睡眠过程

摘要： 正确的睡眠方法是先安定情绪,思无杂念,然后自然闭目入睡,即为“先卧心,后卧眼”。掌握正确的睡眠方法对提高睡眠质量十分重要,古人的经验值得认真汲取。该睡的时候要做到按时上床,安静入睡。研究发现,睡前3小时进行适当运动,有利于达到最佳的促眠效果,有效地提高睡眠质量。这是因为人的睡眠过程与体温的周期性变化有关,体温的峰值越高,睡眠质量越差。

摘要： 阻塞性睡眠呼吸暂停低通气综合征(OSAHS),是指7小时睡眠过程中呼吸暂停及低通气反复发作30次以上,每次呼吸暂停或低通气时间超过10秒,或呼吸暂停低通气指数(AHI)即平均每小时呼吸暂停与低通气的次数之和≥5次。OSAHS患者是一个不可忽视的高血压高发人群,按两者患病率推算,我国至少有3000万人的高血压可能与OSAHS有关。

摘要： 达芬奇睡眠法(Da Vinci sleep)是一种将人类习惯的单次睡眠过程分散成多个睡眠周期进行,以达成减少睡眠时间的睡眠方式,又称多阶段睡眠(Polyphasic sleep)、Uberman睡眠或多相睡眠。

摘要： 社会正在高速发展,人们的生活水平得到了其他的提升,很多疾病都会对人们的生命造成一定的影响,心脏病是人们很难预防的一种疾病,目前来说在社会上引起了高度的重视,本文通过对心率计进行设计,利用单片机等设备对于心率进行测量,从而能够对于心脏病人的相关情况有所了解.利用对于人体睡眠过程中产生的心电信号进行监测,从而有效地获知人体机能的情况,从而可以更好地预防与治疗疾病.

摘要： 高血压患者如果规律服用降压药后血压总降不下来,尤其是肥胖、打鼾的人,应当去做个睡眠呼吸监测,看是否存在睡眠呼吸暂停。睡眠呼吸暂停指的是每夜7小时睡眠过程中,呼吸暂停及通气不足反复发作30次以上,并伴有晨起头痛、嗜睡、注意力下降等日间症状。其主要危险因素包括：肥胖,体质指数（BMI）≥30;颈围≥40厘米,脖子短粗;面部有下颌后缩等畸形;男性或绝经后女性;有家族史、

摘要： 睡眠过程中,人体体温、血压、心率包括整个代谢,都是偏低的。突然被吵醒,身体一下进入应激状态,对心脑血管非常不好。睡到一半被吵醒临床上叫＂睡眠剥夺＂,这种情况不仅让人白天精神状态不好,长期如此,还会损害人的注意力、记忆力等大脑功能。吃藕让人气色好多吃藕对改善女性气色大有裨益。生藕能清热除烦,适合因血热导致长痘痘的患者。熟藕有养胃滋阴、健脾、益气养血的功效,适合因脾胃虚弱、

摘要： 人体在彻夜睡眠过程中，超过6～7小时后，睡眠会逐渐变浅。睡眠不足的人晚起几小时，有可能打乱生物钟。影响荷尔蒙分泌和自律神经平衡。若想多睡一会。应是早睡而不是晚起。经常睡眠不足的人。每天小憩20分钟即可放松大脑。

摘要： 阻塞性睡眠呼吸暂停低通气综合征（OSAHS）是阻塞性睡眠呼吸暂停综合征（OSAS）中的一类，是指患者在每夜7小时睡眠过程中，呼吸暂停及低通气反复发作30次以上，或睡眠呼吸暂停低通气指数（AHI）〉5次／小时；呼吸暂停事件以阻塞性为主，伴打鼾、睡眠呼吸暂停、白天嗜睡。

摘要： 直到最近，60多岁的李女士（化名）才知道，原来一直以来，自己错怪“更年期”了。大约十多年前，李女士出现睡眠问题，表现为入睡很慢，睡眠过程中还容易醒，有时候睡得好好的，突然一阵潮热，摸摸背上一身汗，然后要好一会儿才能继续入睡。这样的情况越来越频繁，睡眠质量也是越来越差。

摘要： 食物偏爱与人类的饮食行为密切相关,一些不良的饮食习惯,如偏爱高脂肪食物及挑食等行为常常导致肥胖的发生.已有研究表明,睡眠过程中的外界环境线索暴露可以消除人类的不良社会偏见及情绪反应.因此,探索睡眠过程中食物线索暴露对人类食物偏爱的影响,可以为临床干预不良饮食习惯提供全新思路.

摘要： 睡眠是生命科学领域中的新兴、交叉、边缘学科，它既可单独致病，也可共病。睡眠学科的发展是伴随着经济社会发展而逐步兴起的，睡眠障碍与疾病，更多的是与生活方式、行为方式、社会环境等有关。睡眠问题不仅是个体问题，更是群体和社会问题。睡眠与心脑血管等多种疾病相关，对人身安全有重要作用。因此，应注意睡眠过程中生命危象的应对，确定并关注高危人群，在睡眠专科医师指导下进行治疗。

摘要： 临床上一旦确诊为帕金森氏病(Parkinson's disease,PD)就应开始保护性治疗,以最大化保护和挽救易受损害的黑质神经元,减缓或阻止疾病进展.左旋多巴疗法在控制典型运动症状的同时,随着疾病的进展,会引发异常的非自主运动,即左旋多巴诱发的运动障碍(L-dopa-induced dyskinesia,LID).这种左旋多巴诱发的运动障碍与皮层可塑性的异常有关.经反复颅磁刺激的研究显示,LID患者的运动皮层可塑性出现异常.此外,生理性皮质上皮的可塑性在很大程度上取决于多巴胺(Dopamine,DA)系统的完整性,纹状体DA的去神经支配能产生可恢复性的生化和形态学改变.DA在睡眠过程中对于生理性的慢波活动(Slow wave activity,SWA)和皮质神经突触可塑性的稳态调节起着至关重要的作用.当前的研究结果支持临床前的发现，即在电生理、行为和生化水平上，脑电慢波活动与LID之间存在明确的关联。综上，如果进一步明确睡眠及其潜在机制在LID发生中起到的关键作用，特别是SWS的数量与LID发展之间的联系，并且明确这种关系的性质，监控这些睡眠参数，以期为探索增强脑电慢波活动，实现靶向治疗帕金森氏病的先驱疗法，推迟LID的出现。

摘要： 本文报道了一项正在进行的以中医基础理论指导解读睡眠过程生理参数的研究.以一种自然睡眠检测技术为平台,通过既往对2000余例受试者睡眠检测数据和临床资料的分析,提出睡眠周期反映经脉循行的假说,并初步探索夜间睡眠参数趋势中的气血阴阳信息.

摘要： 阻塞型睡眠呼吸暂停低通气综合征(obstructive sleep apnea-hypopnea syndrome，OSAHS)作为心脑血管疾病的独立危险因素逐渐受到人们的关注。但是，经典诊断方法多导睡眠仪(PSG)监测需要在实验室中全夜进行，费用高，院外等待时间长。所以寻找更加便捷的诊断方法势在必行。已经证实，OSAHS睡眠过程中反复发生低氧/复氧，其所致的氧化应激为OSAHS患者合并心血管损伤的重要病理生理机制，因此我们设想从氧化应激所引起的生化指标的变化来预测OSAHS的诊断具有一定的价值。硫氧还蛋白 (Thioredoxin，TRX)为机体抗氧化系统的重要组成，其能够清除活性氧的蛋白，起抗氧化应激的作用，因此可作为氧化应激的重要指标。

摘要： 目的:利用单导联心电图信号评价睡眠期间心肺耦合的新自动测定法.rn 方法:利用从SDB患者获得的数据训练本技术，因为这些受试者的稳定和不稳定NREM睡眠期特别明显。然后，利用从SDB患者获得的测试数据集评价心肺耦合测定法的准确度。rn 结果:所有患者均患有阻塞性呼吸障碍，其中大量周期性呼吸患者6例。没有任何患者患有显性或纯中枢性睡眠呼吸暂停。测试数据集也有35个多导睡眠图，并且提供了共计11，461分钟的数据，其中清醒时间占6.3％、REM占14.3％、CAP占36.8％、非CAP占42.5％。呼吸分期总结为AHI-4%时中值为22±7，AHI-O%时中值为36±16。最低睡眠血氧饱和度为81%±9%。所有患者均患有阻塞性呼吸障碍。标准数据集由15个多导睡眠图组成，提供了共计6474分钟的数据，其中清醒时间占10.5%、REM期占21%、第l阶段占10.2%、第2阶段占52.1%、第3阶段占4.1%、第4阶段占1.9%。呼吸分期总结为AHI-4%时中值为0，AHI-O%时中值为9±8。实际上，所有分期事件都是轻度流量限制型。最低睡眠血氧饱和度为94%±2％。rn 结论:本研究有5个关键发现：(1)ECG含有心肺交互作用“隐藏”信息。由基于EDR信号的心搏—心搏心率变异性和呼吸—呼吸动力学组成的傅里叶技术能够提取该信息，并生成心肺耦合频谱图。(2)应用这种新的频谱法可以揭示健康和患病受试者在睡眠期间低频与高频心肺耦合模式之间的突然转换。(3)这种双峰模式与成人的CAP／非CAP可视化确定之间具有一定的相关性。(4)健康受试者高频耦合占主导，而未治疗SDB的那些受试者低频耦合占主导。(5)睡眠稳定状态与常规划分的慢波睡眠或EEG ΔP无关，它提供了一种睡眠调节与生理学补充观点。

摘要： 目的:利用单导联心电图信号评价睡眠期间心肺耦合的新自动测定法.rn 方法:利用从SDB患者获得的数据训练本技术，因为这些受试者的稳定和不稳定NREM睡眠期特别明显。然后，利用从SDB患者获得的测试数据集评价心肺耦合测定法的准确度。rn 结果:所有患者均患有阻塞性呼吸障碍，其中大量周期性呼吸患者6例。没有任何患者患有显性或纯中枢性睡眠呼吸暂停。测试数据集也有35个多导睡眠图，并且提供了共计11，461分钟的数据，其中清醒时间占6.3％、REM占14.3％、CAP占36.8％、非CAP占42.5％。呼吸分期总结为AHI-4%时中值为22±7，AHI-O%时中值为36±16。最低睡眠血氧饱和度为81%±9%。所有患者均患有阻塞性呼吸障碍。标准数据集由15个多导睡眠图组成，提供了共计6474分钟的数据，其中清醒时间占10.5%、REM期占21%、第l阶段占10.2%、第2阶段占52.1%、第3阶段占4.1%、第4阶段占1.9%。呼吸分期总结为AHI-4%时中值为0，AHI-O%时中值为9±8。实际上，所有分期事件都是轻度流量限制型。最低睡眠血氧饱和度为94%±2％。rn 结论:本研究有5个关键发现：(1)ECG含有心肺交互作用“隐藏”信息。由基于EDR信号的心搏—心搏心率变异性和呼吸—呼吸动力学组成的傅里叶技术能够提取该信息，并生成心肺耦合频谱图。(2)应用这种新的频谱法可以揭示健康和患病受试者在睡眠期间低频与高频心肺耦合模式之间的突然转换。(3)这种双峰模式与成人的CAP／非CAP可视化确定之间具有一定的相关性。(4)健康受试者高频耦合占主导，而未治疗SDB的那些受试者低频耦合占主导。(5)睡眠稳定状态与常规划分的慢波睡眠或EEG ΔP无关，它提供了一种睡眠调节与生理学补充观点。

摘要： 目的:利用单导联心电图信号评价睡眠期间心肺耦合的新自动测定法.rn 方法:利用从SDB患者获得的数据训练本技术，因为这些受试者的稳定和不稳定NREM睡眠期特别明显。然后，利用从SDB患者获得的测试数据集评价心肺耦合测定法的准确度。rn 结果:所有患者均患有阻塞性呼吸障碍，其中大量周期性呼吸患者6例。没有任何患者患有显性或纯中枢性睡眠呼吸暂停。测试数据集也有35个多导睡眠图，并且提供了共计11，461分钟的数据，其中清醒时间占6.3％、REM占14.3％、CAP占36.8％、非CAP占42.5％。呼吸分期总结为AHI-4%时中值为22±7，AHI-O%时中值为36±16。最低睡眠血氧饱和度为81%±9%。所有患者均患有阻塞性呼吸障碍。标准数据集由15个多导睡眠图组成，提供了共计6474分钟的数据，其中清醒时间占10.5%、REM期占21%、第l阶段占10.2%、第2阶段占52.1%、第3阶段占4.1%、第4阶段占1.9%。呼吸分期总结为AHI-4%时中值为0，AHI-O%时中值为9±8。实际上，所有分期事件都是轻度流量限制型。最低睡眠血氧饱和度为94%±2％。rn 结论:本研究有5个关键发现：(1)ECG含有心肺交互作用“隐藏”信息。由基于EDR信号的心搏—心搏心率变异性和呼吸—呼吸动力学组成的傅里叶技术能够提取该信息，并生成心肺耦合频谱图。(2)应用这种新的频谱法可以揭示健康和患病受试者在睡眠期间低频与高频心肺耦合模式之间的突然转换。(3)这种双峰模式与成人的CAP／非CAP可视化确定之间具有一定的相关性。(4)健康受试者高频耦合占主导，而未治疗SDB的那些受试者低频耦合占主导。(5)睡眠稳定状态与常规划分的慢波睡眠或EEG ΔP无关，它提供了一种睡眠调节与生理学补充观点。

摘要： 目的:利用单导联心电图信号评价睡眠期间心肺耦合的新自动测定法.rn 方法:利用从SDB患者获得的数据训练本技术，因为这些受试者的稳定和不稳定NREM睡眠期特别明显。然后，利用从SDB患者获得的测试数据集评价心肺耦合测定法的准确度。rn 结果:所有患者均患有阻塞性呼吸障碍，其中大量周期性呼吸患者6例。没有任何患者患有显性或纯中枢性睡眠呼吸暂停。测试数据集也有35个多导睡眠图，并且提供了共计11，461分钟的数据，其中清醒时间占6.3％、REM占14.3％、CAP占36.8％、非CAP占42.5％。呼吸分期总结为AHI-4%时中值为22±7，AHI-O%时中值为36±16。最低睡眠血氧饱和度为81%±9%。所有患者均患有阻塞性呼吸障碍。标准数据集由15个多导睡眠图组成，提供了共计6474分钟的数据，其中清醒时间占10.5%、REM期占21%、第l阶段占10.2%、第2阶段占52.1%、第3阶段占4.1%、第4阶段占1.9%。呼吸分期总结为AHI-4%时中值为0，AHI-O%时中值为9±8。实际上，所有分期事件都是轻度流量限制型。最低睡眠血氧饱和度为94%±2％。rn 结论:本研究有5个关键发现：(1)ECG含有心肺交互作用“隐藏”信息。由基于EDR信号的心搏—心搏心率变异性和呼吸—呼吸动力学组成的傅里叶技术能够提取该信息，并生成心肺耦合频谱图。(2)应用这种新的频谱法可以揭示健康和患病受试者在睡眠期间低频与高频心肺耦合模式之间的突然转换。(3)这种双峰模式与成人的CAP／非CAP可视化确定之间具有一定的相关性。(4)健康受试者高频耦合占主导，而未治疗SDB的那些受试者低频耦合占主导。(5)睡眠稳定状态与常规划分的慢波睡眠或EEG ΔP无关，它提供了一种睡眠调节与生理学补充观点。

摘要： 一种用于治疗睡眠呼吸暂停的系统的实施方案包括套环、泵、马达、传感器、存储器机构和控制器。套环被配置成在受试者睡觉时通过向受试者的喉部施加具有幅值的负压而保持受试者的气道打开，并且泵被配置成产生所述负压。马达被配置成驱动所述泵，并且传感器被配置成产生与所述气道打开的程度相关的感测信号。并且控制器被配置成响应于所述感测信号改变所述负压的幅值。此外，控制器可以获得并在存储器中存储与睡眠呼吸暂停系统的使用和设置相关的信息，并且控制器或另一计算系统可以将该信息与受试者的健康相关联，并且可以建议改变对睡眠呼吸暂停系统的可以改善受试者的健康的使用或设置。

摘要： 一种系统被配置为在睡眠过程期间在不监测大脑活动的情况下确定睡眠需要消耗。所述系统包括：感官刺激器，其被配置为提供重复视觉刺激(RVS)；传感器，其被配置为生成传达与大脑活动有关的信息的输出信号；以及一个或多个硬件处理器，其被配置为：在所述睡眠过程之前，使所述一个或多个感官刺激器提供第一RVS，并且基于在所述第一RVS期间的所述输出信号来确定第一稳态视觉诱发电位(SSVEP)响应；并且在所述睡眠过程之后，使所述一个或多个感官刺激器提供第二RVS，基于在所述第二RVS期间的所述输出信号来确定第二SSVEP响应；将所述第二SSVEP响应与所述第一SSVEP响应进行比较，并且基于所述比较来确定针对所述睡眠过程的所述睡眠需要消耗。

摘要： 一种系统被配置为在睡眠过程期间在不监测大脑活动的情况下确定睡眠需要消耗。所述系统包括：感官刺激器，其被配置为提供重复视觉刺激(RVS)；传感器，其被配置为生成传达与大脑活动有关的信息的输出信号；以及一个或多个硬件处理器，其被配置为：在所述睡眠过程之前，使所述一个或多个感官刺激器提供第一RVS，并且基于在所述第一RVS期间的所述输出信号来确定第一稳态视觉诱发电位(SSVEP)响应；并且在所述睡眠过程之后，使所述一个或多个感官刺激器提供第二RVS，基于在所述第二RVS期间的所述输出信号来确定第二SSVEP响应；将所述第二SSVEP响应与所述第一SSVEP响应进行比较，并且基于所述比较来确定针对所述睡眠过程的所述睡眠需要消耗。

摘要： 本发明涉及一种基于线性相关系数去干扰的睡眠过程的代谢率检测方法，包括每间隔第一预设时间测量一次床的重量，根据测量值识别出稳态，并根据各稳态的线性回归分析的相关系数筛选出有效睡眠稳态；计算各有效睡眠稳态期间的体重减少值之和作为睡眠期间的体重绝对减少值；使用睡眠期间的体重绝对减少值计算睡眠代谢率。本发明中，通过测量人在床上睡眠这段时间体重的绝对减少量，以睡眠过程中的体重减少来计算代谢量，由于体重的测量比热量的测量更直接，因此能够更加真实地反映人的代谢情况；采用计算各稳态持续期间的体重减少值的方法，能够排除睡眠过程中影响体重的各项干扰因素，通过计算线性回归分析的相关系数，能够去除含有干扰的稳态。

摘要： 本发明涉及一种睡眠过程的代谢率的计算方法，包括每间隔第一预设时间测量一次床的重量，根据测量值识别出稳态，并根据稳态识别出睡眠的开始时刻和结束时刻，以及识别出异常事件和计算出异常事件期间产生的体重差值；根据睡眠开始时刻和睡眠结束时刻压力传感器的测量值，以及所述异常事件产生的体重差值得到睡眠期间体重绝对减少值；使用睡眠期间体重绝对减少的值计算睡眠代谢率。本发明中，通过测量人在床上睡眠这段时间体重的绝对减少量，以睡眠过程中的体重减少来计算代谢量，由于体重的测量比热量的测量更直接，因此能够更加真实地反映人的代谢情况；通过引入异常事件，能够排除睡眠过程中影响体重的各项干扰因素，体重测量更加准确。

摘要： 本发明涉及一种基于斜率去干扰的睡眠过程的代谢率的计算方法，包括每间隔第一预设时间测量一次床的重量，根据测量值识别出稳态，并根据睡眠期间各稳态的斜率及持续时间筛选出有效睡眠稳态；计算各有效睡眠稳态期间的体重减少值之和作为睡眠期间的体重绝对减少值；使用睡眠期间的体重绝对减少值计算睡眠代谢率。本发明中，通过测量人在床上睡眠这段时间体重的绝对减少量，以睡眠过程中的体重减少来计算代谢量，由于体重的测量比热量的测量更直接，因此能够更加真实地反映人的代谢情况；采用计算各稳态持续期间的体重减少值的方法，能够排除睡眠过程中影响体重的各项干扰因素，通过设置斜率阈值去除斜率偏离较大的稳态，能够去除含有干扰的稳态。

摘要： 本发明实施例涉及一种在睡眠过程中调节采暖温度的方法、装置、设备、及介质，具体涉及智能家电/智慧家电技术领域，方法包括：确定用户睡眠时的最佳室内温度曲线；根据用户家庭的历史采暖数据获取用户家庭的室内温度与采暖温度的对应关系；在用户的预定睡眠时段内，周期性地根据所述最佳室内温度曲线、以及所述室内温度与采暖温度的对应关系，确定所述采暖设备的采暖温度调节值；根据所述采暖温度调节值进行温度调节，能够改善用户的睡眠质量。

摘要： 本发明涉及智能监控技术领域，且公开了儿童睡眠过程踢被状态监测报警系统，包括位移监测模块，所述位移监测模块包括供电电路、MCU、位移检测模块、温度检测模块和无线通信模块；所述供电电路为MCU、位移检测模块、温度检测模块、无线通信模块提供工作用电；所述位移检测模块的输出端与MCU的输入端信号连接，所述温度检测模块的输出端与MCU的输入端信号连接。该儿童睡眠过程踢被状态监测报警系统，使用大小可调的儿童摇篮曲做警报音，避免了儿童在睡眠中被尖锐的警报声音吵醒，比传统的蜂鸣器更加灵活，通过温度检测模块和位移检测模块实时监控儿童睡觉时的状态，并用软件系统APP控制，操作简便，在屏幕上方便观测儿童睡觉状态。

摘要： 本发明公开一种睡眠过程中健康指标的监测方法，采用心率波形间隔统计算法计算心率，心率波形间隔统计算法包括以下：步骤1、采用预定采样频率对原始BCG波形进行采样，获得原始BCG采样波形；步骤2、对原始BCG采样波形进行第一低通滤波，得到波形A，将原始BCG采样波形进行平滑滤波，得到波形B；步骤2、用波形A减去波形B，得到心跳信号波形C；步骤3、查找波形C中的所有波峰和波谷；步骤4、统计波形C中在预设时间内的所有波峰与波峰之间的采样点数，统计预设时间内的所有波谷与波谷之间的采样点数；等步骤。采用统计波峰波谷的距离，计算出心跳间隔，其中的无规律体动信号会被直接忽略，而有规律的峰值，会被查找到，从而计算出心率。

摘要： 本申请涉及一种睡眠过程中的干预设备的控制方法和智能家居系统。所述方法包括：获取目标用户的干预目标；根据所述干预目标和所述目标用户的个人信息，生成与所述目标用户匹配的干预控制信息；其中，所述个人信息包括用户标识，以及用户标识对应的年龄、身体状况、所属人群类型、干预偏好信息和目标生理参数中的至少一个；根据所述干预控制信息，控制干预设备执行干预操作。采用本方法能够使得操作方便。