原始名称记载: 浙江麒盛数据服务有限公司

本发明涉及生理指标数据处理技术领域，具体涉及一种知识驱动与数据融合的睡眠分期方法及装置。该方法包括获取用户的生理指标数据，将生理指标数据输入睡眠检测模型以得到每个数据属于睡眠的睡眠概率，将生理指标数据输入深睡检测模型以得到每个数据属于深睡的深睡概率，将生理指标数据输入REM检测模型以得到每个数据属于REM的REM概率；基于睡眠概率、深睡概率和REM概率获取生理指标数据的初始睡眠分期序列；基于群体睡眠知识库以及用户的性别与出生年月获取基准睡眠先验知识；基于个体睡眠知识库获取个体睡眠先验知识。该方法融合群体先验知识与个体自适应学习，显著提升睡眠分期方法在应用场景下的准确性、个体适配性和长期稳定性。

本公开涉及一种个性化睡眠分期优化方法及装置。方法包括基于用户的多模态生理信息确定初始睡眠分期结果，基于用户的行为操作对初始睡眠分期结果进行修正处理，得到修正睡眠分期结果，以确保在用户有明显活动时段的睡眠分期准确性；接着，基于睡眠分期数据集构建状态转移次数矩阵，并基于状态转移次数矩阵和修正睡眠分期结果，来确定能够准确反映个体睡眠结构特征的个性化状态转移概率矩阵；此外，还基于个性化状态转移概率矩阵构建有向图，并基于有向图对修正睡眠分期结果进行优化处理，得到优化睡眠分期结果，从而有效保障优化睡眠分期结果的合理性与平滑性，和准确反映个体化及动态变化的睡眠特征。

本发明涉及心率数据处理技术领域，具体涉及一种基于时序心率模式的健康状态变化识别方法及装置。获取用户连续M天的夜间心率序列；从用户连续M天的夜间心率序列中获取用户连续N天的夜间心率序列；基于用户连续N天的夜间心率序列计算得到用户连续N天的日心率平均值；对用户连续N天的日心率平均值进行K‑means聚类以得到若干第一聚类簇；对每一第一聚类簇中的日心率平均值所对应的夜间心率序列进行K‑shape聚类以得到若干第二聚类簇；计算每一第二聚类簇的样本占比值并将样本占比值最大的第二聚类簇确定为常态模式簇；基于常态模式簇确定其他第二聚类簇是否为非常态模式簇。通过这种方式，能够实现对潜在健康风险的早期预警以及个体健康的长期跟踪。

本说明书实施例公开了一种基于长期心率数据的内分泌健康评估方法及装置。该方法包括确定心率周期；对每个心率周期的各维度数据进行加权计算，以得到每个心率周期的第一评分；分别在每个周期分割点对应邻域中遍历寻找第一评分最低的目标点，以根据目标点更新周期分割点；以及根据相邻周期分割点之间的第一时间间隔的平均值，计算目标周期，以根据目标周期生成内分泌健康评估结果。在本实施例中，可以通过纯靠心率数据驱动的方式，从长期心率数据中自动提取确定周期，且能根据数据积累变化来动态优化周期分割点，即使是周期不规律的用户，无需用户手动输入数据，也能确保最终提取的周期的准确性和鲁棒性，进而提高了内分泌健康评估的准确性。