例中不存在與第一案例相似的典型案例時，獲取多個第四用戶對第一案例中的第一判讀結果進行審核后，輸入的審核評分；

根據(jù)多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中。

其中，根據(jù)多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中的步驟，包括：

計算多個審核評分的平均評分；

判斷平均評分是否大于預設評分；

當平均評分大于預設評分時，將第一案例作為新的典型案例加入至教學案例庫中。

其中，根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)中篩選出典型患者的睡眠監(jiān)測數(shù)據(jù)的步驟，包括：

判斷預先存儲的多個疾病名稱中是否存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱；

當多個疾病名稱中存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱時，將患者的睡眠監(jiān)測數(shù)據(jù)作為典型患者的睡眠監(jiān)測數(shù)據(jù)。

其中，根據(jù)第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監(jiān)測報告、睡眠監(jiān)測數(shù)據(jù)、第一判讀結果所構成的第一案例相似的典型案例的步驟，包括：

對第二特征向量進行歸一化處理；

通過公式

分別計算經(jīng)過歸一化處理后的第二特征向量與預先存儲的教學案例庫中多個典型案例的第三特征向量的歐氏距離，其中，d表示經(jīng)過歸一化處理后的第二特征向量與第三特征向量的歐氏距離，di表示經(jīng)過歸一化處理后的第二特征向量，dj表示第三特征向量，k表示第二特征向量的維度，n表示第二特征向量的維度的數(shù)量，wk(di)表示經(jīng)過歸一化處理后的第二特征向量的第k個維度的權重值，wk(dj)表示第三特征向量的第二特征向量的第k個維度的權重值；

從計算得到的多個歐氏距離中篩選出最小的歐氏距離，并比較最小的歐氏距離與預設距離的大??；

當最小的歐氏距離大于預設距離時，確定預先存儲的教學案例庫中的多個典型案例中不存在與第一案例相似的典型案例；

當最小的歐氏距離小于或等于預設距離時，確定預先存儲的教學案例庫中的多個典型案例中存在與第一案例相似的典型案例。

其中，在根據(jù)多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中的步驟之后，處理方法還包括：

獲取第五用戶在學習教學案例庫中的典型案例之后，對患者的睡眠監(jiān)測數(shù)據(jù)進行判讀后，輸入的第二判讀結果；

將第二判讀結果與第一判讀結果進行匹配；

根據(jù)匹配結果，對第五用戶的學習質量進行評估。

本發(fā)明的實施例還提供了一種睡眠信息的處理裝置，包括：

第一獲取模塊，用于獲取多個患者的睡眠監(jiān)測數(shù)據(jù)；

第二獲取模塊，用于獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀后的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告；

選擇模塊，用于根據(jù)監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告；

關聯(lián)模塊，用于根據(jù)第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素。

其中，第一獲取模塊包括：

第一獲取單元，用于通過多導睡眠監(jiān)測儀，獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。

其中，第二獲取模塊包括：

第二獲取單元，用于根據(jù)預先存儲的醫(yī)學判讀規(guī)則，對睡眠監(jiān)測數(shù)據(jù)進行判讀，得到第一判讀結果；或者

第三獲取單元，用于獲取具備判讀睡眠監(jiān)測數(shù)據(jù)能力的第一用戶，在對睡眠監(jiān)測數(shù)據(jù)進行判讀后輸入的第一判讀結果。

其中，選擇模塊包括：

第四獲取單元，用于獲取第二用戶根據(jù)監(jiān)測報告，輸入的診斷信息；

選擇單元，用于根據(jù)監(jiān)測報告和診斷信息，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告。

其中，關聯(lián)模塊包括：

第五獲取單元，用于獲取第一患者的主述信息；

生成單元，用于根據(jù)第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中的信息，生成第一特征向量；

第一處理單元，用于對第一特征向量進行歸一化和降維處理；

關聯(lián)單元，用于對經(jīng)過歸一化和降維處理后的第一特征向量進行聚類分析，將聚類中心對應的特征值作為第一種疾病的關聯(lián)因素。

其中，處理裝置還包括：

接收模塊，用于接收第三用戶輸入的下載請求，將監(jiān)測報告發(fā)送給第三用戶所使用的終端。

其中，處理裝置還包括：

篩選模塊，用于根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)中篩選出典型患者的睡眠監(jiān)測數(shù)據(jù)；

生成模塊，用于根據(jù)典型患者的睡眠監(jiān)測數(shù)據(jù)，生成第二特征向量；

判斷模塊，用于根據(jù)第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監(jiān)測報告、睡眠監(jiān)測數(shù)據(jù)、第一判讀結果所構成的第一案例相似的典型案例，并當多個典型案例中不存在與第一案例相似的典型案例時，觸發(fā)第三獲取模塊；

第三獲取模塊，用于根據(jù)判斷模塊的觸發(fā)，獲取多個第四用戶對第一案例中的第一判讀結果進行審核后，輸入的審核評分；

添加模塊，用于根據(jù)多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中。

其中，添加模塊包括：

第一計算單元，用于計算多個審核評分的平均評分；

第一判斷單元，用于判斷平均評分是否大于預設評分，并當平均評分大于預設評分時，觸發(fā)添加單元；

添加單元，用于根據(jù)第一判斷單元的觸發(fā)，將第一案例作為新的典型案例加入至教學案例庫中。

其中，篩選模塊包括：

第二判斷單元，用于判斷預先存儲的多個疾病名稱中是否存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱，并當多個疾病名稱中存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱時，觸發(fā)篩選單元；

篩選單元，用于根據(jù)第二判斷單元的觸發(fā)，將患者的睡眠監(jiān)測數(shù)據(jù)作為典 型患者的睡眠監(jiān)測數(shù)據(jù)。

其中，判斷模塊包括：

第二處理單元，用于對第二特征向量進行歸一化處理；

第二計算單元，用于通過公式

分別計算經(jīng)過歸一化處理后的第二特征向量與預先存儲的教學案例庫中多個典型案例的第三特征向量的歐氏距離，其中，d表示經(jīng)過歸一化處理后的第二特征向量與第三特征向量的歐氏距離，di表示經(jīng)過歸一化處理后的第二特征向量，dj表示第三特征向量，k表示第二特征向量的維度，n表示第二特征向量的維度的數(shù)量，wk(di)表示經(jīng)過歸一化處理后的第二特征向量的第k個維度的權重值，wk(dj)表示第三特征向量的第二特征向量的第k個維度的權重值；

比較單元，用于從計算得到的多個歐氏距離中篩選出最小的歐氏距離，并比較最小的歐氏距離與預設距離的大小，并當最小的歐氏距離大于預設距離時，觸發(fā)第一確定單元，以及當最小的歐氏距離小于或等于預設距離時，觸發(fā)第二確定單元；

第一確定單元，用于根據(jù)比較單元的觸發(fā)，確定預先存儲的教學案例庫中的多個典型案例中不存在與第一案例相似的典型案例；

第二確定單元，用于根據(jù)比較單元的觸發(fā)，確定預先存儲的教學案例庫中的多個典型案例中存在與第一案例相似的典型案例。

其中，處理裝置還包括：

第四獲取模塊，用于獲取第五用戶在學習教學案例庫中的典型案例之后，對患者的睡眠監(jiān)測數(shù)據(jù)進行判讀后，輸入的第二判讀結果；

匹配模塊，用于將第二判讀結果與第一判讀結果進行匹配；

評估模塊，用于根據(jù)匹配結果，對第五用戶的學習質量進行評估。

本發(fā)明的上述方案至少包括以下有益效果：

在本發(fā)明的實施例中，通過根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān) 測報告，并根據(jù)選擇出的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素，解決了不能分析出疾病的關聯(lián)因素，不能有效地提醒區(qū)域人群對疾病進行預防，導致疾病的發(fā)生率不斷升高的問題，達到了能對疾病的關聯(lián)因素進行大范圍人群地挖掘，有助于區(qū)域人群對疾病的預防，降低疾病的發(fā)生率的效果。

附圖說明

圖1為本發(fā)明第一實施例中睡眠信息的處理方法的流程圖；

圖2為本發(fā)明第一實施例中健康云平臺與例如基層醫(yī)院的工作人員、第一用戶、第三用戶之間的交互示意圖；

圖3為本發(fā)明第一實施例中圖1中步驟s104的具體流程圖；

圖4為本發(fā)明第二實施例中睡眠信息的處理方法的流程圖；

圖5為本發(fā)明第二實施例中健康云平臺對第五用戶的學習質量進行評估的流程圖；

圖6為本發(fā)明第二實施例中第五用戶與健康云平臺之間的交互示意圖；

圖7為本發(fā)明第三實施例中睡眠信息的處理裝置的結構示意圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現(xiàn)本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

第一實施例

如圖1所示，本發(fā)明的第一實施例提供了一種睡眠信息的處理方法，該處理方法可應用于一健康云平臺，其中，該處理方法具體包括：

步驟s101，獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。

在本發(fā)明的第一實施例中，可以通過多導睡眠監(jiān)測儀獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。其中，睡眠監(jiān)測數(shù)據(jù)包括患者的睡眠結構、血氧飽和度、呼吸暫停次數(shù)、低通氣次數(shù)、阻塞型呼吸暫停次數(shù)、平均心率、肢體運動次數(shù)、微覺醒等信息。

在本發(fā)明的第一實施例中，如圖2所示，上述睡眠監(jiān)測數(shù)據(jù)是患者在入住醫(yī)院(例如基層醫(yī)院)的睡眠監(jiān)測室后，醫(yī)院(例如基層醫(yī)院)的工作人員通過多導睡眠監(jiān)測儀整夜同步監(jiān)測得到的，且在得到患者的睡眠監(jiān)測數(shù)據(jù)后，醫(yī)院(例如基層醫(yī)院)的工作人員會將睡眠監(jiān)測數(shù)據(jù)通過以太網(wǎng)或者長期演進(lte，longtermevolution)網(wǎng)絡上傳至健康云平臺。需要說明的是，各醫(yī)院上傳至健康云平臺的睡眠監(jiān)測數(shù)據(jù)的格式可以是統(tǒng)一的數(shù)據(jù)格式，也可以是不同的數(shù)據(jù)格式，但若是不同的數(shù)據(jù)格式的話，健康云平臺在獲取到這些睡眠監(jiān)測數(shù)據(jù)后，需將其轉換為統(tǒng)一的數(shù)據(jù)格式，即健康云平臺中存儲的睡眠監(jiān)測數(shù)據(jù)的格式都是一樣的，從而便于后續(xù)對這些睡眠監(jiān)測數(shù)據(jù)進行分析。

步驟s102，獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀后的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告。

在本發(fā)明的第一實施例中，獲取第一判讀結果的方式有兩種，第一種為：根據(jù)健康云平臺中預先存儲的醫(yī)學判讀規(guī)則，對睡眠監(jiān)測數(shù)據(jù)進行判讀，得到第一判讀結果；第二種為：如圖2所示，由具備判讀睡眠監(jiān)測數(shù)據(jù)能力的第一用戶(例如三甲醫(yī)院的醫(yī)生、專業(yè)睡眠醫(yī)學中心的專家等)通過客戶端或者瀏覽器訪問健康云平臺存儲的睡眠監(jiān)測數(shù)據(jù)，并在第一用戶對睡眠監(jiān)測數(shù)據(jù)進行判讀(即進行在線判讀和標注)后，接收第一用戶輸入的第一判讀結果。需要說明的是，為了提高判讀的準確性，可以同時使用這兩種方式獲取第一判讀結果。

在本發(fā)明的第一實施例中，第一判讀結果可以理解為是一張包括判讀結果的睡眠圖，此外，如圖2所示，健康云平臺在獲取到第一判讀結果之后，會自動生成監(jiān)測報告。

步驟s103，根據(jù)監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告。

在本發(fā)明的第一實施例中，上述第一種疾病指的是某一種疾病，例如失眠、阻塞型呼吸暫停、混合型呼吸暫停、中樞型呼吸暫停、低通氣或不寧腿等疾病。

在本發(fā)明的第一實施例中，為了準確地從多個患者中選擇出第一患者，上述步驟s103具體包括如下步驟：

第一步，獲取第二用戶根據(jù)監(jiān)測報告，輸入的診斷信息。其中上述第二用 戶可以是患者的主治醫(yī)生，診斷信息中包含對患者的疾病的描述信息。

第二步，根據(jù)監(jiān)測報告和診斷信息，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告。

步驟s104，根據(jù)第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素。

在本發(fā)明的第一實施例中，上述關聯(lián)因素可以理解為是第一種疾病的患病因素。

在本發(fā)明的第一實施例中，如圖3所示，上述步驟s104具體包括：

步驟s301，獲取第一患者的主述信息。

在本發(fā)明的第一實施例中，上述主述信息是指第一患者主動陳述的病史等信息。具體地，可通過第一患者陳述，再由為第一患者進行治療的醫(yī)生輸入的方式得到該主述信息。

步驟s302，根據(jù)第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中的信息，生成第一特征向量。

在本發(fā)明的第一實施例中，第一患者的睡眠監(jiān)測數(shù)據(jù)包括第一患者的睡眠結構、血氧飽和度、呼吸暫停次數(shù)、低通氣次數(shù)、阻塞型呼吸暫停次數(shù)、平均心率、肢體運動次數(shù)、微覺醒等信息。第一患者的監(jiān)測報告包括第一患者的性別、年齡、體重、身高、地域、睡前血壓、醒后血壓、服藥、病史等就診信息。

在本發(fā)明的第一實施例中，可通過將第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中包括的每一個信息作為一個特征值的方式，生成第一特征向量。需要說明的是，為了提高后續(xù)挖掘出第一種疾病的關聯(lián)因素的準確率，第一特征向量中還可加入第一患者的中醫(yī)體質信息(例如中平和質，偏頗體質、陽虛質、濕熱質、氣虛質、陰虛質、氣郁質、淤血質、痰濕質、特稟質等)的特征值。

步驟s303，對第一特征向量進行歸一化和降維處理。

在本發(fā)明的第一實施例中，對第一特征向量進行歸一化和降維處理對于本領域的技術人員而言，屬于公知常識，在此不再贅述。

步驟s304，對經(jīng)過歸一化和降維處理后的第一特征向量進行聚類分析，將聚類中心對應的特征值作為第一種疾病的關聯(lián)因素。

在本發(fā)明的第一實施例中，可通過k-means聚類算法對經(jīng)過歸一化和降維處理后的第一特征向量進行聚類分析。例如，當根據(jù)患有阻塞型呼吸暫停的第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中的信息，生成第一特征向量，并通過k-means聚類算法對經(jīng)過歸一化和將為處理后的該第一特征向量進行聚類分析時，得到該區(qū)域年齡50歲以上、身體質量指數(shù)40以上、睡前血壓高于130毫米汞柱為阻塞型呼吸暫停的關聯(lián)因素。

在本發(fā)明的第一實施例中，通過根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，并根據(jù)第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素，解決了不能分析出疾病的關聯(lián)因素，不能有效地提醒區(qū)域人群對疾病進行預防，導致疾病的發(fā)生率不斷升高的問題，達到了能對疾病的關聯(lián)因素進行大范圍人群地挖掘，有助于區(qū)域人群對疾病的預防，降低疾病的發(fā)生率的效果。

其中，在本發(fā)明的第一實施例中，在執(zhí)行完上述步驟s102之后，上述處理方法還包括：接收第三用戶輸入的下載請求，將監(jiān)測報告發(fā)送給第三用戶所使用的終端的步驟。其中，上述第三用戶可以是患者所入住醫(yī)院(例如基層醫(yī)院)、且不具備判讀睡眠監(jiān)測數(shù)據(jù)能力的醫(yī)生。

如圖2所示，第三用戶可從健康云平臺下載患者的監(jiān)測報告，使得第三用戶能為其治療的患者進行解讀、診斷治療和宣貫，這樣便能有效的實現(xiàn)遠程分級治療，使基層醫(yī)院的資源得到充分的利用。

第二實施例

如圖4所示，本發(fā)明的第二實施例提供了一種睡眠信息的處理方法，該處理方法可應用于一健康云平臺，其中，該處理方法具體包括：

步驟s401，獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。

在本發(fā)明的第二實施例中，可以通過多導睡眠監(jiān)測儀獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。其中，睡眠監(jiān)測數(shù)據(jù)包括患者的睡眠結構、血氧飽和度、呼吸暫停次數(shù)、低通氣次數(shù)、阻塞型呼吸暫停次數(shù)、平均心率、肢體運動次數(shù)、微覺醒等信息。更為具體地，睡眠監(jiān)測數(shù)據(jù)可以理解為是一張包含了上述信息的睡眠圖。

在本發(fā)明的第二實施例中，如圖2所示，上述睡眠監(jiān)測數(shù)據(jù)是患者在入住醫(yī)院(例如基層醫(yī)院)的睡眠監(jiān)測室后，通過多導睡眠監(jiān)測儀整夜同步監(jiān)測得到的，且在得到患者的睡眠監(jiān)測數(shù)據(jù)后，由醫(yī)院的工作人員將睡眠監(jiān)測數(shù)據(jù)通過以太網(wǎng)或者lte網(wǎng)絡上傳至健康云平臺。需要說明的是，各醫(yī)院上傳至健康云平臺的睡眠監(jiān)測數(shù)據(jù)的格式都是統(tǒng)一的數(shù)據(jù)格式，即健康云平臺中存儲的睡眠監(jiān)測數(shù)據(jù)的格式都是一樣的。

步驟s402，獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀后的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告。

在本發(fā)明的第二實施例中，獲取第一判讀結果的方式有兩種，第一種為：根據(jù)健康云平臺中預先存儲的醫(yī)學判讀規(guī)則，對睡眠監(jiān)測數(shù)據(jù)進行判讀，得到第一判讀結果；第二種為：由具備判讀睡眠監(jiān)測數(shù)據(jù)能力的第一用戶(例如三甲醫(yī)院的醫(yī)生、專業(yè)睡眠醫(yī)學中心的專家等)通過客戶端或者瀏覽器訪問健康云平臺存儲的睡眠監(jiān)測數(shù)據(jù)，并在第一用戶對睡眠監(jiān)測數(shù)據(jù)進行判讀(即進行在線判讀和標注)后，接收第一用戶輸入的第一判讀結果。

在本發(fā)明的第二實施例中，第一判讀結果可以理解為是一張包括判讀結果的睡眠圖。

步驟s403，根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)中篩選出典型患者的睡眠監(jiān)測數(shù)據(jù)。

在本發(fā)明的第二實施例中，可通過判斷健康云平臺中預先存儲的多個疾病名稱中是否存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱的方式，從多個患者的睡眠監(jiān)測數(shù)據(jù)中篩選出典型患者的睡眠監(jiān)測數(shù)據(jù)。具體地，若多個疾病名稱中存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱，則將患者的睡眠監(jiān)測數(shù)據(jù)作為典型患者的睡眠監(jiān)測數(shù)據(jù)。需要說明的是，若多個疾病名稱中不存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱，則直接丟棄該患者的睡眠監(jiān)測數(shù)據(jù)。其中，健康云平臺中預先存儲的多個疾病名稱包括失眠、阻塞型呼吸暫停、混合型呼吸暫停、中樞型呼吸暫停、低通氣、不寧腿等。

步驟s404，根據(jù)典型患者的睡眠監(jiān)測數(shù)據(jù)，生成第二特征向量。

在本發(fā)明的第二實施例中，可通過將典型患者的睡眠監(jiān)測數(shù)據(jù)中包括的每 一個信息作為一個特征值的方式，生成第二特征向量。其中，每個信息對應一個權重值。

步驟s405，根據(jù)第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監(jiān)測報告、睡眠監(jiān)測數(shù)據(jù)、第一判讀結果所構成的第一案例相似的典型案例。若多個典型案例中不存在與第一案例相似的典型案例，則執(zhí)行步驟s406，否則，直接丟棄該第一案例。

步驟s406，獲取多個第四用戶對第一案例中的第一判讀結果進行審核后，輸入的審核評分。

在本發(fā)明的第二實施例中，上述第四用戶可以是專業(yè)睡眠醫(yī)學中心的專家。具體地，第四用戶可以選取第一判讀結果(即睡眠圖)中的一段來進行審核。

步驟s407，根據(jù)多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中。

在本發(fā)明的第二實施例中，上述步驟s407具體包括如下步驟：

第一步，計算多個審核評分的平均評分，其中，每個審核評分的取值范圍為0～5分，當然可以理解的是在本發(fā)明的第二實施例中，并不限定審核評分的具體范圍。

第二步，判斷平均評分是否大于預設評分，當平均評分大于預設評分(例如3分)時，將第一案例作為新的典型案例加入至教學案例庫中。當然如果平均評分小于預設評分，則丟棄該第一案例。

在本發(fā)明的第二實施例中，上述步驟s405中判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監(jiān)測報告、睡眠監(jiān)測數(shù)據(jù)、第一判讀結果所構成的第一案例相似的典型案例的步驟具體包括如下步驟：

第一步，對第二特征向量進行歸一化處理。需要說明的是，對第二特征向量進行歸一化處理對于本領域的技術人員而言，屬于公知常識，在此不再贅述。

第二步，通過公式

分別計算經(jīng)過歸一化處理后的第二特征向量與預先存儲的教學案例庫中多個典型案例的第三特征向量的歐氏距離，其中，d表示經(jīng)過歸一化處理后的第二特征向量與第三特征向量的歐氏距離，di表示經(jīng)過歸一化處理后的第二特征向量，dj表示第三特征向量，k表示第二特征向量的維度，n表示第二特征向量的維度的數(shù)量，wk(di)表示經(jīng)過歸一化處理后的第二特征向量的第k個維度的權重值，wk(dj)表示第三特征向量的第二特征向量的第k個維度的權重值。

第三步，從計算得到的多個歐氏距離中篩選出最小的歐氏距離，并比較最小的歐氏距離與預設距離(該預設距離可根據(jù)經(jīng)驗值進行設定)的大小，當最小的歐氏距離大于預設距離時，確定預先存儲的教學案例庫中的多個典型案例中不存在與第一案例相似的典型案例，當最小的歐氏距離小于或等于預設距離時，確定預先存儲的教學案例庫中的多個典型案例中存在與第一案例相似的典型案例。

在本發(fā)明的第二實施例中，為了便于不具備判讀睡眠監(jiān)測數(shù)據(jù)能力的用戶學習健康云平臺中的教學案例庫中的典型案例，以及健康云平臺對用戶的學習質量進行評估。如圖5所示，在執(zhí)行完上述步驟s407之后，上述處理方法還包括：

步驟s501，獲取第五用戶在學習教學案例庫中的典型案例之后，對患者的睡眠監(jiān)測數(shù)據(jù)進行判讀后，輸入的第二判讀結果。

在本發(fā)明的第二實施例中，上述第五用戶為不具備判讀睡眠監(jiān)測數(shù)據(jù)能力的用戶，例如，基層醫(yī)院的醫(yī)生、三甲醫(yī)院新入職醫(yī)生。此外，上述第五用戶判讀的睡眠監(jiān)測數(shù)據(jù)是教學案例庫中的典型案例中的睡眠監(jiān)測數(shù)據(jù)。

步驟s502，將第二判讀結果與第一判讀結果進行匹配。

步驟s503，根據(jù)匹配結果，對第五用戶的學習質量進行評估。

在本發(fā)明的第二實施例中，健康云平臺會根據(jù)第二判讀結果與第一判讀結果的匹配程度(即一致程度)，對第五用戶的學習質量進行評估。具體地，若第二判讀結果與第一判讀結果的一致程度越高，認為第五用戶的學習質量越好。

在本發(fā)明的第二實施例中，健康云平臺通過自動生成教學案例庫的方式，使得第五用戶能在線學習判讀睡眠監(jiān)測數(shù)據(jù)，實現(xiàn)了以更低成本培養(yǎng)更多的多導睡眠監(jiān)測儀專業(yè)判讀技師的目的。

在本發(fā)明的第二實施例中，假設第五用戶為基層醫(yī)院的醫(yī)生，那么，如圖6所示，第五用戶學習健康云平臺中的教學案例庫中的典型案例，以及健康云平臺對第五用戶的學習質量進行評估的流程為：第一步，健康云平臺獲取第一判讀結果；第二步，健康云平臺生成教學案例庫；第三步，第五用戶在線學習教學案例庫中的典型案例；第四步，第五用戶在線對患者的睡眠監(jiān)測數(shù)據(jù)進行判讀，輸入第二判讀結果；第五步，健康云平臺根據(jù)第一判讀結果和第二判讀結果，對第五用戶的學習質量進行評估。

第三實施例

如圖7所示，本發(fā)明的第三實施例提供了一種睡眠信息的處理裝置，包括：

第一獲取模塊701，用于獲取多個患者的睡眠監(jiān)測數(shù)據(jù)；

第二獲取模塊702，用于獲取對睡眠監(jiān)測數(shù)據(jù)進行判讀后的第一判讀結果，并根據(jù)第一判讀結果生成患者的監(jiān)測報告；

選擇模塊703，用于根據(jù)監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告；

關聯(lián)模塊704，用于根據(jù)第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素。

其中，第一獲取模塊701包括：

第一獲取單元，用于通過多導睡眠監(jiān)測儀，獲取多個患者的睡眠監(jiān)測數(shù)據(jù)。

其中，第二獲取模塊702包括：

第二獲取單元，用于根據(jù)預先存儲的醫(yī)學判讀規(guī)則，對睡眠監(jiān)測數(shù)據(jù)進行判讀，得到第一判讀結果；或者

第三獲取單元，用于獲取具備判讀睡眠監(jiān)測數(shù)據(jù)能力的第一用戶，在對睡眠監(jiān)測數(shù)據(jù)進行判讀后輸入的第一判讀結果。

其中，選擇模塊703包括：

第四獲取單元，用于獲取第二用戶根據(jù)監(jiān)測報告，輸入的診斷信息；

選擇單元，用于根據(jù)監(jiān)測報告和診斷信息，從多個患者的睡眠監(jiān)測數(shù)據(jù)和 監(jiān)測報告中選擇出患有第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告。

其中，關聯(lián)模塊704包括：

第五獲取單元，用于獲取第一患者的主述信息；

生成單元，用于根據(jù)第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中的信息，生成第一特征向量；

第一處理單元，用于對第一特征向量進行歸一化和降維處理；

關聯(lián)單元，用于對經(jīng)過歸一化和降維處理后的第一特征向量進行聚類分析，將聚類中心對應的特征值作為第一種疾病的關聯(lián)因素。

其中，處理裝置還包括：

接收模塊，用于接收第三用戶輸入的下載請求，將監(jiān)測報告發(fā)送給第三用戶所使用的終端。

其中，處理裝置還包括：

篩選模塊，用于根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)中篩選出典型患者的睡眠監(jiān)測數(shù)據(jù)；

生成模塊，用于根據(jù)典型患者的睡眠監(jiān)測數(shù)據(jù)，生成第二特征向量；

判斷模塊，用于根據(jù)第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監(jiān)測報告、睡眠監(jiān)測數(shù)據(jù)、第一判讀結果所構成的第一案例相似的典型案例，并當多個典型案例中不存在與第一案例相似的典型案例時，觸發(fā)第三獲取模塊；

第三獲取模塊，用于根據(jù)判斷模塊的觸發(fā)，獲取多個第四用戶對第一案例中的第一判讀結果進行審核后，輸入的審核評分；

添加模塊，用于根據(jù)多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中。

其中，添加模塊包括：

第一計算單元，用于計算多個審核評分的平均評分；

第一判斷單元，用于判斷平均評分是否大于預設評分，并當平均評分大于預設評分時，觸發(fā)添加單元；

添加單元，用于根據(jù)第一判斷單元的觸發(fā)，將第一案例作為新的典型案例加入至教學案例庫中。

其中，篩選模塊包括：

第二判斷單元，用于判斷預先存儲的多個疾病名稱中是否存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱，并當多個疾病名稱中存在與監(jiān)測報告所表征患者所患疾病的名稱相匹配的疾病名稱時，觸發(fā)篩選單元；

篩選單元，用于根據(jù)第二判斷單元的觸發(fā)，將患者的睡眠監(jiān)測數(shù)據(jù)作為典型患者的睡眠監(jiān)測數(shù)據(jù)。

其中，判斷模塊包括：

第二處理單元，用于對第二特征向量進行歸一化處理；

第二計算單元，用于通過公式

分別計算經(jīng)過歸一化處理后的第二特征向量與預先存儲的教學案例庫中多個典型案例的第三特征向量的歐氏距離，其中，d表示經(jīng)過歸一化處理后的第二特征向量與第三特征向量的歐氏距離，di表示經(jīng)過歸一化處理后的第二特征向量，dj表示第三特征向量，k表示第二特征向量的維度，n表示第二特征向量的維度的數(shù)量，wk(di)表示經(jīng)過歸一化處理后的第二特征向量的第k個維度的權重值，wk(dj)表示第三特征向量的第二特征向量的第k個維度的權重值；

比較單元，用于從計算得到的多個歐氏距離中篩選出最小的歐氏距離，并比較最小的歐氏距離與預設距離的大小，并當最小的歐氏距離大于預設距離時，觸發(fā)第一確定單元，以及當最小的歐氏距離小于或等于預設距離時，觸發(fā)第二確定單元；

第一確定單元，用于根據(jù)比較單元的觸發(fā)，確定預先存儲的教學案例庫中的多個典型案例中不存在與第一案例相似的典型案例；

第二確定單元，用于根據(jù)比較單元的觸發(fā)，確定預先存儲的教學案例庫中的多個典型案例中存在與第一案例相似的典型案例。

其中，處理裝置還包括：

第四獲取模塊，用于獲取第五用戶在學習教學案例庫中的典型案例之后，對患者的睡眠監(jiān)測數(shù)據(jù)進行判讀后，輸入的第二判讀結果；

匹配模塊，用于將第二判讀結果與第一判讀結果進行匹配；

評估模塊，用于根據(jù)匹配結果，對第五用戶的學習質量進行評估。

在本發(fā)明的第三實施例中，通過根據(jù)多個患者的監(jiān)測報告，從多個患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告中選擇出患第一種疾病的第一患者的睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，并根據(jù)第一患者的主述信息、睡眠監(jiān)測數(shù)據(jù)和監(jiān)測報告，得出第一種疾病的關聯(lián)因素，解決了不能分析出疾病的關聯(lián)因素，不能有效地提醒區(qū)域人群對疾病進行預防，導致疾病的發(fā)生率不斷升高的問題，達到了能對疾病的關聯(lián)因素進行大范圍人群地挖掘，有助于區(qū)域人群對疾病的預防，降低疾病的發(fā)生率的效果。

需要說明的是，本發(fā)明第三實施例提供的睡眠信息的處理裝置是應用上述睡眠信息的處理方法的睡眠信息的處理裝置，即上述睡眠信息的處理方法的所有實施例均適用于該睡眠信息的處理裝置，且均能達到相同或相似的有益效果。

以上所述是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。