一种基于人体压力分布的睡姿检测系统的制作方法

本发明涉及数据处理，具体为一种基于人体压力分布的睡姿检测系统。

背景技术：

1、随着人口老龄化程度的不断加剧，医疗服务需求量呈现出逐年攀升的趋势。在医疗领域，特别是在病房或康复中心，对患者的睡眠质量和姿势进行监测和管理至关重要。睡眠不足或睡眠质量不佳与许多健康问题相关，包括心血管疾病、精神疾病、免疫系统功能下降等，同时正确的睡姿可以减轻病人的不适感，促进康复，并预防压疮等并发症的发生。传统上，睡眠质量的评估主要依赖于病人的主观报告和医生的观察，存在主观性和局限性，针对卧床病人护理人员需要定期检查病人的睡姿，并根据需要进行调整，存在主观性和不稳定性。

2、现代科技的发展使得利用传感器技术对人体姿势和压力分布进行实时监测成为可能，针对卧床病人，床垫分区设置压力传感器有望准确地检测不同区域的压力分布，从而识别病人的睡姿，及时发现不良的睡姿习惯，采取措施预防压力溃疡的发生，而不同病人因病情不同或者身体状况不同而需要个性化的护理，通过检测病人的睡姿，客观评估病人的睡眠质量，可以更准确地了解病人的睡眠情况，根据其特定的需求和限制制定相应的护理计划。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于人体压力分布的睡姿检测系统，解决了行动不便的患者睡眠质量和姿势的检测存在主观性和局限性，缺乏个性化的护理检测依据的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于人体压力分布的睡姿检测系统，包括：数据获取模块，用于在触发睡姿检测后获取床垫压力传感器获取的压力数据，识别出压力数据中的人体压力数据；区域划分模块，用于根据人体压力数据分析出压力分布转折点，通过压力分布转折点对病人在床垫上的轮廓进行区域划分，并确定各个轮廓区域的代表性压力传感器位置点；睡姿输出模块，用于通过机器学习模型对代表性压力传感器位置点的压力数据与基于病人睡姿模拟记录构建的病人个性化睡姿数据库进行分析，输出病人的睡姿状态；睡眠评估模块，用于基于病人个性化睡姿数据库中病人不同睡姿状态的数据符合范围记录病人的整夜睡姿更换次数，对病人的整夜睡眠质量进行评估。

3、进一步地，所述识别出压力数据中的人体压力数据的具体分析为：获取床垫中各个压力传感器获取的压力数据，压力数据具体为压力值；床垫中各个压力传感器获取的压力数据具体包括人体压力数据、干扰压力数据，干扰压力数据具体包括被褥压力值；通过低通滤波器对被褥的振动进行高频信号滤除，保留人体压力的慢变化部分，进而识别出人体压力数据，对人体压力数据进一步进行预处理，得到人体压力值。

4、进一步地，所述确定各个轮廓区域的代表性压力传感器位置点的具体分析为：基于滑动窗口法对床垫中各个压力传感器获取的人体压力值进行分析，确定压力分布转折点，压力分布转折点表示病人身体不同部位的分界处；基于各个压力转折点利用边界曲线将病人在床垫上的轮廓划分为不同区域，并获取各个区域的面积，每个区域代表病人身体的一个部位；分别选取各个区域内平均值位置的压力传感器作为代表性压力传感器，标记各个轮廓区域的代表性压力传感器位置点。

5、进一步地，所述确定压力分布转折点的具体分析过程为：步骤a1，确定滑动窗口的大小，即在压力数据中采样的窗口长度；步骤a2，对于每个窗口，基于压力数据的一阶导数分析，识别压力数据在窗口内的变化趋势；步骤a3，当窗口内的压力变化超过相邻窗口的变化时，将其标记为转折点，进而标记转折点位置，转折点表示窗口内压力分布从一个趋势转变为另一个趋势的位置；步骤a4，在整个压力分布数据序列上使用滑动窗口重复步骤a2、步骤a3，直到整个数据序列被处理完毕。

6、进一步地，所述输出病人的睡姿状态的具体分析步骤为：基于病人个性化睡姿数据库获取病人各种睡姿状态对应的各身体部位的压力值范围及轮廓面积范围，并将各种睡姿状态对应的各身体部位的压力值范围与轮廓面积范围构建各种睡姿状态的比对集合，各种睡姿状态具体包括：仰卧、俯卧、左侧卧、右侧卧；将病人各个区域代表性压力传感器位置点的压力值与各个区域的面积构建为区域代表性数据集；将比对集合作为标签，区域代表性数据集作为特征，利用随机森林构建决策树，进而输出病人的睡姿状态，具体随机森林分析步骤为：步骤b1，设区域代表性数据集为d，包含m个样本，每个样本j有k个特征：cj1,cj2,cj3,...,cjk，并设目标变量为tj，tj表示通过比对集合影射的病人的睡姿状态；步骤b2，对数据进行归一化预处理以确保模型的准确性，将数据集d的 70%随机划分为训练集dtrain，30%随机划分为测试集dtest，训练集用于构建模型，测试集用于验证模型，训练集包含p个样本，测试集包含q个样本，p+q=m；步骤b3，构建w棵决策树，每棵树uw都是独立构建的，对于每棵树， 从训练集dtrain中通过有放回抽样抽取大小为p的样本集，在每个分裂节点，从k个特征中随机选择根号k个特征，用于寻找最佳分裂；步骤b4，每棵树uw基于它的训练数据生成一个模型kw，对于一个给定的测试样本c，每棵树 uw 输出一个预测结果tw(c)；步骤b5，输出所有树预测输出，；将所有树预测输出的平均值作为预测结果。

7、进一步地，病人个性化睡姿数据库具体包括基于病人各种睡姿模拟记录的各种睡姿状态对应下的压力数据与基于边界曲线将病人各种睡姿模拟在床垫上的轮廓面积范围，还包括病人平躺时床垫检测记录的病人体重数据。

8、进一步地，所述对病人的整夜睡眠质量进行评估的具体分析为：实时监测病人整夜睡眠，基于病人个性化睡姿数据库中病人不同睡姿状态的数据符合范围对病人整夜的压力数据与轮廓区域面积进行分析，标记各次压力数据与轮廓区域面积超过不同睡姿状态的数据符合范围峰值的次数为整夜睡姿更换次数，并获取各次睡姿状态的保持时长；通过模糊逻辑对各次睡姿状态的保持时长与整夜睡姿更换次数进行模糊推理，获得病人的整夜睡眠质量评估值，进而生成病人的整夜睡眠监测报告，整夜睡眠监测报告包括了病人的整夜睡眠质量评估值、病人的整夜各次睡姿状态、各次睡姿状态的保持时长。

9、进一步地，所述通过模糊逻辑对各次睡姿状态的保持时长与整夜睡姿更换次数进行模糊推理的具体分析为：将各次睡姿状态的保持时长与整夜睡姿更换次数划分为不同的模糊集合，并建立模糊规则，模糊规则具体为：各次睡姿状态的保持时长与整夜睡眠质量评估值成正比，整夜睡姿更换次数与整夜睡眠质量评估值成反比；根据建立的模糊规则与各次睡姿状态的保持时长、整夜睡姿更换次数对应的模糊集合进行模糊推理，获得整夜睡眠质量评估值的模糊集合，进而通过对整夜睡眠质量评估值的模糊集合进行解模糊化，得到整夜睡眠质量评估值。

10、本发明具有以下有益效果：

11、（1）、该一种基于人体压力分布的睡姿检测系统，通过床垫压力传感器获取的数据，可以实时监测病人的睡姿状态，包括仰卧、俯卧、左侧卧、右侧卧，为医护人员提供实时的睡姿信息；通过机器学习模型对病人的个性化睡姿进行分析，可以了解病人在不同睡姿下的压力分布情况，帮助医护人员更好地了解病人的睡眠习惯和身体状况；根据病人整夜睡姿更换次数和机器学习模型预测的睡姿状态，对病人的整夜睡眠质量进行评估，可以帮助医护人员及时发现睡眠质量不佳的病人，并采取相应的干预措施；通过分析病人的睡姿数据和睡眠质量评估结果，医护人员可以为病人提供个性化的医疗护理服务，包括调整睡姿、改善睡眠环境等，提高病人的睡眠质量和生活质量；将病人的睡姿数据和睡眠质量评估结果进行记录和分析，可以为医疗决策和治疗效果评估提供参考依据，促进医疗服务的智能化和精细化。

12、（2）、该一种基于人体压力分布的睡姿检测系统，随机森林能够利用多棵决策树进行集成学习，有效地预测病人的睡姿状态，通过训练随机森林模型，可以学习到各种睡姿状态对应的压力值范围和轮廓面积范围的模式，从而更准确地识别出病人的睡姿状态；病人个性化睡姿数据库中包含了病人的不同睡姿数据，因此随机森林模型可以针对病人的个性化差异进行调节，提高了模型的泛化能力和适用性，利用随机森林模型输出的睡姿状态，可以实时监测病人的睡姿情况，为医护人员提供及时的睡姿信息，有助于调整病人的睡姿，预防睡姿不良带来的健康问题，为睡眠研究和医疗服务提供更多的参考和指导。

13、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。