ESTIMATION OF SLEEP QUALITY PARAMETERS FROM WHOLE NIGHT AUDIO ANALYSIS

The present invention relates to a system and method for determining sleep quality parameters according to audio analyses, comprising: obtaining an audio recorded signal comprising sleep sounds of a subject; segmenting the signal into epochs; generating a feature vector for each epoch, wherein each of said feature vectors comprises one or more feature parameters that are associated with a particular characteristic of the signal and that are calculated according to the epoch signal or according to a signal generated from the epoch signal; inputting the generated feature vectors into a machine learning classifier and applying a preformed classifying model on the feature vectors that outputs a probabilities vector for each epoch, wherein each of the probabilities vectors comprises the probabilities of the epoch being each of the sleep quality parameters; inputting the probabilities vectors for each epoch into a machine learning time series model and applying a preformed sleep quality time series pattern function on said probabilities vectors that outputs an enhanced probabilities vector for each epoch; determining a final sleep quality parameter for each epoch by calculating the most probable sleep quality parameters sequence. La présente invention concerne un système et un procédé de détermination des paramètres de qualité du sommeil, selon des analyses audio, qui comprennent : l'obtention d'un signal audio enregistré comportant les sons du sommeil d'un sujet ; la segmentation du signal en périodes ; la génération d'un vecteur de caractéristique pour chaque période, chacun desdits vecteurs de caractéristique comportant un ou plusieurs paramètres de caractéristique qui sont associés à une caractéristique particulière du signal et qui sont calculés selon le signal de période ou selon un signal généré à partir du signal de période ; la saisie des vecteurs de caractéristique générés dans un classificateur à apprentissage machine et l'application d'un modèle de classification préformé sur les vecteurs de caractéristique qui fournit un vecteur de probabilité pour chaque période, chacun des vecteurs de probabilité comprenant les probabilités de la période qui sont chacune des paramètres de qualité du sommeil ; la saisie des vecteurs de probabilité pour chaque période dans un modèle à série de temps d'apprentissage machine et l'application d'une fonction de motif de série de temps de qualité de sommeil préformée sur lesdits vecteurs de probabilité qui sort un vecteu