1.本发明涉及一种睡眠多维度干预方法，同时也涉及相应的睡眠多维度干预系统，属于睡眠调节技术领域。
背景技术：2.睡眠是人体的基本生理需求，我们的一生中有1/3的时间是在睡眠中度过的。充足的睡眠、均衡的饮食和适当的运动是国际社会公认的三项健康标准。睡眠障碍(sleep disorder，somnipathy)是指在睡眠过程中出现的各种影响睡眠的异常表现，可由身体某系统生长发育和环境相互作用产生的功能失调引起，也可由呼吸、神经等各系统的疾病引起，能够直接影响儿童的睡眠结构、睡眠质量及睡眠后复原程度。
3.目前，睡眠障碍的治疗通用方法主要有心理治疗、药物治疗、物理洽疗、中医治疗、时间疗法和光照疗法、生物反馈疗法及睡眠数字疗法等。其中，失眠的认知行为治疗(cbt-i)和药物治疗中的苯二氮章受体澈动剂治疗是临床证据最多的失眠治疗方法。针对失眠的认知行为疗法(cbt-i)是结合了一种或多种认知治疗策略、与睡眠调节有关的教育和行为策略(比如，刺激控制指令和睡眠限制疗法)，治疗一般通常需要4到8个疗程。电子化的失眠认知行为治疗(cbt-i)是针对慢性失眠用户的行为、认知和生理的系列治疗策略，通过改变失眠用户不良行为及睡眠习惯、错误睡眠认知等多方面因素，达到改善失眠的效果。具体流程可分为刺激控制(重新建立床和睡眠的联系)、睡眠限制(巩固睡眠)、放松训练(降低干扰睡眠的躯体和认知觉醒)、认知疗法(改变对睡眠的不良认知)及睡眠卫生(提供正确的睡眠卫生知识)等。
技术实现要素：4.本发明所要解决的首要技术问题在于提供一种睡眠多维度干预方法。
5.本发明所要解决的另一技术问题在于提供一种睡眠多维度干预系统。
6.为了实现上述目的，本发明采用以下的技术方案：
7.根据本发明实施例的第一方面，提供一种睡眠多维度干预方法，包括如下步骤：
8.获取用户的睡眠质量监测结果；
9.针对所述睡眠质量监测结果建立决策树模型，获取所述用户对应各设定失眠类型的分类概率；
10.根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，并推送给所述用户进行人机交互；
11.获取所述用户的每日人机交互结果，并持续设定天数后，形成所述用户的睡眠反馈结果；
12.根据所述睡眠反馈结果对所述决策树模型进行迭代，以重新获取所述用户对应各设定失眠类型的分类概率。
13.其中较优地，所述获取用户的睡眠质量监测结果，具体包括：
14.基于睡眠量表和焦虑抑郁量表，获取用户的睡眠评估报告；
15.基于外接的睡眠设备，监测所述用户的生理评估报告；
16.根据所述睡眠评估报告和所述生理评估报告，获取所述用户的睡眠质量监测结果。
17.其中较优地，所述各设定失眠类型至少包括：原发性失眠、继发性失眠和情绪性失眠。
18.其中较优地，所述针对所述睡眠质量监测结果建立决策树模型，获取所述用户对应各设定失眠类型的分类概率，具体包括：
19.采用多项逻辑回归进行分类，针对各设定失眠类型建立以下不同的决策树；
[0020][0021][0022][0023]
其中，输入训练集t＝{(x1，y1)，(x2，y2)，
……
，(xm，ym)}，f(x)从1到m的叠加目标是通过经验风险极小化确定下一颗决策树的参数，通过拟合残差cm学习一颗回归树，得到第m棵回归树的叶节点区域rm，通过找到误差最小的回归树所对应的cm来更新得到的回归问题提升树fm(x)；
[0024]f1m
(x)、f
2m
(x)、f
3m
(x)代表对各种失眠类型分别所建立的决策树，r
1m
代表对第一种失眠类型的叶节点区域，c
1m
代表对第一种失眠类型的最小化拟合残差；
[0025]
基于所建立的各种决策树，将所述用户的睡眠质量监测结果输入以下公式，获取所述用户对应三种失眠类型的分类概率；
[0026][0027]
其中，i的取值为1～3；exp为指数函数；f
im
(x)代表对各设定失眠类型所建立的回归问题决策树。
[0028]
其中较优地，所述根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，具体包括：
[0029]
根据所述用户对应各设定失眠类型的分类概率，从人机交互任务库中匹配各设定失眠类型的人机交互任务；
[0030]
根据所述用户对应各设定失眠类型的分类概率，计算对应各设定失眠类型的人机交互天数；
[0031]
根据所述各设定失眠类型的人机交互任务和所述各设定失眠类型的人机交互天数，获取所述用户的人机交互方案。
[0032]
其中较优地，所述人机交互任务至少包括：任务类型、任务等级和任务数量。
[0033]
其中较优地，所述人机交互任务库中至少包括：
[0034]
对应于所述原发性失眠的生理舒缓放松任务、正念觉知培养任务、想象放松冥想任务和积极爱意灌注任务；
[0035]
对应于所述继发性失眠的睡眠日记任务、睡眠科普视频任务以及睡眠计划任务；
[0036]
对应于所述情绪性失眠的回味美好记忆任务、展望美好计划任务、正面解读任务、认知扭曲识别任务和情景模拟任务。
[0037]
其中较优地，所述设定天数为所述用户对应各设定失眠类型的人机交互天数总和的一半。
[0038]
根据本发明实施例的第二方面，提供一种睡眠多维度干预系统，包括处理器和存储器，所述处理器读取所述存储器中的计算机程序，用于执行以下操作：
[0039]
获取用户的睡眠质量监测结果；
[0040]
针对所述睡眠质量监测结果建立决策树模型，获取所述用户对应各设定失眠类型的分类概率；
[0041]
根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，并推送给所述用户进行人机交互；
[0042]
获取所述用户的每日人机交互结果，并持续设定天数后，形成所述用户的睡眠反馈结果；
[0043]
根据所述睡眠反馈结果对所述决策树模型进行迭代，以重新获取所述用户对应各设定失眠类型的分类概率。
[0044]
与现有技术相比较，本发明具有以下的技术效果：
[0045]
(1)相比较现有的改善睡眠类app，本发明设计的范式更加系统化，更具有理论依据和科学性，兼顾趣味性，取材于现实场景，交互内容更全面，改善效果更加显著，针对性较强。
[0046]
(2)实现了失眠认知行为治疗的电子化交互，给用户提供更符合现代人生活观念和节奏的失眠资料方法，更具系统性和科学性，更容易让用户信服，从而提高其依从性，改善睡眠情况。
[0047]
(3)睡眠的多维度综合交互，线上线下协同工作，针对用户的睡眠不良信念、不良睡眠行为习惯、因睡眠问题导致的不良情绪等方面进行认知、情绪和行为交互，从而改善用户的情绪，形成正确的睡眠信念和态度，可从更多方面考察用户的睡眠情况及实际改善状况。
[0048]
(4)用户睡眠问题个性化治疗方案的推送，开发的范式会根据用户的练习情况及时调整交互难度和内容，以便为用户达到最好的治疗效果，相比较改善睡眠类app，具有更强的针对性和治疗性。
[0049]
(5)辅助认知障碍用户改善情绪和提升认知水平，通过睡眠认知行为交互，帮助用户提升情绪智力和改善认知情况。
[0050]
(6)专门的个人睡眠日志和睡眠报告，帮助用户看到自己在睡眠改善期间的精神压力报告，有利于对用户进行积极的正反馈和正强化，让用户产生愉悦的心情，提升治疗疾病的信心和动力。
[0051]
(7)拓宽到实际生活中，本发明采取的交互任务均采用了大量的现实情境，让用户更有代入感和沉浸感，能够对失眠认知障碍的老年人群体具有现实指导意义。
附图说明
[0052]
图1为本发明实施例提供的一种睡眠多维度干预方法的整体流程示意图；
[0053]
图2为本发明实施例提供的一种睡眠多维度干预方法的具体流程示意图；
[0054]
图3为本发明实施例中，睡眠多维度干预方案的示意图；
[0055]
图4为本发明实施例提供的一种睡眠多维度干预系统的结构示意图。
具体实施方式
[0056]
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
[0057]
图1和图2所示为本发明实施例提供的一种睡眠多维度干预方法，至少包括以下步骤：
[0058]
s1：获取用户的睡眠质量监测结果。
[0059]
具体的，包括子步骤s11～s13：
[0060]
s11：基于睡眠量表和焦虑抑郁量表，获取用户的睡眠评估报告；
[0061]
具体的，当用户初次登录本交互程序时，首先进行信息录入(例如：性别、年龄、生活习惯等用户特征)，并完成睡眠量表(睡眠质量)、焦虑抑郁量表(睡眠情绪)测评。其中，采取的工具为改变一些睡眠及生活质量量表，如，匹茨堡睡眠质量指数(psqi)、阿森斯失眠质量(ais)。同时，睡眠与心理健康相互作用，通过汉密尔顿焦虑、抑郁量表(hama、hamd)等，多方位收集用户的整体信息。
[0062]
通过上述测评结果，得到用户的睡眠评估报告，以评估用户的睡眠质量和睡眠情绪。
[0063]
s12：基于外接的睡眠设备，监测所述用户的生理评估报告；
[0064]
当获取用户的睡眠评估报告后，还需对用户进行生理指标的评估与监测。具体的，在本发明的一个实施例中，通过外接睡眠设备，利用睡眠设备对用户的日常生活进行生理指标的评估和监测。其中，生理指标可以包括：动态心电、心率变异性、精神压力、动态血压、活动量等，根据不同的生理指标生成不同的报告，并做进一步汇总分析，形成针对用户的生理评估报告。
[0065]
s13：根据所述睡眠评估报告和所述生理评估报告，获取所述用户的睡眠质量监测结果。
[0066]
当睡眠评估报告和生理评估报告均已获得后，利用两个评估报告进行综合评测，从而形成针对用户的睡眠质量监测结果。
[0067]
在本发明的一个实施例中，评估监测的完成具体可在两种独立场景下进行：第一种，是用户来医院认知中心，进行初次的睡眠质量状况量表测评及睡眠设备同步收集用户的生理指标，测评结束后形成睡眠质量指数报告和精神压力分析报告，并对睡眠和精神压力之间的关系进行解读，基于该睡眠质量指数报告和精神压力分析报告形成针对用户的睡眠质量监测结果。第二种，用户居家治疗，开通居家的第一天，用户进行一次睡眠监测(携带设备睡一晚)，并根据睡眠检测数据，形成睡眠分析报告，后续根据睡眠分析报告，给出合理的睡眠相关的交互推送(辅助睡眠的交互内容)，经过阶段性交互后，需用户再次进行睡眠监测，并根据睡眠监测前后的数据，形成对比报告，以为后续的交互推送提供指引。
[0068]
s2：针对所述睡眠质量监测结果建立决策树模型，获取所述用户对应各设定失眠
类型的分类概率。
[0069]
在本发明的一个实施例中，各设定失眠类型至少包括：原发性失眠、继发性失眠和情绪性失眠。其中，原发性失眠包括内源性睡眠障碍，主要针对于由于生理心理原因导致的。具体表现为心理生理性失眠、主观性失眠、特发性失眠、发作性睡病、反复发作性过度睡眠、特发性过度睡眠、创伤后过度睡眠、阻塞性睡眠呼吸暂停综合征、中枢性睡眠呼吸暂停综合征等。继发性失眠包括外源性睡眠障碍、昼夜节律失调性睡眠障碍等，主要针对于由于睡眠环境变化、睡眠习惯问题的偶发性失眠。具体来说，外源性睡眠障碍包括睡眠卫生不良、环境性睡眠障碍、适应性睡眠障碍、睡眠不足综合征、入睡相关性障碍等；昼夜节律失调性睡眠障碍包括了时差变化综合征、倒班睡眠素乱等。情绪性失眠包括情绪性睡眠障碍、认知障碍相关的睡眠障碍。主要原因是因为情绪困扰或者疾病产生的情绪压力而造成的失眠。具体来说，情绪性睡眠障碍包括精神病相关性睡眠障碍、焦虑障碍相关性睡眠障碍、躯体障碍相关性睡眠障碍、人格障碍相关性睡眠障碍等；认知障碍相关的睡眠障碍包括脑变性病相关性睡眠障碍、痴呆相关性睡眠障碍等。
[0070]
具体的，包括子步骤s21～s22：
[0071]
s21：采用多项逻辑回归进行分类，利用softmax回归的对数损失函数，针对三类失眠类型建立以下三种不同的决策树。
[0072]
具体的，采用监督学习中的梯度提升树算法(gradient boosting decision tree，gbdt)对建立决策树模型对用户进行分类判定。具体来说，调用以往交互库中用户的用户画像(生理监测、睡眠量表、焦虑抑郁量表)，任务画像(用户进行三类任务：睡眠生理治疗、睡眠习惯治疗、睡眠情绪治疗的使用时长及获益程度)数据。因为目标将用户分为三类：原发性失眠、继发性失眠、情绪性失眠三类。分别对应睡眠生理治疗、睡眠习惯治疗、睡眠情绪治疗。因此使用多项逻辑回归(softmax regression)来进行分类，采用softmax回归的对数损失函数，建立三类不同的决策树如下所示：
[0073][0074][0075][0076]
其中，输入训练集t＝{(x1，y1)，(x2，y2)，
……
，(xm，ym)}，f(x)从1到m的的叠加目标是通过经验风险极小化确定下一颗决策树的参数，其中通过拟合残差cm来学习一颗回归树，得到第m棵树的叶节点区域rm，通过找到误差最小的树cm来更新得到回归问题提升树fm(x)。f
1m
(x)、f
2m
(x)、f
3m
(x)代表对各种失眠类型分别所建立的决策树，r
1m
代表对第一种失眠类型的叶节点区域，c
1m
代表对第一种失眠类型的最小化拟合残差。分别采用分类与回归树(cart)，递归构建二叉决策树，对回归树用均方误差损失准则确定分裂点，遍历所有特征的取值并将每个特征值作为分裂点。通过迭代交互的提升(boosting)算法根据基学习器的表现对交互样本分布进行不断调整，组合成强学习器，来提升回归算法预测每个类别的精确度。
[0077]
s22：基于所建立的三种决策树，将所述用户的睡眠质量监测结果输入以下公式，获取所述用户对应三种失眠类型的分类概率。
[0078]
具体的，由以上三个回归树公式，输入新来当前用户的信息x，输入其所对应的三种分类原发性失眠、继发性失眠、情绪性失眠的概率，公式如下：
[0079][0080]
其中，i的取值为1～3；exp为指数函数，f
im
(x)代表对各个失眠类型所建立的回归问题决策树。通过三个决策树的综合，计算得出分类概率。
[0081]
计算出当前用户对应的分类概率后，基于用户的分类属性和交互模块时长的映射关系，输入三个治疗模块的预测变量，即每个模块的交互时长。
[0082]
根据测评结果生成对应的三类交互方案，如下：
[0083]
结果1：原发性失眠：着重进行睡眠生理治疗，辅以睡眠习惯治疗。结果2：继发性失眠：着重进行睡眠习惯治疗，辅以睡眠情绪治疗。结果3：情绪性失眠：着重进行睡眠情绪治疗，辅以睡眠生理治疗。
[0084]
s3：根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，并推送给所述用户进行人机交互。
[0085]
具体的，包括子步骤s31～s33：
[0086]
s31：根据所述用户对应各设定失眠类型的分类概率，从人机交互任务库中匹配各设定失眠类型的人机交互任务。
[0087]
其中，所述人机交互任务至少包括：任务类型、任务等级和任务数量。所述人机交互任务库中至少包括：对应于所述原发性失眠的睡眠生理治疗任务、对应于所述继发性失眠的睡眠习惯治疗任务和对应于所述情绪性失眠的睡眠情绪治疗任务。
[0088]
s32：根据所述用户对应各设定失眠类型的分类概率，计算对应各设定失眠类型的人机交互天数；
[0089]
其中，任意一个设定失眠类型的人机交互天数均通过该设定失眠类型的分类概率与所述用户完全属于该设定失眠类型的最佳治疗天数的乘积获得。
[0090]
s33：根据所述各设定失眠类型的人机交互任务和所述各设定失眠类型的人机交互天数，获取所述用户的人机交互方案。
[0091]
例如：当某个用户初次登陆时，输入用户(生理监测、睡眠量表、焦虑抑郁量表)数据，根据决策树模型计算输出其对应的分类为：原发性失眠0.6、继发性失眠0.3、情绪性失眠0.1，失眠严重程度与常模相较为0.8，即超过了80％的人的失眠状态。根据模型计算的分类输出预测响应值，即该用户对应的睡眠生理治疗交互时长为0.6*睡眠生理治疗的最佳时间x天，睡眠习惯治疗交互时长为0.3*睡眠习惯治疗最佳时间y天，睡眠情绪治疗交互时长为0.1*睡眠情绪治疗最佳时间z天(x、y、z由三个决策树模型生成的最佳映射分割标准特征值及该用户的失眠严重程度0.8加权获得，代表针对于该用户的失眠情况而言，如果完全属于某种失眠类型，其最佳的治疗时间)，共计t天作为初始交互疗程，具体每日的交互内容按照三个确定时长的治疗模块(分别对应三种失眠类型)按照天数随机排列组合后，随机抽取决定。
[0092]
如图3所示，在本发明的一个实施例中，基于以上算法，能够建立睡眠多维度干预技术交互方案，主要包括睡眠生理治疗(生物反馈)、睡眠习惯治疗(睡眠科普、日志、计划)、睡眠情绪治疗(认知矫正情绪交互)等板块内容，基于电子化的失眠认知行为治疗(ecbt-i)，全面覆盖了执行控制系统、情绪交互、认知交互、积极资源系统等不同心理能力和脑神经网络，为患有不同类型失眠问题、有不同心理需求和现实需求的用户提供多方面丰富和定制化的个人睡眠问题交互治疗方案，具体可分为：
[0093]
板块一：生物反馈治疗
[0094]
模块a：生物反馈放松
[0095]
生物反馈交互：和硬件结合，将硬件检测到的动态心电和血压转变成生物反馈信号。利用音频交互的方式，帮助用户进行渐进式放松交互，以达到舒缓身体疲劳、平静纷扰心境的效果，用户在这个练习中，能够使生理得到放松和休息，从而缓解失眠引起的多种情绪问题。
[0096]
该模块主要包括四方面的练习：生理舒缓放松，正念觉知培养，想象放松冥想和积极爱意灌注。详细描述如下：
[0097]
生理舒缓放松(睡前冥想+白噪音)
[0098]
利用音频交互的方式，帮助用户进行渐进式放松交互，以达到舒缓身体疲劳、平静纷扰心境的效果，用户在这个练习中，能够减轻身体和心理的压力，放松身心，改善睡眠质量。
[0099]
正念觉知培养(睡前冥想)
[0100]
使用音频引导的方式，带领用户进行与世界的联结，对自身的探索，对自己的情绪、想法进行观测和解离，以达到身心平静，排除杂念，舒缓心情，快速进入深度睡眠状态，拥有一个好的睡眠。
[0101]
想象放松冥想(情绪稳定)
[0102]
音频引导的想象式放松冥想引导用户进行联结自然的想象，引导用户想象在大自然中呼吸、放松、联结，压力和情绪得到释放，以达到放松身心，疗愈疼痛，消除负面情绪带来的影响的作用。
[0103]
积极爱意灌注(自我关怀)
[0104]
音频主导的爱意灌注练习鼓励用户想象积极事物，爱自己、爱他人，怀着善意看待世界。用户在这个过程中逐渐产生对生活的积极情绪，对现实生活产生积极影响。
[0105]
具体包括以下五个单元：
[0106]
输出单元：以视觉、听觉呈现系统内容素材库，个性化储存。
[0107]
交互单元：通过触摸、点击屏幕与用户进行互动。
[0108]
观测单元：收集用户生理数据如心率、血压等。
[0109]
评估单元：分析用户生理指标、睡眠质量等数据，生成用户画像报告。
[0110]
存储介质：存储用户的交互方案，预设的交互内容和每日更新的交互日志，存储用户睡眠调节发展曲线。
[0111]
板块二：睡眠习惯治疗
[0112]
模块b：睡眠日志
[0113]
睡眠日记是失眠研究方法之一，是主观性睡眠评估的"金标准"，通过睡眠日记用
户可记录下自己的睡眠行为模式及受睡眠影响的日间状况，经临床医师分析睡眠日记，可直观掌握用户睡眠信息，对于失眠障碍的诊断和评估各种治疗的效果具有重要参考价值。通过睡眠日志帮助用户了解自己的睡眠时间和醒来时间等信息，定制个性化的睡眠方案，从而帮助用户改善睡眠习惯、改善睡眠。
[0114]
具体包括以下三个单元：
[0115]
观测单元：收集用户睡眠质量数据等。
[0116]
评估单元：分析用户睡眠质量数据，生成用户画像报告。
[0117]
存储介质：个性化储存用户睡眠情况。
[0118]
模块c：睡眠科普视频
[0119]
睡眠卫生教育是失眠认知行为治疗的重要组成部分，并已被证明可以减少或消除失眠症状。
[0120]
整个科普内容基于ecbt-i核心内容，包括睡眠卫生教育、睡眠限制、刺激控制、放松交互、认知重建、正确的关于助眠药物的想法、总结和回顾等。将核心内容细化为8周相关主题内容，其中6周为新知识学习，2周为知识强化和巩固。具体内容可分为刺激控制(重新建立床和睡眠的联系)、睡眠限制(巩固睡眠)、放松交互(降低干扰睡眠的躯体和认知觉醒)、认知疗法(改变对睡眠的不良认知)及睡眠卫生(提供正确的睡眠卫生知识)等。每周都有固定周目标与日目标，并且与目标结合对应的周主题、日主题，每个视频约1分钟min左右，帮助用户快速获取并记下关键知识点。
[0121]
具体包括以下三个单元：
[0122]
输出单元：以视觉、听觉呈现系统内容素材库，个性化储存。
[0123]
交互单元：通过触摸、点击屏幕与用户进行互动。
[0124]
存储介质：存储用户的预设的每日科普内容和每日更新的科普内容。
[0125]
模块d：睡眠计划
[0126]
拥有优质的睡眠在于了解自我睡眠规律、系统、科学、合理制定自我睡眠计划，引导自我自觉遵守，形成习惯。通过引导用户主动设定自己的睡眠计划来其帮助改善睡眠状况。
[0127]
具体包括以下三个单元：
[0128]
评估单元：从存储介质中分析用户睡眠效率数据，生成用户画像报告。
[0129]
输出单元：根据用户平均睡眠效率进行个性化建议睡眠增加/减少时长。
[0130]
存储介质：存储用户的睡眠计划，预设的计划和用户睡眠效率发展曲线。
[0131]
板块三：睡眠情绪治疗
[0132]
模块e：睡眠矫正交互
[0133]
该模块内置交互为一个系统化的认知矫正强化交互方案。采用心理学界公认有效的多种心理治疗理论，结合生活化的情境设置，进行针对负面偏向思维、扭曲思维、单一视角、即时满足式行为决策的系统化交互，可以帮助用户重构睡眠认知，形成正确的睡眠观念，积极关注生活中的正性事件，重建良好心态，有效改善睡眠。具体方案详述为以下交互范式：
[0134]
一.回味美好记忆-睡眠专项版交互
[0135]
引导用户对于失眠期间的积极方面进行关注和感恩，包括：支持性的社会关系、自
我的成长和机会、他人为自己做的贡献和牺牲，来从以前未曾注意到的积极面来缓解失眠产生的焦虑。这种能力可以让用户有更多的心理能量来调节失眠的心情。
[0136]
流程一：
[0137]
呈现练习说明，要求用户思考情境后选择；
[0138]
呈现一列关于过往的积极情境，如花费很长时间的工作终于告一段落；一列时间范围，如近几天，近一年；
[0139]
用户阅读情境后，选择对应的发生时间。情境文字下面绘制的星星飞到时间下面累计成数字。
[0140]
更新情境，用户继续回忆、选择；
[0141]
呈现根据结果生成的分析和说明；
[0142]
展望美好计划-睡眠专项版交互；
[0143]
通过引导用户对于失眠的积极方面进行关注，思考希望和机会，包括自我的成长发展、情绪调节的方式、他人关系的建立，来从未来可能获得的机会来思考如何改善失眠。这种能力可以帮助用户更好的采取举措应对失眠问题。
[0144]
流程二：
[0145]
呈现练习说明，要求用户思考情境后选择；
[0146]
呈现一列关于未来的积极情境，一列时间范围；
[0147]
用户阅读情境后，选择对应的可能会发生的时间。情境文字下面绘制的星星飞到时间下面累计成数字；
[0148]
更新情境，用户继续想象、选择；
[0149]
呈现根据结果生成的分析和说明。
[0150]
正面解读-睡眠专项版交互
[0151]
焦虑情绪往往是因为对于未知情境的负面解释造成的。不少人事先会给睡眠套上很多先入为主的不好的猜测和预判，这可能会导致失眠越发严重。改善焦虑情绪需要减少威胁性的消极的解释，引导向积极的解释。正面解读范式通过引导关注积极解释和外显强化相结合来帮助用户学习形成对睡眠的积极想法、学习对睡眠事件的积极解释，重建良好心态，有效改善睡眠。
[0152]
流程：
[0153]
呈现可能失眠的模糊情境中；
[0154]
引导用户从积极角度诠释失眠；
[0155]
完成词语顺序纠正；
[0156]
进行情景理解，强化积极解释产生的情绪；
[0157]
数个情境之后，根据用户的答题情况呈现分析反馈。
[0158]
二.认知扭曲识别-睡眠专项版交互
[0159]
认知扭曲是大脑产生的绝对化的、消极的不合理信念。对于睡眠不正确的想法通常会增加消极情绪，让人以悲观、苛责的态度面对失眠的问题。学习正确识别这些睡眠相关的扭曲的思考方式，会让人找出想法的不合理之处，从而更好帮助调节情绪、转变视角更理性全面地看待自己的睡眠状态。
[0160]
流程：
[0161]
屏幕中呈现主人公，他/她面对的情况和产生了哪些情绪；
[0162]
呈现主人公的想法；
[0163]
用户点击主人公想法中包含扭曲思维的句子；
[0164]
选择正确——查看对于扭曲思维的分析；
[0165]
选择错误——显示错误。
[0166]
三.情景模拟器-睡眠专项版交互
[0167]
很多人出现睡眠问题的原因，往往都是和一些不良睡眠习惯有关，改变不良睡眠习惯，有利于促进人们睡眠状况的恢复。通过反复进行行为选择，并且呈现相应结果，从而形成对于这些选项的价值评估和推理。对于改善对不良睡眠习惯和应对方式具有良好的作用，可以促进人们睡眠状况的改善。
[0168]
流程：
[0169]
要求用户想象自己处在可能失眠的情境中；
[0170]
对呈现场景进行相对于合理的行为选择；
[0171]
根据相应的行为呈现对应的结果；
[0172]
更新情境，用户继续想象、选择；
[0173]
数个情境之后，根据用户的答题情况呈现分析反馈。
[0174]
该模块具体包括以下五个单元：
[0175]
输出单元：以视觉、听觉呈现系统内容素材库，个性化储存。
[0176]
交互单元：通过触摸、点击屏幕与用户进行互动。
[0177]
观测单元：收集用户交互时长、交互完成情况和喜好反馈。
[0178]
评估单元：从存储介质中分析用户交互依从性和有效性，生成交互报告。
[0179]
存储介质：存储用户的交互方案，更新交互内容和每日具体交互情况。
[0180]
s4：获取所述用户的每日人机交互结果，并持续设定天数后，形成所述用户的睡眠反馈结果。
[0181]
其中，该设定天数为所述用户对应各设定失眠类型的人机交互天数总和的一半，即t/2天。随着用户进行三类交互的任务数据反馈(包括用户的坚持交互时长、交互主观感受评价、交互客观睡眠效果)，每隔t/2天，形成每半疗程的交互及睡眠反馈情况，进行模型迭代和重新输入，重新生成用户新的失眠状况分类，失眠严重程度评估，及三类治疗对应的交互时长。
[0182]
s5：根据所述睡眠反馈结果对所述决策树模型进行迭代，以重新获取所述用户对应各设定失眠类型的分类概率。
[0183]
当用户基于上述定制式的人机交互方案完成人机交互后，通过获取用户的睡眠反馈结果，从而对上述三个决策树模型进行迭代，以不断优化决策树模型，从而随着用户的睡眠改善重新获取所述用户对应各设定失眠类型的分类概率。
[0184]
在上述睡眠多维度干预方法的基础上，本发明进一步提供一种睡眠多维度干预系统。如图4所示，该睡眠多维度干预系统包括一个或多个处理器21和存储器22。其中，存储器22与处理器21耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器21执行，使得所述一个或多个处理器21实现如上述实施例中的睡眠多维度干预方法。
[0185]
其中，处理器21用于控制该睡眠多维度干预系统的整体操作，以完成上述睡眠多维度干预方法的全部或部分步骤。该处理器21可以是中央处理器(cpu)、图形处理器(gpu)、现场可编程逻辑门阵列(fpga)、专用集成电路(asic)、数字信号处理(dsp)芯片等。存储器22用于存储各种类型的数据以支持在该睡眠多维度干预系统的操作，这些数据例如可以包括用于在该睡眠多维度干预系统上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器22可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(sram)、电可擦除可编程只读存储器(eeprom)、可擦除可编程只读存储器(eprom)、可编程只读存储器(prom)、只读存储器(rom)、磁存储器、快闪存储器等。
[0186]
在一个示例性实施例中，该睡眠多维度干预系统具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现，用于执行上述的睡眠多维度干预方法，并达到如上述方法一致的技术效果。一种典型的实施例为计算机。具体地说，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0187]
在另一个示例性实施例中，本发明还提供一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的睡眠多维度干预方法的步骤。例如，该计算机可读存储介质可以为包括程序指令的存储器，上述程序指令可由睡眠多维度干预系统的处理器执行以完成上述的睡眠多维度干预方法，并达到如上述方法一致的技术效果。
[0188]
综上所述，本发明实施例所提供的睡眠多维度干预方法及系统，具有以下有益效果：
[0189]
(1)基于世界上极具效力的心理治疗理论，首创睡眠认知行为治疗交互，包括睡眠认知扭曲识别交互、睡眠模拟器交互、正面解读交互、发现美好练习等，相比较现有的改善睡眠类app，本发明设计的范式更加系统化，更具有理论依据和科学性，兼顾趣味性，取材于现实场景，交互内容更全面，改善效果更加显著，针对性较强，能够切实有效地帮助用户改善不良情绪和不良睡眠信念和态度，实际改善用户的睡眠状况。
[0190]
(2)实现了失眠认知行为治疗的电子化交互：本发明是在经典cbti理论基础上，基于睡眠医学专家多年临床经验及研究成果，为医生提供一体化管理方案，给用户提供更符合现代人生活观念和节奏的失眠资料方法，通过医院全流程专业管理惠及广大失眠用户。相比较传统睡眠治疗方法，更具系统性和科学性，更容易让用户信服，从而提高其依从性，改善睡眠情况。
[0191]
(3)实现睡眠的多维度综合交互：本发明将电子化的失眠认知行为治疗与睡眠监测评估系统相结合，线上线下协同工作，针对用户的睡眠不良信念、不良睡眠行为习惯、因睡眠问题导致的不良情绪等方面进行认知、情绪和行为交互，从而改善用户的情绪，形成正确的睡眠信念和态度，鼓励用户从积极、正面的角度看到生活中的美好之处。相比较改善睡眠类app，增加了线下睡眠监测和评估系统，可从更多方面考察用户的睡眠情况及实际改善状况。
[0192]
(4)用户睡眠问题个性化治疗方案的推送，开发的范式会根据用户的练习情况及时调整交互难度和内容，算法可根据用户睡眠问题的具体症状及通过睡眠设备收集到的用
户睡眠及身体健康状况信息设计交互方案，同时在线下，医生也可以根据软件和睡眠设备反馈回来的数据进行用户用药和治疗方案的调整，以便为用户达到最好的治疗效果。相比较改善睡眠类app，具有更强的针对性和治疗性。
[0193]
(5)辅助认知障碍用户改善情绪和提升认知水平，通过睡眠认知行为交互，帮助用户提升情绪智力和改善认知情况。相比较改善睡眠类app，适用群体更具体化，更适合有认知障碍的老年人群体使用。
[0194]
(6)专门的个人睡眠日志和睡眠报告，软件内置了睡眠日志，用户可每天对睡眠情况进行填写和记录，并可看到睡眠设备反馈的个人睡眠情况数据，同时可看到自己在睡眠改善期间的精神压力报告，用户可在治疗一段时间后，通过精神压力报告，对比以前报告的数据，看到自己的情况是否有所改善。相比较改善睡眠类app，更有利于对用户进行积极的正反馈和正强化，让用户产生愉悦的心情，提升治疗疾病的信心和动力。
[0195]
(7)拓宽到实际生活中，本发明采取的交互任务均采用了大量的现实情境，设计了具有生活化特色和真实性的典型人物形象，让用户更有代入感和沉浸感，能够将在交互中学习到的知识应用到自己的实际生活中去，对失眠认知障碍的老年人群体具有现实指导意义。
[0196]
上面对本发明所提供的睡眠多维度干预方法及系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质内容的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。
技术特征：1.一种睡眠多维度干预方法，其特征在于包括如下步骤：获取用户的睡眠质量监测结果；针对所述睡眠质量监测结果建立决策树模型，获取所述用户对应各设定失眠类型的分类概率；根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，并推送给所述用户进行人机交互；获取所述用户的每日人机交互结果，并持续设定天数后，形成所述用户的睡眠反馈结果；根据所述睡眠反馈结果对所述决策树模型进行迭代，以重新获取所述用户对应各设定失眠类型的分类概率。2.如权利要求1所述的睡眠多维度干预方法，其特征在于，所述获取用户的睡眠质量监测结果，具体包括：基于睡眠量表和焦虑抑郁量表，获取用户的睡眠评估报告；基于外接的睡眠设备，监测所述用户的生理评估报告；根据所述睡眠评估报告和所述生理评估报告，获取所述用户的睡眠质量监测结果。3.如权利要求1所述的睡眠多维度干预方法，其特征在于，所述各设定失眠类型至少包括：原发性失眠、继发性失眠和情绪性失眠。4.如权利要求1所述的睡眠多维度干预方法，其特征在于，所述针对所述睡眠质量监测结果建立决策树模型，具体包括：采用多项逻辑回归进行分类，针对各设定失眠类型建立以下不同的决策树；采用多项逻辑回归进行分类，针对各设定失眠类型建立以下不同的决策树；采用多项逻辑回归进行分类，针对各设定失眠类型建立以下不同的决策树；其中，输入训练集t＝{(x1，y1)，(x2，y2)，
……
，(x
m
，y
m
)}，f(x)从1到m的叠加目标是通过经验风险极小化确定下一颗决策树的参数，通过拟合残差c
m
学习一颗回归树，得到第m棵回归树的叶节点区域r
m
，通过找到误差最小的回归树所对应的c
m
来更新得到的回归问题提升树f
m
(x)；f
1m
(x)、f
2m
(x)、f
3m
(x)代表对各种失眠类型分别所建立的决策树，r
1m
代表对第一种失眠类型的叶节点区域，c
1m
代表对第一种失眠类型的最小化拟合残差。5.如权利要求4所述的睡眠多维度干预方法，其特征在于，所述获取所述用户对应各设定失眠类型的分类概率，具体包括：基于所建立的各种决策树，将所述用户的睡眠质量监测结果输入以下公式，获取所述用户对应三种失眠类型的分类概率；
其中，i的取值为1～3；exp为指数函数；f
im
(x)代表对各设定失眠类型所建立的回归问题决策树。6.如权利要求1所述的睡眠多维度干预方法，其特征在于，根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，具体包括：根据所述用户对应各设定失眠类型的分类概率，从人机交互任务库中匹配各设定失眠类型的人机交互任务；根据所述用户对应各设定失眠类型的分类概率，计算对应各设定失眠类型的人机交互天数；根据所述各设定失眠类型的人机交互任务和所述各设定失眠类型的人机交互天数，获取所述用户的人机交互方案。7.如权利要求6所述的睡眠多维度干预方法，其特征在于，所述人机交互任务至少包括：任务类型、任务等级和任务数量。8.如权利要求6所述的睡眠多维度干预方法，其特征在于，所述人机交互任务库中至少包括：对应于所述原发性失眠的生理舒缓放松任务、正念觉知培养任务、想象放松冥想任务和积极爱意灌注任务；对应于所述继发性失眠的睡眠日记任务、睡眠科普视频任务以及睡眠计划任务；对应于所述情绪性失眠的回味美好记忆任务、展望美好计划任务、正面解读任务、认知扭曲识别任务和情景模拟任务。9.如权利要求6所述的睡眠多维度干预方法，其特征在于，所述设定天数为所述用户对应各设定失眠类型的人机交互天数总和的一半。10.一种睡眠多维度干预系统，其特征在于包括处理器和存储器，所述处理器读取所述存储器中的计算机程序，用于执行以下操作：获取用户的睡眠质量监测结果；针对所述睡眠质量监测结果建立决策树模型，获取所述用户对应各设定失眠类型的分类概率；根据所述用户对应各设定失眠类型的分类概率，获取所述用户的人机交互方案，并推送给所述用户进行人机交互；获取所述用户的每日人机交互结果，并持续设定天数后，形成所述用户的睡眠反馈结果；根据所述睡眠反馈结果对所述决策树模型进行迭代，以重新获取所述用户对应各设定失眠类型的分类概率。
技术总结本发明公开了一种睡眠多维度干预方法及系统。该方法包括如下步骤：获取用户的睡眠质量监测结果；针对睡眠质量监测结果建立决策树模型，获取用户对应各设定失眠类型的分类概率；根据用户对应各设定失眠类型的分类概率，获取用户的人机交互方案，并推送给用户进行人机交互；获取用户的每日人机交互结果，并持续设定天数后，形成用户的睡眠反馈结果；根据睡眠反馈结果对决策树模型进行迭代，以重新获取用户对应各设定失眠类型的分类概率。该方法能够从更多方面考察用户的睡眠情况及实际改善状况，并能够根据用户的练习情况及时调整交互难度和内容，具有更强的针对性和治疗性。具有更强的针对性和治疗性。具有更强的针对性和治疗性。
技术研发人员：李诗怡 常思佳 陈贡芳 王晓怡
受保护的技术使用者：浙江脑动极光医疗科技有限公司
技术研发日：2022.06.22
技术公布日：2022/11/1
