T/CCSCIOT 0006-2023 人体睡眠状态监测智能物联网系统技术要求

ICS 240.99
L 79
无锡“感知中国”物联网商会团体标准
T/CCSCIOT 0006—2023
人体睡眠状态监测智能物联网系统技术要求
Technical Requirements of Intelligent Internet of Things System for Human Sleep State Monitoring
2024 - 03 - 06发布2024 - 03 - 07实施
无锡“感知中国”物联网商会 发布

目次
前言 ................................................................................. II
引言 ................................................................................ III
1 范围 ............................................................................... 1
2 规范性引用文件 ..................................................................... 1
3 术语和定义 ......................................................................... 1
4 符号和缩略语 ....................................................................... 2
5 系统结构 ........................................................................... 2 结构概述 ....................................................................... 2
信息采集 ....................................................................... 2
信息处理 ....................................................................... 3
无线通信 ....................................................................... 3
数据存储 ....................................................................... 3
样本集 ......................................................................... 3
机器学习 ....................................................................... 3
信息展示 ....................................................................... 3
6 工作流程 ........................................................................... 3 流程概述 ....................................................................... 3
传统床垫容器工作流 ............................................................. 4
数据分析平台工作流 ............................................................. 4
睡眠状态评估报告 ............................................................... 5
附录A1
参考文 献 ............................................................................ 3
T/CCSCIOT 0006—2023
II
前言
本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草。
本文件由无锡“感知中国”物联网商会提出并归口。
本文件起草单位：中物云信息科技（无锡）有限公司、无锡市新吴区中医医院、匀熵智能科技（无锡）有限公司、无锡益拓信息科技合伙企业（有限合伙）、徐州医科大学、无锡职业技术学院、熙羽智能科技（无锡）有限公司。
本文件主要起草人：沈兰、姜华、丁盛、李书艳、夏有兵、李书元、彭永强、杨红磊、张莹莹、张雪洋、任单会。
T/CCSCIOT 0006—2023
III
引言
本文件的发布机构提请注意，声明符合本文件时，可能涉及一种人体呼吸心跳的模拟系统（ZL 202211408449.2）相关的专利的使用。
本文件的发布机构对于该专利的真实性、有效性和范围无任何立场。
该专利持有人已向本文件的发布机构承诺，他愿意同任何申请人在合理且无歧视的条款和条件下，就专利授权许可进行谈判。该专利持有人的声明已在本文件的发布机构备案。相关信息可以通过以下联系方式获得：
专利持有人姓名：马宏雷、姜华、陈永金
地址：无锡市经济开发区金融三街嘉业财富中心3-1801-1室
请注意除上述专利外，本文件的某些内容仍可能涉及专利。本文件的发布机构不承担识别专利的责任。
T/CCSCIOT 0006—2023
1
人体睡眠状态监测智能物联网系统
技术要求
1 范围
本文件规定了用于结合传统床垫应用场景下的人体睡眠状态监测智能物联网系统的系统结构和工作流程。
本文件适用于结合传统床垫应用场景下的人体睡眠状态监测智能物联网系统的设计、开发和运维。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
GB/T 33745–2017 物联网 术语
GB/T 39223.5-2020 健康家居的人类工效学要求 第5部分:床垫
3 术语和定义
GB/T 33745–2017和GB/T 39223.5-2020界定的以及下列术语和定义适用于本文件。
光纤传感器 optical fiber sensor
一种将被测对象的状态转变为可测的光信号的传感器。
机器学习 machine learning
一种计算机从数据中自动学习规律和模式,并进行预测和决策的技术。
心冲击图 ballistocardiography
借助灵敏的仪器把心脏搏动所引起人体的一系列相应周期性运动/震动记录并描记成一种波形图。
心肺耦合 cardiopulmonary coupling
一种心血管循环系统与呼吸系统之间内在的协调机制及相互作用，可以用来分析睡眠分期等状态。
睡眠分期 sleep stage
一种人体睡眠的生物节律。
注：国际睡眠医学学会将睡眠分为五个阶段：入睡期、浅睡期、熟睡期、深睡期、快速眼动期。
功率谱 power spectrum
单位频带内的信号功率。
T/CCSCIOT 0006—2023
2
时域 time domain
信号在时间轴随时间变化的总体概括。
频域 frequency domain
信号在频率方面特性时用到的一种坐标系。
4 符号和缩略语
下列缩略语适用于本文件。
BCG：心冲击图（BallistoCardioGraphy）
WiFi：无线网络（Wireless Fidelity）
4G：第四代移动通信技术（Fourth Generation wireless technology）
5G：第五代移动通信技术（Fifth Generation wireless technology）
CPC：心肺耦合（Cardiopulmonary Coupling）
REM：快速眼动期（Rapid Eye Movement）
LF：低频段（Low Frequency）
HF：高频段（High Frequency）
C/S：客户端和服务器（Client/Server）
B/S：浏览器和服务器（Browser/Server）
TPC：总功率耦合值（Total Power Coupled）
LFC：低频段耦合值（Low-Frequency Coupled）
LFCN：归一化低频段耦合值（Low-Frequency Coupled Normalized）
HFC：高频段耦合值（High-Frequency Coupled）
HFCN：归一化高频段耦合值（High-Frequency Coupled Normalized）
5 系统结构 结构概述
从系统构成角度，人体睡眠状态监测智能物联网系统应分为传统床垫容器和数据分析平台两部分，以及两者之间的无线通信接口，其中，传统床垫容器应包含信息采集和信息处理的功能模块，数据分析平台应包含数据存储、样本集、机器学习、信息展示的功能模块。系统结构如图1所示。
图
1 人体睡眠状态监测智能物联网系统结构 信息采集
T/CCSCIOT 0006—2023
3
包括光纤传感器、压力薄膜、加速度传感器等应力感知装置，应采集人体睡眠状态时躺在床垫上胸腔内心脏收缩和呼吸动作所导致细微变化的压力值。 信息处理
应通过数字信号处理算法将传感器采集的原始应力信号分解为体动、呼吸和BCG信号。对分解后的BCG信号应通过心肺耦合算法运算得到睡眠分期参数。
BCG信号即心动信号，正常的BCG与心跳同步，具有重复性，主要包含H、I、J、K、M和N波。J波是BCG周期中幅值最大点，I波和K波是J波前后时间幅值最小点，估计相邻周期的I波、J波或K波间隔，即为心动周期；确定同周期IJ幅值和JK幅度，即为心脏泵血的收缩力大小，信号分析见图2。
图2 标准BCG信号图 无线通信
包括WiFi、蓝牙、4G/5G等无线通信手段,应将信息处理的结果传输到网络上的数据分析平台。 数据存储
可采用非结构化数据库存储传统床垫容器上传的实时睡眠状态特征参数，可采用结构化数据库存储机器学习计算过程中的特征值和信息展示最终呈现的睡眠状态指标。 样本集
可预先收集大量带标签的样本集合供机器学习比对使用。
注：样本是不同人体通过智能物联网采集的睡眠状态特征参数，标签是通过专业医疗检验方式确认的睡眠状态指标。 机器学习
应建立机器学习模型，基于样本集的先验知识，对上传平台的人体睡眠状态特征参数进行分析计算，得到最终呈现给用户的睡眠状态指标。 信息展示
可基于C/S或B/S架构，通过手机/平板/电脑和大屏等媒质，以文字和报表形式展示睡眠状态信息。
6 工作流程 流程概述
人体睡眠状态监测智能物联网系统进行工作的流程如图3所示。
T/CCSCIOT 0006—2023
4
图3 人体睡眠状态监测智能物联网系统工作流程图 传统床垫容器工作流
在系统结构中的传统床垫容器中进行的工作流程有：
a)
床垫中集成的信息采集传感器固定距离床头约40cm位置，更好的采集胸腔幅度大的振动信号;
b)
用户上床激活床垫开始工作，传感器采集人体微弱体动信号；
c)
可将幅度突变的信号滤出为体动信号，计算单位时间内的体动次数；
d)
应通过频域滤波从振动信号中滤出BCG信号，可采用峰值查找算法标定J点位置，组建JJ点时间间隔序列，两个J点时间间隔即为一次心跳的时间，计算时间窗内心跳相关参数，具体方法可参考附录A；
e)
应通过频域滤波从振动信号中滤出呼吸信号，可采用峰值查找算法标定呼吸信号周期峰值，组建峰值点时间间隔序列，两个峰值点时间间隔即为一次呼吸的时间，计算时间窗内呼吸相关参数，具体方法可参考附录A；
f)
应将JJ点时间间隔序列和呼吸峰值点时间间隔序列进行心肺耦合功率谱计算，得到睡眠分期相关参数，具体方法可参考附录A。 数据分析平台工作流
在系统结构中的数据分析平台中进行的工作流程有：
a
）应将传统床垫容器传输过来的数据保存，有呼吸相关参数，包括但不限于平均呼吸率、基准呼吸率、最高呼吸率，最低呼吸率；有心跳相关参数，包括但不限于平均心率，基准心率、最高心率，最
T/CCSCIOT 0006—2023
5
低心率；有睡眠分期相关参数，包括但不限于深睡、浅睡、
REM状态的时间序列；还有每次体动的时刻和总数；
b
）应将所有无线接收数据作为特征值，输入已训练好的机器学习模型进行持续学习，输出实时的计算结果存储在数据库中；
c
）机器学习模型需要预先进行监督训练，输入不低于1000条不同睡眠状态的特征值样本集，睡眠状态由具备医疗器械资质的睡眠监测仪器给出；
d
）用户睡眠结束起床，传感器监测不到压力信号，一次睡眠周期的监测结束；
e
）应在30秒内结束机器学习过程，输出最终参数保存在数据库中，形成睡眠状态评估报告，通过多种人机交互模式展示给用户。 睡眠状态评估报告
最终呈现给用户的睡眠状态评估报告内容应根据监测要求制定，至少包括以下要素，通过信息展示模块进行交互。
a)
用户基本信息（姓名，性别、年龄、身高、体重、既往病史）；
b)
单次睡眠状态监测数据开始时间，数据结束时间，睡眠日期；
c)
单次入睡时间，醒来时间，上床时间，起床时间，睡眠效率；
d)
本次睡眠醒着时长，醒着时长比率，深睡时长，深睡比率，浅睡时长，浅睡比率，REM时长，REM时长比率；
e)
离床次数，体动总次数；
f)
睡眠评分，睡眠效率，睡眠潜伏期；
g)
睡眠期间心率实时数据图，平均心率，基准心率、最高心率，最低心率；
h)
睡眠期间呼吸率实时数据图，平均呼吸率，基准呼吸率、最高呼吸率，最低呼吸率；
i)
呼吸暂停次数，每次呼吸暂停开始时间、结束时间；
j)
睡眠质量指数，精神压力指数，心脏健康指数，呼吸健康指数，慢病监测指数。
T/CCSCIOT 0006—2023
1
附录A
（资料性附录）
参考算法说明
传统床垫容器里的传感器采集到人体睡眠躺姿下的时域压力波形如图A.1所示，其中大幅度跳变的信号为人体在床垫上大幅度挪动身体造成的。
图A.1 原始信号波形图
去除掉体动干扰信号数据点，根据周围正常信号拟合出体动干扰时间段的替代信号，取其中6秒钟信号放大后如图A.2(a)所示：
图A.2 去除体动干扰信号波形图
图A.2(a)波形是由心跳和呼吸时胸腔起伏造成，由于正常人的呼吸率正常范围是每分钟12~30次，心率正常范围是每分钟60~100次，两者不在同一范围，通过信息处理模块进行频域滤波处理，分离出两种时域信号，分别为图A.2(b)的呼吸信号，图A.2(c)的心动信号。
呼吸信号呈现周期的波峰波谷形态，可以采用自动多尺度峰值查找算法确定信号峰值位置，如图A.3所示，从而计算出时间窗内呼吸相关参数。
T/CCSCIOT 0006—2023
2
图A.3 呼吸信号波峰标定
实际的心跳信号呈现周期性的BCG信号形态，也可以采用自动多尺度峰值查找算法确定最重要的J点峰值位置，如图A.4所示，从而计算出时间窗内心跳相关参数。
图A.4 心跳信号J点峰值标定
应根据心肺耦合理论，选取同样时间窗口内心动信号x(t)和呼吸信号y(t)，计算他们之间的互相关系数和互功率密度，得到心肺耦合信号CPC = [互功率密度]2 ×互相关系数。
上述功率谱中，定义TPC是0-0.4Hz内的总功率大小，LFC是0.04Hz-0.1Hz低频段范围内的功率，HFC是0.1Hz-0.4Hz高频范围内的功率，LFCN是低频段占全频段功率百分比，HFCN是高频段占全频段功率百分比，LFc/HFc是低频高频功率比。移动滑动窗口，再次计算下一个时刻的TPC、LFC、HFC、LFCN、HFCN、LFc/HFc数值组成序列，作为特征值输入已训练好机器学习模型。上述所有的特征值均需要存入数据库。
T/CCSCIOT 0006—2023
3
参考文献
[1] GB 40165-2021 固定式电子设备用锂离子电池和电池组 安全技术规范
[2] GB/T 13869-2017 用电安全导则
[3] GB/T 33213-2016 无损检测 基于光纤传感技术的应力监测方法
[4] GB/T 33750-2017 物联网 标准化工作指南
[5] GB/T 37733.1-2019 传感器网络 个人健康状态远程监测 第1部分：总体技术要求
[6] GB/T 42574-2023 信息安全技术 个人信息处理中告知和同意的实施指南
[7] MZ/T 180-2021 无拘束监测智能床垫
[8] Scholkmann, F.; Boss, J.; Wolf, M. An Efficient Algorithm for Automatic Peak Detection in Noisy Periodic and Quasi-Periodic Signals. Algorithms 2012, 5, 588-603. https://doi.org/ 10.3390/a5040588
[9] Thomas R J , Mietus J E , Peng C K ,et al.An Electrocardiogram-Based Technique to Assess Cardiopulmonary Coupling During Sleep[J].Sleep, 2005, 28(9):1151- 1161.DOI:10.1093/ sleep/28.9.1151.
[10] 周志华.机器学习[M].北京：清华大学出版社，2016.01