本公开总体上涉及机器学习系统。更具体地，本公开涉及使用生理传感器检测和表征压力的系统和方法。
背景技术：
1、生理上，“压力”可被视为交感神经系统活动与副交感神经系统活动之间的平衡。交感系统使人活跃以面对有压力的情况，并且副交感系统帮助从唤醒(arousal)中恢复并维持身体的生理平衡。日常生活中的各种压力源可触发生理反应，这些生理反应可能对身心健康有害或者对提高注意力和生产力有用。然而，反复暴露于压力可能累积并与心血管疾病和原发性高血压相关。持续的压力暴露会对身心健康产生负面影响。
2、生理压力反应是多方面的，已知会影响呼吸频率、呼吸深度和呼吸对称性，并在增加核心温度的同时导致外周皮肤温度降低。也就是说，由于压力引起的生理唤醒影响心跳频率和血容量脉冲，并且改变呼吸模式和外周温度、以及几种其他身体反应。与压力分类(即，有害或有利)相结合的持续生理压力测量可用于开发更好的压力管理技术。
3、传统上，通过评估体液(诸如，唾液)中的皮质醇或经由用户的自我报告来检测压力。可选地，可使用用于压力监测和管理的可穿戴装置来捕捉信号(诸如，心电图(ecg)、呼吸和皮肤电导反应)。然而，压力对不同器官的影响不同，并且通常将多个装置置于身体的不同部位上以捕捉多模态压力反应。此外，这种类型的设置对于日常使用是昂贵并且不方便的。现有的压力检测模型不能对有益类型的压力和有害类型的压力进行区分，这是因为交感神经系统反应(诸如，心率、皮电反应(gsr))在两种情况下可能相似。此外，现有算法不能检测压力源类型—压力是认知的、是身体的还是社会的—因此无法相应地将压力缓解干预情境化。
技术实现思路
1、问题的解决方案
2、本公开涉及使用生理传感器检测和表征压力的系统和方法。本公开提供了使用在评估窗口期间使用至少一个可穿戴装置(诸如，耳机)收集的多模态生理压力反应数据的压力检测和表征。基于从多模态数据提取的生物标志物特征的变化，检测在评估窗口期间的压力事件的发生。生物标志物特征中的模式的多个模板包括与对压力的(一个或更多个)不健康反应相关联的模板的第一子集和与对压力的(一个或更多个)健康反应相关联的模板的第二子集。基于提取的生物标志物特征中的模式与多个模板之间的相似性来确定压力事件与健康反应或不健康反应的相应性。当压力事件被确定为与不健康反应相应时，提供压力管理推荐。
3、在实施例中，提供了一种用于通过电子装置管理用户的压力的方法、电子装置。所述方法可包括获得在评估窗口期间使用至少一个传感器收集的针对所述用户的传感器数据。所述方法可包括从所述传感器数据获得至少一个生物标志物特征。所述方法可包括基于获得的至少一个生物标志物特征的变化，检测到在评估窗口期间发生了压力事件。所述方法可包括获得生物标志物特征中的模式的多个模板，其中，所述多个模板的第一子集与对压力的不健康反应相关联，并且所述多个模板的第二子集与对压力的健康反应相关联。所述方法可包括基于所述至少一个生物标志物特征中的模式与所述多个模板之间的相似性来确定所述压力事件是与健康反应相应还是与不健康反应相应。所述方法可包括：响应于所述压力事件与不健康反应相应，提供压力管理推荐。
4、在实施例中，提供了一种用于管理用户压力的电子装置。所述电子装置可包括存储器和结合到存储器的至少一个处理器。所述至少一个处理器可被配置为获得在评估窗口期间使用至少一个传感器收集的针对用户的传感器数据。所述至少一个处理器可被配置为从所述传感器数据获得至少一个生物标志物特征。所述至少一个处理器可被配置为基于获得的至少一个生物标志物特征的变化，检测到在评估窗口期间发生了压力事件。所述至少一个处理器可被配置为获得生物标志物特征中的模式的多个模板，其中，所述多个模板的第一子集与对压力的不健康反应相关联，并且所述多个模板的第二子集与对压力的健康反应相关联。所述至少一个处理器可被配置为基于所述至少一个生物标志物特征中的模式与所述多个模板之间的相似性来确定所述压力事件是与健康反应相应还是与不健康反应相应。所述至少一个处理器可被配置为响应于所述压力事件与不健康反应相应，提供压力管理推荐。
5、在实施例中，一种非暂时性计算机可读介质包含指令，其中，所述指令在由电子装置的至少一个处理器执行时，促使所述电子装置执行操作。所述操作可包括获得在评估窗口期间使用至少一个传感器收集的针对用户的传感器数据。所述操作可包括从所述传感器数据获得至少一个生物标志物特征。所述操作可包括基于获得的所述至少一个生物标志物特征的变化，检测到在评估窗口期间发生了压力事件。所述操作可包括获得生物标志物特征中的模式的多个模板，其中，所述多个模板的第一子集与对压力的不健康反应相关联，并且所述多个模板的第二子集与对压力的健康反应相关联。所述操作可包括基于所述至少一个生物标志物特征中的模式与所述多个模板之间的相似性来确定所述压力事件是与健康反应相应还是与不健康反应相应。所述操作可包括响应于所述压力事件与不健康反应相应，提供压力管理推荐。
6、所述传感器数据可包括光电体积描记(ppg)数据、惯性测量单元(imu)数据、心电图数据或体温数据中的一个或更多个。
7、所述至少一个传感器可被包括在至少一个可穿戴装置中，所述至少一个可穿戴装置可以是耳机、手表或电话中的一个。
8、所述至少一个生物标志物特征可包括以下生物标志物特征中的一个或更多个：心率、时域心率变异性、频域心率变异性、非线性心率变异性、呼吸频率、吸气与呼气比、呼吸深度、心输出量、每搏输出量、脉搏传递时间或射血前期。
9、所述多个模板可与预期反应、缺乏恢复、缺乏适应或重复暴露中的一个或更多个相关联。
10、所述压力事件是健康反应还是不健康反应的确定可包括：针对所述多个模板中的每一个模板，确定所述至少一个生物标志物特征中的模式与各个模板之间的相似性得分，并且提供相似性得分和与所述至少一个生物标志物特征相关联的一个或更多个反应特征作为机器学习模型的输入，其中，所述机器学习模型被训练为基于概率分布来预测所述压力事件是健康反应还是不健康反应。
11、所述反应特征可包括从基线的变化水平、标高模式、恢复模式、标高持续时间或总压力事件持续时间中的一个或更多个。
12、在实施例中，一种方法包括获得多模态生理压力反应数据。所述方法可包括从所述多模态生理压力反应数据中检测明显压力唤醒。所述方法可包括确定针对检测到的明显压力唤醒的唤醒和恢复模式，其中，唤醒和恢复模式包括标高模式、恢复模式、唤醒持续时间和总反应周期持续时间。所述方法可包括将机器学习模型用于推断确定的唤醒和恢复模式是健康的或不健康的，并且将与确定的唤醒和恢复模式相关联的压力类型标记为身体类型、社会类型或认知类型之一，其中，所述机器学习模型被训练为基于选择的多模态生物标志物特征来表征压力。
13、根据以下附图、描述和权利要求，其他技术特征对于本领域技术人员而言可以是显而易见的。
1.一种用于通过电子装置(101)管理用户的压力的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述传感器数据包括光电体积描记ppg数据、惯性测量单元imu数据、心电图数据或体温数据中的一个或更多个。
3.根据权利要求1所述的方法，其中，所述至少一个传感器被包括在至少一个可穿戴装置中，其中，所述至少一个可穿戴装置是耳机、手表或电话中的一个。
4.根据权利要求1所述的方法，其中，所述至少一个生物标志物特征包括以下生物标志物特征中的一个或更多个：心率、时域心率变异性、频域心率变异性、非线性心率变异性、呼吸频率、吸气与呼气比、呼吸深度、心输出量、每搏输出量、脉搏传递时间或射血前期。
5.根据权利要求1所述的方法，其中，所述多个模板与预期反应、缺乏恢复、缺乏习惯或重复暴露中的一个或更多个相关联。
6.根据权利要求1所述的方法，其中，确定所述压力事件是健康反应还是不健康反应的步骤包括：
7.根据权利要求6所述的方法，其中，所述一个或更多个反应特征包括从基线的变化的水平、标高模式、恢复模式、标高持续时间或总压力事件持续时间中的一个或更多个。
8.一种用于管理用户的压力的电子装置(101)，所述电子装置包括：
9.根据权利要求8所述的电子装置，其中，所述传感器数据包括光电体积描记ppg数据、惯性测量单元imu数据、心电图数据或体温数据中的一个或更多个。
10.根据权利要求8所述的电子装置，其中，所述至少一个传感器被包括在至少一个可穿戴装置中，其中，所述至少一个可穿戴装置是耳机、手表或电话中的一个。
11.根据权利要求8所述的电子装置，其中，所述至少一个生物标志物特征包括以下生物标志物特征中的一个或更多个：心率、时域心率变异性、频域心率变异性、非线性心率变异性、呼吸频率、吸气与呼气比、呼吸深度、心输出量、每搏输出量、脉搏传递时间或射血前期。
12.根据权利要求8所述的电子装置，其中，所述多个模板与预期反应、缺乏恢复、缺乏习惯或重复暴露中的一个或更多个相关联。
13.根据权利要求8所述的电子装置，其中，为了确定所述压力事件是健康反应还是不健康反应，所述至少一个处理器被配置为：
14.根据权利要求13所述的电子装置，其中，所述一个或更多个反应特征包括从基线的变化的水平、标高模式、恢复模式、标高持续时间或总压力事件持续时间中的一个或更多个。
15.一种包含指令的非暂时性计算机可读介质，其中，所述指令在由电子装置(101)的至少一个处理器(120)执行时，促使所述电子装置执行根据权利要求1至7中的一项所述的方法的操作。
