CN114787933A - 用于可听睡眠治疗的系统和方法 - Google Patents

用于可听睡眠治疗的系统和方法 Download PDF

Info

Publication number
CN114787933A
CN114787933A CN202080086145.1A CN202080086145A CN114787933A CN 114787933 A CN114787933 A CN 114787933A CN 202080086145 A CN202080086145 A CN 202080086145A CN 114787933 A CN114787933 A CN 114787933A
Authority
CN
China
Prior art keywords
user
audio
predicted
audio stimulus
stimulus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080086145.1A
Other languages
English (en)
Inventor
E·布雷施
U·格罗斯卡索费
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN114787933A publication Critical patent/CN114787933A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/08—Other bio-electrical signals
    • A61M2230/10—Electroencephalographic signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Anesthesiology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Data Mining & Analysis (AREA)
  • Psychology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Acoustics & Sound (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Pain & Pain Management (AREA)
  • Computational Linguistics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种用于向睡眠用户提供音频刺激的系统。该系统包括适于从睡眠用户获取用户睡眠数据的用户传感器和适于基于用户睡眠数据确定睡眠用户的睡眠阶段的处理器。处理器还适于确定音频刺激对睡眠用户的睡眠阶段的预测影响，并基于音频刺激的预测影响生成控制信号。该系统还包括音频输出设备，其适于接收控制信号并基于控制信号产生音频刺激。

Description

用于可听睡眠治疗的系统和方法
技术领域
本发明涉及可听睡眠治疗领域，更具体地涉及可听睡眠治疗的预测调整领域。
发明背景
具有音频刺激的睡眠治疗需要随时间预测的实时睡眠阶段，以便做出关于音频刺激的决定以提供给睡眠用户。音频刺激本身可以以负或正的方式改变用户的睡眠阶段。
听觉睡眠治疗旨在例如通过借助于实时听觉刺激增加耗用在深度睡眠中的时间来改善人的睡眠模式。音频刺激必须在正确的时间提供给用户，例如当人处于深度睡眠时。否则，由于干扰了用户的睡眠，听觉刺激的效果是破坏性的，而不是有益的。
刺激逻辑的当前实现方式在给定当前或预期的未来睡眠阶段的情况下基于人工设计的固定规则来触发听觉刺激。然而，当前的基于音频刺激的睡眠治疗系统没有考虑音频刺激对用户的当前睡眠阶段的潜在影响。
因此，需要一种具有改进的音频刺激选择的睡眠治疗系统。
发明内容
本发明由权利要求限定。
根据本发明的一个方面的示例，提供了一种用于向睡眠用户提供音频刺激的系统，该系统包括：
用户传感器，其适于从所述睡眠用户获取用户睡眠数据；
处理器，该处理器被适配成用于：
基于所述用户睡眠数据确定所述睡眠用户的睡眠阶段；
确定音频刺激对所述睡眠用户的睡眠阶段的预测影响；以及
基于所述音频刺激的所述预测影响生成控制信号；以及
音频输出设备，适于接收所述控制信号并基于所述控制信号生成音频刺激。
该系统还适于通过用户传感器监视对所生成的音频刺激的真实用户响应，并且其中确定音频刺激对睡眠阶段的预测影响还基于真实用户响应。
该系统提供了一种在向用户提供音频刺激之前预测音频刺激的效果的装置，例如作为听觉睡眠治疗系统的一部分。
这样，可以避免在次优时间或睡眠状态向用户提供音频刺激的负面影响。
在一个实施例中，确定音频刺激对睡眠阶段的预测影响包括：
向仿真提供所述用户睡眠数据和激活的音频刺激，以仿真对被提供所述音频刺激的第一预测用户响应；
向所述仿真提供所述用户睡眠数据和去激活的音频刺激，以仿真未被提供所述音频刺激的第二预测用户响应；
比较第一预测用户响应和第二预测用户响应；以及
基于所述比较来确定所述音频刺激的预测影响。
以这种方式，系统可以适于决定是优选地向用户提供音频刺激还是不向用户提供音频刺激。
在一个实施例中，音频刺激包括多个音频信号，并且其中确定音频刺激对睡眠阶段的预测影响包括：
对于所述多个音频信号中的每一个，仿真对被提供所述音频信号的预测用户响应，从而仿真多个预测用户响应；
仿真未被提供音频刺激的附加用户响应；
将所述多个预测用户响应中的每个预测用户响应与其它预测用户响应和所述附加用户响应进行比较；以及
基于所述比较来确定所述音频刺激的预测影响。
这样，系统可以适于比较多个不同类型的音频刺激，以便识别要提供给用户的最有效的刺激。
在一个实施例中，使用神经网络来执行确定音频刺激对睡眠阶段的预测影响。
这样，可以使用给定的用户数据集来训练系统以基于个别用户生成音频刺激。
这样，系统可以适于基于提供给用户的音频刺激的测量效果来生成音频刺激。
在一个实施例中，生成控制信号包括：
基于所述音频刺激的预测影响来确定对所述音频刺激的参数的调整；以及
提供所述调整作为所述控制信号的一部分。
在一个实施例中，音频刺激的参数包括以下中的一个或多个：
音量；
频率；
音色；以及
持续时间。
在一个实施例中，用户传感器包括EEG监测器，并且用户睡眠数据包括EEG数据。
根据本发明的一个方面的示例，提供了一种用于向睡眠用户提供音频刺激的方法，该方法包括：
获得与睡眠用户相关的用户睡眠数据；
基于所述用户睡眠数据确定所述睡眠用户的睡眠阶段；
确定音频刺激对所述睡眠用户的睡眠阶段的预测影响；以及
基于音频刺激的预测影响生成音频刺激；
监测对所生成的音频刺激的真实用户响应，并且其中确定音频刺激对睡眠阶段的预测影响进一步基于真实用户响应。
在一个实施例中，确定音频刺激对睡眠阶段的预测影响包括：
向仿真提供所述用户睡眠数据和激活的音频刺激，以仿真对被提供所述音频刺激的第一预测用户响应；
向所述仿真提供所述用户睡眠数据和去激活的音频刺激，以仿真未被提供所述音频刺激的第二预测用户响应；
比较第一预测用户响应和第二预测用户响应；以及
基于所述比较来确定所述音频刺激的预测影响。
在一个实施例中，音频刺激包括多个音频信号，并且其中确定音频刺激对睡眠阶段的预测影响包括：
对于所述多个音频信号中的每一个，仿真对被提供所述音频信号的预测用户响应，从而仿真多个预测用户响应；
仿真对未被提供音频刺激的附加用户响应；
将所述多个预测用户响应中的每个预测用户响应与其它预测用户响应和所述附加用户响应进行比较；以及
基于所述比较来确定所述音频刺激的预测影响。
在一个实施例中，使用神经网络来执行确定音频刺激对睡眠阶段的预测影响。
在一个实施例中，生成音频刺激包括：
基于所述音频刺激的预测影响来确定对所述音频刺激的参数的调整；以及
基于所确定的调整来生成经调整的音频刺激。
根据依照本发明一方面的示例，提供了一种包括计算机程序代码装置的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码装置适于实现上述方法。
参考下面描述的实施例，本发明的这些和其它方面将变得显而易见并且得以阐明。
附图说明
为了更好地理解本发明，并且为了更清楚地示出如何实现本发明，现在将仅通过示例的方式参考附图，其中：
图1是用于向睡眠用户提供音频刺激的系统的示意表示；
图2示出了用于向睡眠用户提供音频刺激的方法；以及
图3示出了用于确定音频刺激对睡眠用户的睡眠状态的预测影响的方法。
具体实施方式
将参照附图描述本发明。
应当理解，具体实施方式和特定示例虽然指示了装置、系统和方法的示例性实施例，但是仅用于说明的目的，而不旨在限制本发明的范围。本发明的装置、系统和方法的这些和其它特征、方面和优点将从以下描述、所附权利要求和附图中变得更好理解。应当理解，附图仅仅是示意性的并且没有按比例绘制。还应当理解，在所有附图中使用相同的附图标记来表示相同或相似的部件。
本发明提供了一种用于向睡眠用户提供音频刺激的系统。该系统包括适于从睡眠用户获取用户睡眠数据的用户传感器和适于基于用户睡眠数据确定睡眠用户的睡眠阶段的处理器。处理器还适于确定音频刺激对睡眠用户的睡眠阶段的预测影响，并基于音频刺激的预测影响生成控制信号。该系统还包括音频输出设备，其适于接收控制信号并基于控制信号产生音频刺激。
图1示出了用于向睡眠用户130提供音频刺激120的系统110的示意性表示100。
系统110包括适于从睡眠用户130获取用户睡眠数据的用户传感器140。用户传感器140可以是能够从睡眠用户获得数据的任何传感器。例如，用户传感器140可以包括EEG监测器，意味着用户睡眠数据将包括EEG数据。此外，用户传感器可以包括以下中的一个或多个：ECG传感器；EMG传感器；加速度计；温度计；照相机；麦克风；等等。
此外，系统110包括适于基于用户睡眠数据确定睡眠用户的睡眠阶段的处理器150。例如，用户数据可以指示睡眠用户处于深度睡眠的给定阶段，诸如阶段N2或阶段N3，其可以由处理器从用户数据中识别。
处理器150还适于确定音频刺激120对睡眠用户130的睡眠阶段的预测影响。换言之，处理器可以确定音频刺激是否将导致对睡眠用户的睡眠阶段的正面影响或对睡眠用户的睡眠阶段的负面影响。例如，如果睡眠用户处于深度睡眠的N2阶段，则处理器可确定音频刺激可使睡眠用户脱离深度睡眠，这在系统试图促进深度睡眠时将是负面影响。可替换地，如果用户处于深度睡眠的N3阶段，则处理器可以确定音频刺激将导致睡眠用户将深度睡眠的N3阶段维持延长的时间段，如果系统被实现为促进用户的深度睡眠的延长的时间段，则这可以被认为是积极的影响。
下面参考图3a和图3b进一步讨论用于确定音频刺激对睡眠用户的睡眠阶段的预测影响的各种方法。
系统110还包括音频输出设备160，并且处理器150适于基于音频刺激的预测影响生成要提供给音频输出设备的控制信号，其中音频输出设备适于基于控制信号生成音频刺激。
生成控制信号可以包括基于音频刺激的预测影响来确定对音频刺激的参数的调整，并且提供该调整作为控制信号的一部分。用于调整的参数可以包括以下中的一个或多个：音量；频率；音色；以及持续时间。
例如，在所讨论的参数是音频刺激的音量参数的情况下，在这种情况下，可以在仿真中测试不同音量的效果以不唤醒用户。在另一示例中，在参数是音频刺激的频率的情况下，可以测试刺激音调频率对睡眠阶段的影响。此外，可以仿真不同参数的任何组合以确定音频刺激对用户睡眠阶段的预测影响。
系统100还可以适于通过用户传感器140监视睡眠用户对所生成的音频刺激120的响应。换句话说，当向睡眠用户130提供音频刺激时，可以处理用户数据以确定音频刺激对用户睡眠阶段的真实影响。然后可以将真实的影响与预测影响进行比较，并且可以将比较的结果用于将来预测音频刺激对睡眠用户的影响。
图2示出了用于向睡眠用户提供音频刺激的方法200。
方法200开始于步骤210，获取与睡眠用户相关的用户睡眠数据。如上所述，用户睡眠数据可以包括与睡眠用户有关的任何数据类型。
在步骤220中，基于用户睡眠数据确定睡眠用户的睡眠阶段。下面参考图3a和图3b进一步详细描述确定睡眠用户的睡眠阶段的步骤。
在步骤230中，确定音频刺激对睡眠用户的睡眠阶段的预测影响。
在步骤240中，基于音频刺激的预测影响生成音频刺激。
图3示出了用于确定音频刺激的音频刺激对用户的睡眠状态的影响的方法300。
用户睡眠数据310和激活的音频刺激320被提供给仿真，用于仿真对被提供音频刺激的第一预测用户响应330。
此外，用户睡眠数据310和去激活的音频刺激340被提供给仿真，以仿真未被提供音频刺激的第二预测用户响应350。
然后在步骤360中比较第一预测用户响应和第二预测用户响应，并且在步骤370中基于比较结果确定音频刺激的预测影响。
可以使用机器学习算法或神经网络来执行确定音频刺激对睡眠用户的预测影响的步骤。
机器学习算法是处理输入数据以便产生或预测输出数据的任何自训练算法。这里，输入数据包括用户睡眠数据和包括一个或多个参数的音频刺激，并且输出数据包括音频刺激对用户睡眠状态的预测影响。
在本发明中采用的合适的机器学习算法对于本领域技术人员来说是显而易见的。合适的机器学习算法的示例包括决策树算法和人工神经网络。诸如逻辑回归、支持向量机或朴素贝叶斯模型的其它机器学习算法是合适的替换。
人工神经网络(或简单地，神经网络)的结构受到人脑的启发。神经网络包括多个层，每个层包括多个神经元。每个神经元包括数学运算。特别地，每个神经元可以包括单一类型的变换的不同加权组合(例如，相同类型的变换、Sigmoid等，但具有不同的加权)。在处理输入数据的过程中，对输入数据执行每个神经元的数学运算以产生数字输出，并且将神经网络中的每层的输出顺序地馈送到下一层。最后一层提供输出。
训练机器学习算法的方法是公知的。通常，这样的方法包括获得训练数据集，该训练数据集包括训练输入数据条目和对应的训练输出数据条目。将初始化的机器学习算法应用于每个输入数据条目以生成预测的输出数据条目。预测输出数据条目和对应的训练输出数据条目之间的误差用于修改机器学习算法。可以重复该过程直到误差收敛，并且预测输出数据条目与训练输出数据条目足够相似(例如±1％)。这通常被称为监督学习技术。
例如，在机器学习算法由神经网络形成的情况下，可以修改每个神经元的数学运算(的权重)直到误差收敛。修改神经网络的已知方法包括梯度下降、反向传播算法等。
训练输入数据条目对应于示例用户睡眠数据和音频刺激。训练输出数据条目对应于音频刺激对用户睡眠状态的预测影响。例如，训练输入数据可以包括以下中的一个或多个：来自其他用户的历史ECG数据和刺激数据；当前用户的历史ECG数据和刺激数据；以及来自当前用户的当前ECG数据和刺激数据。
换句话说，提供了一种预测实时深度神经网络睡眠创建器(stager)，其能够预测听觉刺激对睡眠用户的睡眠状态的影响。在本文的描述中，这样的网络可以被称为刺激效果预测器网络(SEPN)。
SEPN具有传统的深度神经网络睡眠创建器所不考虑的附加输入，这些输入被馈送以假设的和/或实际的刺激决定。SEPN可以在两种不同的模式下操作，这两种不同的模式是探索性/测试预测模式(如上关于图3所详述的)和正常预测模式。
在正常预测模式中，ECG信号的当前窗口以及所选择的音频刺激设置首先被施加到网络的输入。根据网络的架构(卷积、密集、循环等)，执行内部数学计算，这导致网络输出的更新。传统上，输出包括具有连续值的“one-hot”编码矢量，该编码矢量具有与睡眠阶段一样多的元素。向量中每个条目的强度可以对应于用户处于对应睡眠阶段的概率的度量。
这两种操作模式可以以交替的方式用于每个睡眠时期。
以上参考图3描述了探索模式。在此，SEPN运行两次(从同一内部状态开始，在具有循环网络的SEPN实现方式的情况下，其总结了考虑到实际执行的刺激动作的睡眠阶段的历史)：音频刺激输入“关闭”一次，音频刺激输入“打开”一次。应当注意，如果存在更多的刺激参数选择，则可以针对每个参数选择来运行所描述的仿真，以提供音频刺激的预测影响的完整景观。
例如，在音频刺激包括多个音频信号的情况下，确定音频刺激对睡眠用户的睡眠阶段的预测影响可以包括：对于多个音频信号中的每一个，仿真对被提供音频信号的预测用户响应，从而仿真多个预测用户响应。然后，可以将多个预测用户响应中的每个预测用户响应与其它预测用户响应以及对没有音频刺激的附加用户响应进行比较。然后可以基于该比较来确定音频刺激的预测影响。
SEPN的判定逻辑通过在实际执行或不执行音频刺激之前考虑预测睡眠阶段来确定可能的音频刺激的预测影响，所述预测睡眠阶段可以是来自用户数据的硬或软信息的形式。例如，逻辑可以选择导致最高N3软分数的刺激动作。
当已经为睡眠用户选择了音频刺激时，SEPN可以用相同的用户睡眠数据集(例如相同的EEG时期)和所选择的音频刺激再次运行。这是递归网络的情况，其跟踪“状态信息”存储器，该“状态信息”存储器是用户过去睡眠状态的抽象概要。这种循环网络的状态存储器需要在每次运行网络时更新，以预测音频刺激对睡眠用户的睡眠状态的影响。
换句话说，SEPN可以首先用于仿真所有音频刺激选择的效果，随后，选择最有利的音频刺激。然后，例如，如果SEPN网络是循环网络，则最后利用所选择的刺激选择来执行音频激励，以更新内部状态。
可以从包括所有可能的音频刺激参数选择和设置的示例数据构建SEPN。这需要具有相应的音频刺激信息和注释的睡眠阶段的足够量的用户睡眠数据，例如EEG记录。睡眠阶段可以从详细检查记录的用户数据并确定用户数据窗口的睡眠阶段的睡眠专家获得。睡眠阶段通常被分配给长度为6秒或30秒的用户数据的短窗口。然而，窗口可以是任何大小，或者用户数据可以被连续地注释。
通过研究附图、公开内容和所附权利要求，本领域技术人员在实践所要求保护的本发明时可以理解和实现所公开实施例的变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。
单个处理器或其它单元可以实现权利要求中所述的若干项的功能。
在相互不同的从属权利要求中叙述某些措施的仅有事实并不表示不能有利地使用这些措施的组合。
计算机程序可以存储/分布在适当的介质上，例如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质，但是也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统。
如果在权利要求或说明书中使用术语“适于”，则应注意，术语“适于”旨在等同于术语“被配置成”。
权利要求中的任何附图标记不应解释为限制范围。

Claims (13)

1.一种用于向睡眠用户(130)提供音频刺激(120)的系统(110)，所述系统包括：
用户传感器(140)，其适于从所述睡眠用户获取用户睡眠数据；
处理器(150)，其适于：
基于所述用户睡眠数据确定所述睡眠用户的睡眠阶段；
确定音频刺激对所述睡眠用户的所述睡眠阶段的预测影响；以及
基于所述音频刺激的所述预测影响生成控制信号；以及
音频输出设备(160)，其适于接收所述控制信号并基于所述控制信号生成音频刺激；
其中所述系统还适于通过所述用户传感器监测对所生成的音频刺激的真实用户响应，并且其中确定所述音频刺激对所述睡眠阶段的所述预测影响还基于所述真实用户响应。
2.根据权利要求1所述的系统(110)，其中确定所述音频刺激对所述睡眠阶段的所述预测影响包括：
向仿真提供所述用户睡眠数据和激活的音频刺激，以仿真对被提供所述音频刺激的第一预测用户响应；
向所述仿真提供所述用户睡眠数据和去激活的音频刺激，以仿真对未被提供所述音频刺激的第二预测用户响应；
比较所述第一预测用户响应和所述第二预测用户响应；以及
基于所述比较来确定所述音频刺激的所述预测影响。
3.根据权利要求1所述的系统(110)，其中所述音频刺激包括多个音频信号，并且其中确定所述音频刺激对所述睡眠阶段的所述预测影响包括：
对于所述多个音频信号中的每一个，仿真对被提供所述音频信号的预测用户响应，从而仿真多个预测用户响应；
仿真对未被提供所述音频刺激的附加用户响应；
将所述多个预测用户响应中的每个预测用户响应与其它预测用户响应和所述附加用户响应进行比较；以及
基于所述比较来确定所述音频刺激的所述预测影响。
4.根据权利要求1至3中任一项所述的系统(110)，其中使用神经网络来执行确定所述音频刺激对所述睡眠阶段的所述预测影响。
5.根据权利要求1至4中任一项所述的系统(110)，其中生成所述控制信号包括：
基于所述音频刺激的所述预测影响来确定对所述音频刺激的参数的调整；以及
提供所述调整作为所述控制信号的一部分。
6.根据权利要求5所述的系统(110)，其中所述音频刺激的所述参数包括以下中的一者或多者：
音量；
频率；
音色；以及
持续时间。
7.根据权利要求1至6中任一项所述的系统(110)，其中所述用户传感器包括EEG监测器，并且所述用户睡眠数据包括EEG数据。
8.一种用于向睡眠用户提供音频刺激的方法(200)，所述方法包括：
获得(210)与睡眠用户相关的用户睡眠数据；
基于所述用户睡眠数据确定(220)所述睡眠用户的睡眠阶段；
确定(230)音频刺激对所述睡眠用户的所述睡眠阶段的预测影响；以及
基于所述音频刺激的所述预测影响来生成(240)音频刺激；
监测对所生成的所述音频刺激的真实用户响应，并且其中确定所述音频刺激对所述睡眠阶段的所述预测影响还基于所述真实用户响应。
9.根据权利要求8所述的方法(200)，其中确定所述音频刺激对所述睡眠阶段的所述预测影响包括：
向仿真提供所述用户睡眠数据和激活的音频刺激，以仿真(330)对被提供所述音频刺激的第一预测用户响应；
向所述仿真提供所述用户睡眠数据和去激活的音频刺激，以仿真(340)对未被提供所述音频刺激的第二预测用户响应；
比较(360)所述第一预测用户响应和所述第二预测用户响应；以及
基于所述比较来确定(370)所述音频刺激的所述预测影响。
10.根据权利要求8所述的方法(200)，其中所述音频刺激包括多个音频信号，并且其中确定所述音频刺激对所述睡眠阶段的所述预测影响包括：
对于所述多个音频信号中的每一个音频信号，仿真对被提供所述音频信号的预测用户响应，从而仿真多个预测用户响应；
仿真对未被提供所述音频刺激的附加用户响应；
将所述多个预测用户响应中的每个预测用户响应与其它预测用户响应和所述附加用户响应进行比较；以及
基于所述比较来确定所述音频刺激的所述预测影响。
11.根据权利要求8至10中任一项所述的方法(200)，其中使用神经网络来执行确定所述音频刺激对所述睡眠阶段的所述预测影响。
12.根据权利要求8至11中任一项所述的方法(200)，其中生成所述音频刺激包括：
基于所述音频刺激的所述预测影响来确定对所述音频刺激的参数的调整；以及
基于所确定的调整来生成经调整的音频刺激。
13.一种包括计算机程序代码装置的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码装置适于实现根据权利要求8至12中任一项所述的方法。
CN202080086145.1A 2019-12-11 2020-12-02 用于可听睡眠治疗的系统和方法 Pending CN114787933A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19215213.0 2019-12-11
EP19215213.0A EP3836153A1 (en) 2019-12-11 2019-12-11 Systems and methods for audible sleep therapy
PCT/EP2020/084188 WO2021115856A1 (en) 2019-12-11 2020-12-02 Systems and methods for audible sleep therapy

Publications (1)

Publication Number Publication Date
CN114787933A true CN114787933A (zh) 2022-07-22

Family

ID=68886811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080086145.1A Pending CN114787933A (zh) 2019-12-11 2020-12-02 用于可听睡眠治疗的系统和方法

Country Status (4)

Country Link
US (1) US20210178113A1 (zh)
EP (2) EP3836153A1 (zh)
CN (1) CN114787933A (zh)
WO (1) WO2021115856A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11896774B2 (en) 2013-03-15 2024-02-13 Sleep Solutions Inc. System for enhancing sleep recovery and promoting weight loss
US11602611B2 (en) 2013-03-15 2023-03-14 Sleepme Inc. System for enhancing sleep recovery and promoting weight loss
US20210251568A1 (en) * 2020-02-14 2021-08-19 Objectvideo Labs, Llc Infrared sleep monitoring

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9764110B2 (en) * 2013-03-22 2017-09-19 Mind Rocket, Inc. Binaural sleep inducing system
US20160292584A1 (en) * 2015-03-31 2016-10-06 Microsoft Technology Licensing, Llc Inferring User Sleep Patterns
CN106725462B (zh) * 2017-01-12 2017-11-24 兰州大学 基于脑电信号的声光睡眠干预系统和方法
WO2019209733A1 (en) * 2018-04-23 2019-10-31 Casper Sleep Inc. Temperature-regulating mattress
FR3087661A1 (fr) * 2018-10-30 2020-05-01 Dreem Procede, dispositif et systeme de prediction d'un effet d'une stimulation acoustique des ondes cerebrales d'une personne

Also Published As

Publication number Publication date
EP4073814A1 (en) 2022-10-19
WO2021115856A1 (en) 2021-06-17
US20210178113A1 (en) 2021-06-17
EP3836153A1 (en) 2021-06-16

Similar Documents

Publication Publication Date Title
CN114787933A (zh) 用于可听睡眠治疗的系统和方法
CN107784357B (zh) 基于多模态深度神经网络的个性化智能唤醒系统及方法
US20180005107A1 (en) Hybrid memory cell unit and recurrent neural network including hybrid memory cell units
US11727279B2 (en) Method and apparatus for performing anomaly detection using neural network
Destrebecqz et al. Temporal effects in sequence learning
US10610109B2 (en) Emotion representative image to derive health rating
JP6133503B2 (ja) 擬似乱数のプログラム可能な確率分布関数を生成するための方法および装置
KR20160012537A (ko) 신경망 학습 방법 및 장치, 데이터 처리 장치
JP2017513108A (ja) サブしきい値変調を介するアナログ信号再構築および認識
KR101755082B1 (ko) 신경 성분 기억 전달을 위한 방법, 장치 및 컴퓨터 판독가능 저장 매체
US10736561B2 (en) Neural model-based controller
CN112925924B (zh) 多媒体文件的推荐方法、装置、电子设备及存储介质
CN113240430B (zh) 移动支付验证方法及装置
CN115083337B (zh) 一种led显示驱动系统及方法
WO2018094717A1 (zh) 基于脉冲神经网络的信号处理方法和装置
CN112766317B (zh) 基于记忆回放的神经网络权重训练方法以及计算机设备
US20160321538A1 (en) Pattern Recognition System and Method
CN114830257A (zh) 咳嗽检测系统和方法
KR20160123312A (ko) 스파이킹 뉴럴 네트워크에서의 청각 소스 분리
CN110168473B (zh) 用于受试者的记忆巩固的闭环干预控制系统和方法
Mozer et al. Using testing to enhance learning: A comparison of two hypotheses
US10720076B1 (en) Closed-loop model-based controller for accelerating memory and skill acquisition
Murray et al. Emergence of direction-selective retinal cell types in task-optimized deep learning models
EP3991600A1 (en) Methods and systems for providing a user with oral care feedback
Grzywalski et al. Interactive Lungs Auscultation with Reinforcement Learning Agent

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination