[发明专利]基于睡眠大数据的人体健康评估方法及评估系统

权利要求书

1.一种基于睡眠大数据的人体健康评估方法，其特征在于，包括：

通过安装在床上的传感器，获取人体睡眠时的各项生理数据，并将这些睡眠数据永久地存储于云端服务器；

将上述存储于云端服务器中的睡眠数据进行数据预处理筛除缺失和错误的数据，将正确的数据放入人工智能学习模型中进行训练，使人工智能学习模型学习到患病特征，计算得到生理评价指标；

经过预处理之后正确的数据分为有患病标签的睡眠数据和无患病标签的睡眠数据；

所述正确的数据放入人工智能学习模型中进行训练的过程包括：

将预处理后无患病标签的睡眠数据送入自编码网络中计算得到无监督网络损失；具体地，将预处理后无患病标签的睡眠数据x送入自编码网络的深度自编码器中，计算得到无监督网络损失loss1_k；

将预处理后有患病标签的睡眠数据送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失；具体地，将预处理后有患病标签的睡眠数据y送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失loss2_k；

迭代训练上述两个步骤，当得到的无监督网络损失与有监督网络损失之和不再变化或者达到最大迭代步数时，停止迭代，此时得到的睡眠数据即可作为生理评价指标；具体地，根据如下公式计算得到网络总损失loss_k：

loss_k＝loss1_k+loss2_k；

利用反向传播算法调整网络结构参数，采用迭代训练方式，将睡眠数据x和睡眠数据y再次送入自编码网络中，分别重复计算得到无监督网络损失和有监督网络损失的上述两个步骤，分别得到网络结构参数调整之后的无监督网络损失loss1_k+1和有监督网络损失loss2_k+1、以及本轮网络总损失loss_k+1；其中，

loss_k+1＝loss1_k+1+loss2_k+1；

比较调整网络结构参数后的损失值并再次调整网络结构参数，直到满足loss_k+1＝loss_k时，或者，达到最大迭代次数时，停止迭代训练；

利用上述人工智能学习模型学习到数据的患病特征，训练分类器模型，使分类器模型可以识别出不同数据对应的患病类型；

根据上述数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告。

2.根据权利要求1所述的基于睡眠大数据的人体健康评估方法，其特征在于，人体睡眠时的各项生理数据包括：心率、呼吸率、翻身、微动、打鼾和离床信息。

3.根据权利要求1所述的基于睡眠大数据的人体健康评估方法，其特征在于，所述有患病标签的睡眠数据来自于已知患病类型的人体，所述无患病标签的睡眠数据来自于未知患病状态的人体。

4.根据权利要求1所述的基于睡眠大数据的人体健康评估方法，其特征在于，将所述有患病标签的睡眠数据在自编码网络中得到的中间层降维输出数据，输入至分类器，训练出一个分类器模型。

5.根据权利要求4所述的基于睡眠大数据的人体健康评估方法，其特征在于，所述生理评价指标用于评估人体是否为患病状态，所述分类器模型用于分析人体患病类型。