CN117461092A - 具有用于确定呼吸疾病分类的特征的床 - Google Patents
具有用于确定呼吸疾病分类的特征的床 Download PDFInfo
- Publication number
- CN117461092A CN117461092A CN202280041383.XA CN202280041383A CN117461092A CN 117461092 A CN117461092 A CN 117461092A CN 202280041383 A CN202280041383 A CN 202280041383A CN 117461092 A CN117461092 A CN 117461092A
- Authority
- CN
- China
- Prior art keywords
- bed
- user
- data
- respiratory
- disease
- 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
Links
- 208000023504 respiratory system disease Diseases 0.000 title claims abstract description 36
- 201000010099 disease Diseases 0.000 claims abstract description 47
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 47
- 230000000241 respiratory effect Effects 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 37
- 239000003550 marker Substances 0.000 claims abstract description 17
- 230000000747 cardiac effect Effects 0.000 claims abstract description 8
- 230000006403 short-term memory Effects 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 230000007774 longterm Effects 0.000 claims abstract description 7
- 230000000306 recurrent effect Effects 0.000 claims abstract description 7
- 230000007958 sleep Effects 0.000 claims description 126
- 230000004044 response Effects 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 50
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 24
- 208000008784 apnea Diseases 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000037023 motor activity Effects 0.000 claims description 7
- 238000012805 post-processing Methods 0.000 claims description 7
- 206010021079 Hypopnoea Diseases 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 72
- 230000006854 communication Effects 0.000 description 72
- 238000012545 processing Methods 0.000 description 41
- 230000033001 locomotion Effects 0.000 description 40
- 238000010586 diagram Methods 0.000 description 32
- 238000000034 method Methods 0.000 description 29
- 230000006399 behavior Effects 0.000 description 27
- 230000002093 peripheral effect Effects 0.000 description 25
- 230000003993 interaction Effects 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 20
- 238000003860 storage Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 14
- 230000009471 action Effects 0.000 description 13
- 239000000047 product Substances 0.000 description 13
- 230000008859 change Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 10
- 239000012530 fluid Substances 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 241001669679 Eleotris Species 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000004622 sleep time Effects 0.000 description 4
- 230000036578 sleeping time Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004461 rapid eye movement Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 208000006673 asthma Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000001020 rhythmical effect Effects 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 230000004617 sleep duration Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000288105 Grus Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 208000012868 Overgrowth Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 206010048908 Seasonal allergy Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000147 hypnotic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 230000006903 response to temperature Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Cardiology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Dentistry (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
接收与床上人的呼吸动作相关的数据。接收定义呼吸数据的疾病状态的标记的标记数据。使用呼吸心脏数据和标记数据生成呼吸疾病分类器,该生成可以包括:训练卷积神经网络(CNN),该卷积神经网络被配置成使用:i)呼吸数据和ii)标记数据作为输入,该CNN被配置成生成中间数据;以及训练被配置成使用中间数据作为输入的循环神经网络(RNN),该RNN被配置成生成疾病分类,该RNN可以包括:i)使用后来的疾病分类作为输入的前瞻性长短期记忆(LSTM)网络和ii)使用先前的疾病分类作为输入的历史LSTM网络。
Description
本文件涉及使用传感器数据来确定生理状态的诸如床的消费设备的自动化。
相关申请的交叉引用
本申请要求于2021年6月9日提交的美国临时申请序列号63/208,671的权益。在先申请的公开内容被认为是本申请的公开内容的一部分(并且通过引用并入本申请的公开内容)。
背景
一般来说,床是一件用作睡觉或放松的地方的家具。许多现代的床包括在床架上的柔软的床垫。床垫可以包括弹簧、泡沫材料和/或气室,以支撑一个或更多个占用者的重量。
概述
具有一个或更多个计算机的系统可以被配置为通过在系统上安装软件、固件、硬件或它们的组合来执行特定的操作或动作,在操作中软件、固件、硬件或它们的组合导致系统执行动作。一个或更多个计算机程序可以被配置为通过包括在由数据处理装置执行时导致该装置执行动作的指令来执行特定的操作或动作。一个总体方面包括用于生成呼吸疾病分类的系统,该系统可以包括一个或更多个处理器。该系统可以包括存储指令的存储器,这些指令在由一个或更多个处理器执行时,使得一个或更多个处理器执行包括以下操作的操作:接收记录床上的人的呼吸动作的呼吸数据(例如,心脏呼吸信号和运动数据);接收定义呼吸数据的疾病状态的标记的标记数据;使用呼吸心脏数据和标记数据生成呼吸疾病分类器,该生成可以包括:训练卷积神经网络(CNN),该卷积神经网络被配置成使用:i)呼吸数据和ii)标记数据作为输入,该CNN被配置成生成中间数据;以及训练被配置为使用中间数据作为输入的循环神经网络(RNN),该RNN被配置成生成呼吸疾病分类,该RNN可以包括:i)使用后来的疾病分类作为输入的前瞻性长短期记忆(LSTM)网络和ii)使用先前的疾病分类作为输入的历史LSTM网络。该方面的其他实施例包括均被配置为执行方法的动作的相对应的计算机系统、装置和被记录在一个或更多个计算机存储设备上的计算机程序。
实施方式可以包括以下特征中的一个或更多个特征。生成呼吸疾病分类器可以包括从呼吸数据中提取数据的时期(epoch),用于CNN的训练和RNN的训练。生成呼吸疾病分类器可以包括从呼吸数据中提取数据的重叠时期,用于CNN的训练和RNN的训练,使得在数据的重叠时期内执行CNN的训练和RNN的训练。时期是10秒。呼吸数据是用心冲击描记术(BCG)流创建的。呼吸数据的创建可以包括将BCG流下采样到较低的频率。下采样是到40Hz。BCG流的下采样去除记录在BCG流中的声学现象的信号。下采样保留:i)心脏活动的信号和ii)粗大运动活动(gross motor activity)的信号,并且其中CNN的训练和RNN的训练使用:i)心脏活动的信号和ii)粗大运动活动的信号。CNN被配置成对呼吸数据执行特征提取;中间数据可以包括呼吸数据的提取特征;并且RNN被配置成使用提取的特征作为输入。RNN是门控循环网络(GRU)/长短期记忆(LSTM)RNN。RNN被配置成使用后处理功能来生成疾病分类。后处理功能可以包括连接来自RNN的多个输出节点的输出。疾病分类可以包括呼吸暂停低通气(apnea-hypoxia)指数(AHI)值。该操作还可以包括从针对特定睡眠会话的多个疾病分类生成针对夜晚睡眠的聚合AHI值。该操作还可以包括从来自多个非连续睡眠会话的多个疾病分类生成针对用户的聚合AHI值。所描述的技术的实施方式可以包括硬件、方法或过程、或计算机可访问介质上的计算机软件。
一个总体方面包括用于确定床上的用户的疾病分类的系统。该系统可以包括具有用于支撑用户的床垫的床。该系统可以包括压力传感器,该压力传感器被配置成:感测用户在床垫上的压力;向计算设备传输压力读数。该系统可以包括计算设备,该计算设备可以包括一个或更多个处理器和存储器,该计算设备被配置成执行包括以下操作的操作:接收压力读数;将压力读数提交给呼吸疾病分类器;以及从呼吸疾病分类器接收疾病分类。该方面的其他实施例包括均被配置为执行方法的动作的相对应的计算机系统、装置和被记录在一个或更多个计算机存储设备上的计算机程序。
实施方式可以包括以下特征中的一个或更多个特征。呼吸疾病分类器通过以下方式生成:训练卷积神经网络(CNN),该卷积神经网络(CNN)被配置成使用:i)呼吸数据和ii)标记数据作为输入,该CNN被配置成生成中间数据;以及训练被配置成使用中间数据作为输入的循环神经网络(RNN),该RNN被配置成生成疾病分类,该RNN可以包括:i)使用后来的疾病分类作为输入的前瞻性长短期记忆(LSTM)网络和ii)使用先前的疾病分类作为输入的历史LSTM网络。所描述的技术的实施方式可以包括硬件、方法或过程、或计算机可访问介质上的计算机软件。该床垫是气垫。该床垫没有气囊。
本文件描述了可以有利地感测床上的用户并确定用户的生理状态的技术。例如,本文件描述了可以如何使用床来感测呼吸疾病(例如,睡眠呼吸暂停),而不需要用户进行任何活动或启动。在这种情况下,用户可以收到该益处,即使他们忘记它正在他们的生活背景中工作。类似地,该技术可以在用户每次睡觉时使用,允许定期、可靠、一致的分析。例如,与睡眠研究相比,这是很好的益处,在睡眠研究中,用户被带到一个陌生的环境中,身体连接到探针和传感器,由另一个人监控,并期望正常睡眠一个晚上。同样,由于许多呼吸疾病的消长,这项技术夜复一夜的感测能力可以捕获中间疾病症状。例如,患有哮喘的用户可能一年中只有几周会患有季节性过敏。有了这项技术,可以向用户提供全年监测,而一个晚上或几个晚上的睡眠研究必须在过敏季节巧合地安排,以捕获该信息。该技术的操作过程提供了允许计算设备更有效和更高效地操作的许多技术细节。例如,智能床已经可用的数据(例如,压力读数)也可以被重新用于这些操作。例如,这允许在没有网络开销的情况下实现更大的功能。此外,这项技术可以改善床作为睡眠者生理的传感器的操作。通过将现有硬件应用于新问题并产生新的解决方案,这项技术使智能床成为更好、更通用的传感器。
从所附描述和附图中,其他特征、方面和潜在优点将变得明显。
附图说明
图1示出了示例气垫床系统。
图2是气垫床系统的各种组件的示例的框图。
图3示出了包括与位于家中的和家周围的设备通信的床的示例环境。
图4A和图4B是可以与床相关联的示例数据处理系统的框图。
图5和图6是可以在可与床相关联的数据处理系统中使用的主板的示例的框图。
图7是可以在可与床相关联的数据处理系统中使用的子板的示例的框图。
图8是可以在可与床相关联的数据处理系统中使用的没有子板的主板的示例的框图。
图9是可以在可与床相关联的数据处理系统中使用的传感阵列的示例的框图。
图10是可以在可与床相关联的数据处理系统中使用的控制阵列的示例的框图。
图11是可以在可与床相关联的数据处理系统中使用的计算设备的示例的框图。
图12-图16是可以在可与床相关联的数据处理系统中使用的示例云服务的框图。
图17是使用可与床相关联的数据处理系统来自动化床周围的外围设备的示例的框图。
图18是示出计算设备和移动计算设备的示例的示意图。
图19是用于训练分类器的数据的示意图。
图20是用于识别呼吸疾病的数据的示意图。
图21是用于识别呼吸疾病的示例过程的泳道图。
在各个绘图中的相似参考符号表示相似的元素。
详细描述
智能床使用压力读数来确定呼吸疾病状态,诸如睡眠呼吸暂停事件。床上的压力传感器感测关于床上压力的数据流。分类器(例如,机器学习分类器)使用该数据将床的用户分类为疾病状态的一种或更多种分类或从疾病状态的一种或更多种分类中进行分类。通过这些分类,可以创建汇总报告和/或可以启动家庭自动化任务。
示例气垫床硬件
图1示出了包括床112的示例气垫床系统100。床112包括至少一个气室114,该气室114被弹性边框116包围并由褥套118包裹。弹性边框116可以包括任何合适的材料,诸如泡沫。
如图1所示,床112可以是具有第一流体室和第二流体室的两室设计,例如第一气室114A和第二气室114B。在替代实施例中,床112可以包括用于除空气之外的适合应用的流体的室。在一些实施例(诸如单人床或儿童床)中,床112可以包括单个气室114A或114B,或更多个气室114A和114B。第一气室114A和第二气室114B可以与泵120流体连通。泵120可以经由控制箱124与遥控器122电连通。控制箱124可以包括有线或无线通信接口,用于与包括遥控器122的一个或更多个设备通信。控制箱124可以被配置成基于用户使用遥控器122输入的命令来操作泵120,以引起第一气室114A和第二气室114B的流体压力的增加和减少。在一些实施方式中,控制箱124集成到泵120的壳体内。
遥控器122可以包括显示器126、输出选择机构128、压力增加按钮129和压力减少按钮130。输出选择机构128可以允许用户在第一气室114A和第二气室114B之间切换由泵120生成的空气流,从而能够用单个遥控器122和单个泵120控制多个气室。例如,输出选择机构128可以通过物理控件(例如,开关或按钮)或在显示器126上显示的输入控件。可替代地,可以为每个气室提供单独的遥控单元,并且每个遥控单元可以包括控制多个气室的能力。压力增加按钮129和压力减少按钮130分别可以允许用户增加或减少用输出选择机构128选择的气室中的压力。调整所选择的气室内的压力可以导致对相应气室的硬度(firmness)的对应调整。在一些实施例中,遥控器122可以针对应用而酌情被省略或修改。例如,在一些实施例中,床112可以由计算机、平板电脑、智能电话或与床112有线或无线通信的其他设备来控制。
图2是气垫床系统的各种组件的示例的框图。例如,这些组件可以用在示例气垫床系统100中。如图2所示,控制箱124可以包括电源134、处理器136、存储器137、切换机构138和模数(A/D)转换器140。切换机构138可以是例如继电器或固态开关。在一些实施方式中,切换机构138可以位于泵120中,而不是控制箱124中。
泵120和遥控器122与控制箱124双向通信。泵120包括马达142、泵歧管143、安全阀144、第一控制阀145A、第二控制阀145B和压力变送器146。泵120分别经由第一管148A和第二管148B与第一气室114A和第二气室114B流体连接。第一控制阀145A和第二控制阀145B可由切换机构138控制,并且可操作以分别调节泵120与第一气室114A和第二气室114B之间的流体流动。
在一些实施方式中,泵120和控制箱124可以被设置和包装为单个单元。在一些替代实施方式中,泵120和控制箱124可被设置为物理上分离的单元。在一些实施方式中,控制箱124、泵120或两者集成在床架或支撑床112的床支撑结构内或以其他方式被包含在其中。在一些实施方式中,控制箱124、泵120或两者都位于床架或床支撑结构的外部(如图1中的示例所示)。
图2中描述的示例气垫床系统100包括两个气室114A和114B以及单个泵120。然而,其他实施方式可以包括具有两个或更多个气室以及一个或更多个泵的气垫床系统,该泵结合到气垫床系统中以控制气室。例如,单独的泵可以与气垫床系统的每个气室相关联,或者泵可以与气垫床系统的多个室相关联。单独的泵可以允许每个气室独立地且同时地充气或放气。此外,额外的压力变送器也可以结合到气垫床系统中,使得例如单独的压力变送器可以与每个气室相关联。
在使用中,处理器136可以例如向气室114A或114B中的一个发送减少压力命令,并且切换机构138可以用于将由处理器136发送的低电压命令信号转换成足以操作泵120的安全阀144并打开控制阀145A或145B的较高操作电压。打开安全阀144可以允许空气通过相应的空气管148A或148B从气室114A或114B中逸出。在放气期间,压力变送器146可以经由A/D转换器140向处理器136发送压力读数。A/D转换器140可以从压力变送器146接收模拟信息,并且可以将模拟信息转换成处理器136可用的数字信息。处理器136可以向遥控器122发送数字信号,以更新显示器126,以便向用户传达压力信息。
作为另一个示例,处理器136可以发送增加压力命令。泵的马达142可以响应于增加压力命令而被激励,并且经由电子操作对应的阀145A或145B,通过空气管148A或148B将空气发送到气室114A或114B中指定的一个。当空气被输送到指定的气室114A或114B以便增加气室的硬度时,压力变送器146可以感测泵歧管143内的压力。同样,压力变送器146可以经由A/D转换器140向处理器136发送压力读数。处理器136可以使用从A/D转换器140接收的信息来确定气室114A或114B中的实际压力和期望压力之间的差。处理器136可以向遥控器122发送数字信号,以更新显示器126,以便向用户传达压力信息。
一般来说,在充气或放气过程中,泵歧管143内感测到的压力可以提供与泵歧管143流体连通的相应气室内的压力的近似值。获得基本上等于气室内实际压力的泵歧管压力读数的示例方法包括关闭泵120,从而允许气室114A或114B和泵歧管143内的压力平衡,然后用压力变送器146感测泵歧管143内的压力。因此,提供足够量的时间以允许泵歧管143和室114A或114B内的压力平衡,可以导致压力读数是气室114A或114B内的实际压力的准确近似值。在一些实施方式中,气室114A和/或114B的压力可以使用多个压力传感器(未示出)连续监测。
在一些实施方式中,压力变送器146收集的信息可以被分析以确定躺在床112上的人的各种状态。例如,处理器136可以使用由压力变送器146收集的信息来确定躺在床112中的人的心率或呼吸率。例如,用户可以躺在包括室114A的床112的一侧。压力变送器146可以监测室114A的压力波动,并且该信息可以用于确定用户的心率和/或呼吸率。作为另一个示例,可以使用所收集的数据来执行额外的处理,以确定人的睡眠状态(例如,清醒、轻度睡眠、深度睡眠)。例如,处理器136可以确定人何时入睡,以及在睡着时人的各种睡眠状态。
可以使用由压力变送器146收集的信息来确定的、与气垫床系统100的用户相关联的附加信息包括用户的运动、用户在床112的表面上的存在、用户的体重、用户的心律不齐和呼吸暂停。以用户存在检测为例,压力变送器146可用于例如经由总压力变化确定和/或经由在呼吸率信号、心率信号和/或其他生物特征信号中的一个或更多个来检测用户在床112上的存在。例如,简单的压力检测过程可以将压力的增加识别为用户在床112上的指示。作为另一个示例,如果检测到的压力增加到高于指定阈值(以便指示高于某个重量的人或其他物体位于床112上),则处理器136可以确定用户在床112上。作为又一个示例,处理器136可以将结合有检测到的轻微的、有节律的压力波动的压力的增加识别为对应于用户在床112上。有节律的波动的存在可被识别为由用户的呼吸或心律(或两者)引起。呼吸或心跳的检测可以区分用户在床上和另一个物体(例如,手提箱)放在床上。
在一些实施方式中,可以在泵120处测量压力波动。例如,一个或更多个压力传感器可以位于泵120的一个或更多个内腔中,以检测泵120内的压力波动。在泵120处检测到的压力波动可以指示室114A和114B中的一个或两个中的压力波动。位于泵120处的一个或更多个传感器可与室114A和114B中的一个或两个流体连通,并且传感器可操作以确定室114A和114B内的压力。控制箱124可被配置成基于室114A或室114B内的压力来确定至少一个生命体征(例如,心率、呼吸率)。
在一些实施方式中,控制箱124可以分析由一个或更多个压力传感器检测到的压力信号,以确定躺在或坐在室114A或室114B上的用户的心率、呼吸率和/或其他生命体征。更具体地,当用户躺在床112上、位于室114A上方的时候,用户的心跳、呼吸和其他运动中的每一种都可以在床112上创建力,该力被传输到室114A。作为由用户的运动对室114A输入的力的结果,波可以通过室114A传播并进入泵120。位于泵120处的压力传感器可以检测该波,因此由传感器输出的压力信号可以指示心率、呼吸率或关于用户的其他信息。
关于睡眠状态,气垫床系统100可以通过使用各种生物特征信号(诸如心率、呼吸和/或用户运动)来确定用户的睡眠状态。当用户睡眠时,处理器136可以接收用户的生物特征信号(例如,心率、呼吸和运动)中的一个或更多个,并基于接收到的生物特征信号来确定用户当前的睡眠状态。在一些实施方式中,指示室114A和114B中的一个或两个中的压力波动的信号可以被放大和/或滤波,以允许更精确地检测心率和呼吸率。
控制箱124可以基于放大和滤波的压力信号来执行模式识别算法或其他计算,以确定用户的心率和呼吸率。例如,该算法或计算可以基于这样的假设,即信号的心率部分具有0.5-4.0Hz范围内的频率,并且信号的呼吸率部分具有小于1Hz范围内的频率。控制箱124还可以被配置成基于接收到的压力信号来确定用户的其他特性,诸如血压、辗转反侧运动、滚动运动、肢体运动、体重、用户的存在或不存在和/或用户的身份。在Steven J.Young等人的标题为“APPARATUS FOR MONITORING VITAL SIGNS”、公开号为20100170043的美国专利申请中公开了使用心率信息、呼吸率信息和其他用户信息来监测用户睡眠的技术,其全部内容通过引用并入本文。
例如,压力变送器146可用于监测床112的室114A和114B中的气压。如果在床112上的用户没有移动,气室114A或114B中的气压变化可以相对最小,并且可以归因于呼吸和/或心跳。然而,当在床112上的用户移动时,床垫中的气压会波动大得多的量。因此,由压力变送器146生成并由处理器136接收的压力信号可以被滤波并指示为对应于运动、心跳或呼吸。
在一些实施方式中,并非在控制箱124中用处理器136执行数据分析,而是可以设置数字信号处理器(DSP)来分析由压力变送器146收集的数据。可替代地,由压力变送器146收集的数据可以被发送到基于云的计算系统,以用于远程分析。
在一些实施方式中,示例气垫床系统100还包括温度控制器,该温度控制器被配置成例如为了用户的舒适而增加、降低或保持床的温度。例如,垫子可以放置在床112的顶部或作为床112的一部分,或者可以放置在室114A和114B中的一个或两个的顶部或作为其一部分。空气可以被推动穿过垫子并排出,以使床的用户降温。与此相对,该垫子可以包括加热元件,该加热元件可以为用户保暖。在一些实施方式中,温度控制器可以接收来自垫子的温度读数。在一些实施方式中,单独的垫子用于床112的不同侧(例如,对应于室114A和114B的位置),以提供床的不同侧的不同温度控制。
在一些实施方式中,气垫床系统100的用户可以使用输入设备(诸如遥控器122)来输入对于床112的表面(或对于床112的表面的一部分)的期望温度。期望温度可以被封装在命令数据结构中,该命令数据结构包括期望温度以及将温度控制器识别为待控制的期望组件。命令数据结构随后可以经由蓝牙或另一种合适的通信协议传输到处理器136。在各种示例中,命令数据结构在传输之前被加密。温度控制器随后可以根据用户输入到遥控器122中的温度来配置其元件以增加或降低垫子的温度。
在一些实施方式中,数据可以从组件传输回到处理器136或一个或更多个显示设备,诸如显示器126。例如,由温度控制器的传感器元件确定的当前温度、床的压力、底座的当前位置或其他信息可以被传输到控制箱124。然后,控制箱124可以将接收到的信息传输到遥控器122,在遥控器122中,该信息可以显示给用户(例如,在显示器126上)。
在一些实施方式中,示例气垫床系统100还包括可调整底座和铰接控制器,该铰接控制器被配置成通过调整支撑床的可调整底座来调整床(例如床112)的位置。例如,铰接控制器可以将床112从平坦位置调整到床的床垫的头部部分向上倾斜的位置(例如,便于用户在床上坐起和/或看电视)。在一些实施方式中,床112包括多个单独可铰接的部段。例如,床的对应于室114A和114B的位置的部分可以彼此独立地铰接,以允许位于床112表面上的一个人位于第一位置(例如,平坦位置),而第二个人位于第二位置(例如,头部从腰部以一定角度抬起的斜倚位置)休息。在一些实施方式中,可以为两个不同的床设置单独的位置(例如,两个相邻放置的单人床)。床112的底座可以包括可以独立调整的一个以上的区域。铰接控制器还可以被配置成向床112上的一个或更多个用户提供不同级别的按摩。
卧室环境中的床的示例
图3示出了示例环境300,其包括与位于家中和家周围的设备通信的床302。在所示的示例中,床302包括用于控制两个气室306a和306b(如上文关于气室114A-114B所述)内的气压的泵304。泵304另外包括用于控制由泵304执行的充气和放气功能的电路。该电路还被编程以检测气室306a-b的气压波动,并使用检测到的气压波动来识别用户308在床上、用户308的睡眠状态、用户308的运动以及用户308的生物特征信号(诸如心率和呼吸率)。在所示的示例中,泵304位于床302的支撑结构内,并且用于控制泵304的控制电路334与泵304集成在一起。在一些实施方式中,控制电路334在物理上与泵304分离,并且与泵304无线或有线通信。在一些实施方式中,泵304和/或控制电路334位于床302的外部。在一些实施方式中,位于不同物理位置的系统可以执行各种控制功能。例如,用于控制泵304的动作的电路可以位于泵304的泵壳内,而用于执行与床302相关联的其他功能的控制电路334可以位于床302的另一部分中,或者位于床302的外部。作为另一个示例,位于泵304内的控制电路334可以通过LAN或WAN(例如,互联网)与处于遥远位置的控制电路334通信。作为又一个示例,可以在图1和图2的控制箱124中包括控制电路334。
在一些实施方式中,不同于泵304和控制电路334的、或者除了泵304和控制电路334之外的一个或更多个设备可以用于识别用户存在于床、睡眠状态、运动和生物特征信号。例如,除了泵304之外,床302还可以包括第二泵,并且两个泵中的每一个都连接到气室306a-b中相应的一个。例如,泵304可以与气室306b流体连通,以控制气室306b的充气和放气,以及检测位于气室306b上方的用户的用户信号(诸如存在于床、睡眠状态、运动和生物特征信号),而第二泵与气室306a流体连通,以控制气室306a的充气和放气,以及检测位于气室306a上方的用户的用户信号。
作为另一个示例,床302可以包括一个或更多个压敏垫或可操作以检测运动(包括用户存在、用户运动、呼吸和心率)的表面部分。例如,第一压敏垫可以被结合到床302的左侧部分(第一用户通常会在睡眠期间位于该处)上的床302的表面中,而第二压敏垫可以被结合到床302的右侧部分(第二用户通常会在睡眠期间位于该处)上的床302的表面中。由一个或更多个压敏垫或表面部分检测到的运动可以被控制电路334用来识别用户睡眠状态、存在于床或生物特征信号。作为另一个示例,床302可以包括一个或更多个压力传感器,该压力传感器结合到床、床垫或床架中或之下。在一些实施例中,这种传感器可以包括压敏称重单元(load cells)。例如,一个或更多个称重单元传感器可以结合在床表面下或支撑床的框架中。控制电路334可以使用由一个或更多个称重单元传感器检测到的运动来识别用户睡眠状态、存在于床或生物特征信号。在一些实施例中,压敏垫或表面部分可操作来检测运动,包括用户的存在、用户运动、呼吸和心率。例如,第一压敏垫可以被结合到床302的左侧部分(第一用户通常会在睡眠期间位于该处)上的床302的表面中,而第二压敏垫可以被结合到床302的右侧部分(第二用户通常会在睡眠期间位于该处)上的床302的表面中。由一个或更多个压敏垫或表面部分检测到的运动可以被控制电路334用来识别用户睡眠状态、存在于床或生物特征信号。在一些实施例中,可以使用压力传感器的组合。
在一些实施方式中,由床检测到的信息(例如,运动信息)由控制电路334(例如,与泵304集成的控制电路334)处理,并被提供给一个或更多个用户设备(诸如用户设备310),以呈现给用户308或其他用户。在图3描绘的示例中,用户设备310是平板设备;然而,在一些实施方式中,用户设备310可以是个人计算机、智能电话、智能电视(例如,电视312)或能够与控制电路334有线或无线通信的其他用户设备。用户设备310可以通过网络或通过直接点对点通信与床302的控制电路334通信。例如,控制电路334可以连接到LAN(例如,通过Wi-Fi路由器),并通过LAN与用户设备310通信。作为另一个示例,控制电路334和用户设备310都可以连接到互联网并通过互联网进行通信。例如,控制电路334可以通过WiFi路由器连接到互联网,并且用户设备310可以通过与蜂窝通信系统的通信连接到互联网。作为另一个示例,控制电路334可以通过无线通信协议(诸如蓝牙)直接与用户设备310通信。作为又一个示例,控制电路334可以通过无线通信协议(诸如,ZigBee、Z-Wave、红外线或适合于该应用的另一种无线通信协议)与用户设备310通信。作为另一个示例,控制电路334可以通过有线连接(诸如例如,USB连接器、串行/RS232或适合于该应用的另一个有线连接)与用户设备310通信。
用户设备310可以显示与睡眠或用户308与床302的交互相关的各种信息和统计数据。例如,由用户设备310显示的用户界面可以呈现这样的信息:包括用户308在一段时间内(例如,一个晚上、一周、一个月等)的睡眠量、深度睡眠的量、深度睡眠与不安睡眠的比率、用户308上床睡觉和用户308入睡之间的时间间隔、在给定一段时间内在床302上花费的总时间量、用户308在一段时间内的心率、用户308在一段时间内的呼吸率、或与用户308或床302的一个或更多个其他用户与床302的用户交互相关的其他信息。在一些实施方式中,可以在用户设备310上呈现多个用户的信息,例如,可以呈现位于气室306a上方的第一用户的信息以及位于气室306b上方的第二用户的信息。在一些实施方式中,在用户设备310上呈现的信息可以根据用户308的年龄而变化。例如,在用户设备310上呈现的信息可以随着用户308的年龄增长而演变,使得当用户308年龄为儿童或成人时,在用户设备310上呈现不同的信息。
用户设备310还可以用作床302的控制电路334的接口,以允许用户308输入信息。由用户308输入的信息可以被控制电路334用来向用户或者向各种控制信号提供更好的信息,以控制床302或其他设备的功能。例如,用户可以输入诸如体重、身高和年龄的信息,并且控制电路334可以使用该信息向用户308提供用户的跟踪睡眠信息与具有与用户308相似的体重、身高和/或年龄的其他人的睡眠信息的比较。作为另一个示例,用户308可以使用用户设备310作为接口,用于控制气室306a和306b的气压,用于控制床302的各种斜倚或倾斜位置,用于控制床302的一个或更多个表面温度控制设备的温度,或者用于允许控制电路334生成用于其他设备的控制信号(如下面更详细描述的)。
在一些实施方式中,床302的控制电路334(例如,集成到泵304中的控制电路334)可以与除用户设备310之外的或代替用户设备310的其他第一、第二或第三方设备或系统通信。例如,控制电路334可以与电视312、照明系统314、恒温器316、安防系统318或其他家用设备(诸如烤箱322、咖啡机324、灯326和夜灯328)通信。控制电路334可以与之通信的设备和/或系统的其他示例包括用于控制百叶窗330的系统、用于检测或控制一个或更多个门332的状态(诸如检测门是否打开、检测门是否被锁住或自动锁门)的一个或更多个设备,以及用于控制车库门320的系统(例如,与车库门开启器集成的控制电路334,用于识别车库门320的打开或关闭状态,并使车库门开启器打开或关闭车库门320)。床302的控制电路334和其他设备之间的通信可以通过网络(例如,LAN或互联网)或点对点通信(例如,使用蓝牙、无线电通信或有线连接)进行。在一些实施方式中,不同床302的控制电路334可以与不同组的设备通信。例如,儿童床可以不如同成人床那样与相同设备通信和/或控制相同的设备。在一些实施例中,床302可以随着用户的年龄增加而演变,使得床302的控制电路334根据用户的年龄与不同的设备通信。
控制电路334可以接收来自其他设备/系统的信息和输入,并使用接收的信息和输入来控制床302或其他设备的动作。例如,控制电路334可以接收来自恒温器316的、指示床302所在的房子或房间的当前环境温度的信息。控制电路334可以使用接收的信息(连同其他信息)来确定床302的全部或部分表面的温度是否应该升高或降低。控制电路334随后可以使床302的加热或冷却机构升高或降低床302表面的温度。例如,用户308可以指示期望睡眠温度是74度,而床302的第二用户指示期望睡眠温度是72度。恒温器316可以向控制电路334指示卧室的当前温度是72度。控制电路334可以识别用户308已经指示了期望睡眠温度是74度,并且向位于床的用户308的一侧上的加热垫发送控制信号,以升高用户308所在的床302的表面部分的温度,从而将用户308的睡眠表面的温度升高到期望温度。
控制电路334还可以生成控制其他设备的控制信号,并将控制信号传播到其他设备。在一些实施方式中,控制信号是基于控制电路334收集的信息(包括与用户308和/或一个或更多个其他用户与床302的用户交互相关的信息)生成的。在一些实施方式中,当生成控制信号时,使用从除床302之外的一个或更多个其他设备收集的信息。例如,当生成与床302的控制电路334通信的各种设备的控制信号时,可以使用与环境事件(例如,环境温度、环境噪声水平和环境光线水平)、一天中的时间、一年中的时间、一周中的日子或其他信息相关的信息。例如,关于一天中的时间的信息可以与关于用户308的运动和存在于床的信息相结合,以生成用于照明系统314的控制信号。在一些实施方式中,代替为一个或更多个其他设备提供控制信号或除了为一个或更多个其他设备提供控制信号以外,控制电路334可以向一个或更多个其他设备提供收集的信息(例如,与用户运动、存在于床、睡眠状态或用户308的生物特征信号相关的信息),以允许一个或更多个其他设备在生成控制信号时利用收集的信息。例如,床302的控制电路334可以向中央控制器(未示出)提供与用户308和床302的用户交互相关的信息,中央控制器可以使用所提供的信息来生成用于各种设备(包括床302)的控制信号。
仍然参考图3,床302的控制电路334可以生成用于控制其他设备的动作的控制信号,并且响应于由控制电路334收集的信息(包括用户308存在于床、用户308的睡眠状态和其他因素),将控制信号传输到其他设备。例如,与泵304集成的控制电路334可以检测床302的床垫的特征(诸如气室306b中的压力增加),并且使用这个检测到的气压增加来确定用户308在床302上。在一些实施方式中,控制电路334可以识别用户308的心率或呼吸率,以识别由于人坐在、躺在或以其他方式在床302上休息,而不是无生命的物体(诸如手提箱)被放置在床302上所导致的压力增加。在一些实施方式中,指示用户存在于床的信息与其他信息相结合,以识别用户308的当前或未来可能状态。例如,在上午11:00检测到的用户存在于床可以指示用户正坐在床上(例如,系她的鞋,或者读书),并且不打算睡觉,而在晚上10:00检测到的用户存在于床可以指示用户308晚上在床上并且打算很快入睡。作为另一个示例,如果控制电路334检测到用户308在早上6:30已经离开床302(例如,指示用户308当天已醒来),并且随后在早上7:30检测到用户308的用户存在于床,则控制电路334可以使用该信息,即新检测到的用户存在于床可能是暂时的(例如,当用户308在前往工作之前系她的鞋),而不是用户308打算待在床302上较长时段的指示。
在一些实施方式中,控制电路334能够使用收集的信息(包括与用户308和床302的用户交互相关的信息,以及环境信息、时间信息和从用户接收的输入)来识别用户308的使用模式。例如,控制电路334可以使用在一段时间内收集的指示用户308的存在于床和睡眠状态的信息来识别用户的睡眠模式。例如,控制电路334可以基于在一周内收集的指示用户存在和用户308的生物特征的信息来识别用户308一般在晚上9:30到10:00之间上床睡觉,一般在晚上10:00到11:00之间入睡,并且一般在早上6:30到6:45之间醒来。控制电路334可以使用识别出的用户模式来更好地处理和识别用户308与床302的用户交互。
例如,给定用户308的以上示例用户存在于床、睡眠和醒来模式,如果检测到用户308在下午3:00在床上,则控制电路334可以确定用户在床上的存在只是暂时的,并且使用该确定来生成与在控制电路334确定用户308晚上在床上的情况下将会生成的控制信号不同的控制信号。作为另一个示例,如果控制电路334检测到用户308已经在凌晨3:00离开床,则控制电路334可以使用识别出的用户308的模式来确定用户只是暂时起床(例如,使用洗手间,或者拿一杯水),并且并不是当天的起床。相反,如果控制电路334识别出用户308在早上6:40已经离开床302,则控制电路334可以确定这是用户当天的起床,并且生成与在确定用户308只是暂时离开床的情况下(当用户308在凌晨3:00离开床302时的情况)所生成的控制信号不同的控制信号集合。对于其他用户308,凌晨3:00离开床302可以是正常的醒来时间,控制电路334可以学习并对应地做出响应。
如上所述,床302的控制电路334可以生成控制信号,以用于控制各种其他设备的功能。可以至少部分地基于检测到的用户308与床302的交互以及包括时间、日期、温度等的其他信息来生成控制信号。例如,控制电路334可以与电视312通信,从电视312接收信息,并生成用于控制电视312的功能的控制信号。例如,控制电路334可以从电视312接收电视312当前开机的指示。如果电视312位于与床302不同的房间,则控制电路334可以在做出用户308晚上已经上床睡觉的确定时生成控制信号来关闭电视312。例如,如果在特定时间区域(time range)内(例如,晚上8:00到早上7:00之间)检测到用户308在床302上的存在于床,并且持续时间超过阈值时间段(例如,10分钟),则控制电路334可以使用该信息来确定用户308晚上在床上。如果电视312开机(如床302的控制电路334从电视312接收的通信所指示的),则控制电路334可以生成控制信号来关闭电视312。控制信号然后可以被传输到电视(例如,通过电视312和控制电路334之间的定向通信链路或者通过网络)。作为另一个示例,并非响应于检测到用户存在于床而关闭电视312,而是控制电路334可以生成控制信号,该控制信号使得电视312的音量降低预先指定的量。
作为另一个示例,在检测到用户308在指定时间区域内(例如,在早上6:00至8:00之间)离开床302时,控制电路334可以生成控制信号,以使电视312开启并调到预先指定的频道(例如,用户308已经指示对于在早上起床时观看早间新闻的偏好)。控制电路334可以生成控制信号并将该信号传输到电视312,以使电视312开启并调到期望的台(其可以存储在控制电路334、电视312或另一个位置处)。作为另一个示例,在检测到用户308当天已经起床的时候,控制电路334可以生成并且传输控制信号,以使电视312开启并开始播放来自与电视312通信的数字视频录像机(DVR)的先前记录的节目。
作为另一个示例,如果电视312与床302在同一房间,则控制电路334不会响应于检测到用户存在于床而使电视312关闭。相反,控制电路334可以响应于确定用户308睡着了,而生成并且传输控制信号,以使电视312关闭。例如,控制电路334可以监测用户308的生物特征信号(例如,运动、心率、呼吸率),以确定用户308已经入睡。当检测到用户308正在睡觉时,控制电路334生成并且传输控制信号,以关闭电视312。作为另一个示例,控制电路334可以生成控制信号,以在用户308已经入睡之后的阈值时间段之后(例如,在用户已经入睡之后10分钟)关闭电视312。作为另一个示例,在确定用户308睡着之后,控制电路334生成控制信号,以降低电视312的音量。作为又一个示例,控制电路334生成并且传输控制信号,以使电视在一段时间内逐渐降低音量,然后响应于确定用户308睡着了而关闭。
在一些实施方式中,控制电路334可以类似地与其他媒体设备(例如计算机、平板电脑、智能电话、立体声系统等)交互。例如,在检测到用户308处于睡眠状态时,控制电路334可以生成控制信号并向用户设备310传输该控制信号,以使得用户设备310关闭或调低用户设备310正在播放的视频或音频文件的音量。
控制电路334可以另外与照明系统314通信,从照明系统314接收信息,并生成用于控制照明系统314的功能的控制信号。例如,在某个时间范围期间(例如,晚上8:00到早上7:00之间)检测到用户在床302上的存在于床持续了超过阈值时间段(例如,10分钟)时,床302的控制电路334可以确定用户308晚上在床上。响应于该确定,控制电路334可以生成控制信号,以使除了床302所在的房间之外的一个或更多个房间中的灯关断。然后,控制信号可以被传输到照明系统314,并由照明系统314执行,以使指示的房间中的灯关掉。例如,控制电路334可以生成和传输控制信号,以关闭所有公共房间中的灯,但不关闭其他卧室中的灯。作为另一个示例,响应于确定用户308晚上在床上,由控制电路334生成的控制信号可以指示除了床302所在的房间之外的所有房间中的灯将被关闭,而位于包含床302的房子外部的一个或更多个灯将被开启。另外,控制电路334可以响应于确定用户308的存在于床或用户308是否睡着而生成并且传输控制信号,以使夜灯328开启。作为另一个示例,控制电路334可以响应于检测到用户存在于床而生成用于关闭第一组灯(例如,公共房间中的灯)的第一控制信号,并且响应于检测到用户308睡着了而生成用于关闭第二组灯(例如,床302所在的房间中的灯)的第二控制信号。
在一些实施方式中,响应于确定用户308晚上在床上,床302的控制电路334可以生成控制信号,以使照明系统314在床302所在的房间中实施日落照明方案。日落照明方案可以包括,例如,与改变卧室环境中灯光的颜色(诸如,给卧室中的照明添加琥珀色)相结合的调暗灯光(随着时间的推移逐渐调暗,或者一次完全调暗)。当控制电路334已经确定用户308晚上在床上时,日落照明方案可以有助于使用户308入睡。
控制电路334还可以被配置成当用户308在早上醒来时实施日出照明方案。控制电路334可以例如通过检测到用户308在指定的时间范围期间(例如,在早上6:00和早上8:00之间)离开床302(即,不再存在于床302上),来确定用户308当天是醒着的。作为另一个示例,控制电路334可以监控用户308的运动、心率、呼吸率或其他生物特征信号,即使用户308没有离开床,也确定用户308是醒着的。如果控制电路334检测到用户在指定的时间范围期间是醒着的,则控制电路334可以确定用户308当天是醒着的。指定的时间范围可以例如基于在一段时间(例如,两周)内收集的先前记录的用户存在于床信息,该信息指示用户308通常在一天早上6:30到7:30之间醒来。响应于控制电路334确定用户308醒来,控制电路334可以生成控制信号,以使照明系统314在床302所在的卧室中实施日出照明方案。日出照明方案可以包括例如打开灯(例如灯326或卧室中的其他灯)。日出照明方案还可以包括逐渐增加床302所在的房间中(或一个或更多个其他房间中)的光水平。日出照明方案也可以只包括打开指定颜色的灯。例如,日出照明方案可以包括用蓝灯照亮卧室,以温和地帮助用户308醒来并变得活跃。
在一些实施方式中,控制电路334可以根据检测到与床302的用户交互的一天中的时间而生成用于控制一个或更多个组件(诸如照明系统314)的动作的不同控制信号。例如,控制电路334可以使用用户308与床302之间的交互的历史用户交互信息来确定用户308在工作日通常在晚上10:00到11:00之间入睡,并且通常在早上6:30到7:30之间醒来。控制电路334可以使用该信息,以在检测到用户308在凌晨3:00离开床时生成用于控制照明系统314的第一组控制信号,并且在检测到用户308在早上6:30之后离开床时生成用于控制照明系统314的第二组控制信号。例如,如果用户308在早上6:30之前离开床,则控制电路334可以开启引导用户308去洗手间的路线的灯。作为另一个示例,如果用户308在早上6:30之前离开床,则控制电路334可以开启引导用户308去厨房的路线的灯(这可以包括例如打开夜灯328、打开床下照明或打开灯326)。
作为另一个示例,如果用户308在早上6:30之后离开床,则控制电路334可以生成控制信号,以使照明系统314启动日出照明方案,或者开启卧室和/或其他房间中的一个或更多个灯。在一些实施方式中,如果检测到用户308在对用户308的指定早晨起床时间之前离开床,则控制电路334使照明系统314开启比在检测到用户308在指定天亮时间之后离开床的情况下由照明系统314开启的灯更暗的灯。使照明系统314仅在用户308在夜间离开床时(即,在对用户308正常起床时间之前)才开启昏暗的灯可以防止房子的其他占用者被灯弄醒,同时仍然允许用户308看得到,以便到达洗手间、厨房或房子内的另一个目的地。
用户308和床302之间的交互的历史用户交互信息可用于识别用户睡眠和清醒时间范围。例如,用户存在于床时间和睡眠时间可以在设定的时间段(例如,两周、一个月等)内确定。控制电路334随后可以识别用户308上床睡觉的典型时间区域或时间范围、用户308入睡的典型时间范围以及用户308醒来的典型时间范围(并且在一些情况下,用户308醒来的时间范围和用户308实际离开床的时间范围不同)。在一些实施方式中,可以将缓冲时间添加到这些时间范围中。例如,如果将用户识别为通常在晚上10:00到10:30之间上床睡觉,则可以将每个方向上半小时的缓冲添加到时间范围,使得对用户在晚上9:30到11:00之间上床睡觉的任何检测被解释为用户308晚上上床睡觉。作为另一个示例,从用户308上床睡觉的最早典型时间之前的半小时开始延长到用户的典型醒来时间(例如,早上6:30)的用户308的存在于床的检测可以被解释为用户晚上上床睡觉。例如,如果用户通常在晚上10:00到10:30之间上床睡觉,如果在一天晚上12:30感测到用户的存在于床,即使这超出了用户上床睡觉的典型时间范围,这也可以解释为用户晚上上床睡觉,因为这发生在用户正常醒来时间之前。在一些实施方式中,针对一年中的不同时间(例如,冬季相对于夏季,上床睡觉时间更早)或者在一周的不同时间(例如,用户在工作日比在周末醒来得更早),识别不同的时间范围。
控制电路334可以通过感测用户308存在的持续时间来区分用户308较长时间(诸如过夜)上床睡觉与在床302上存在较短时间(诸如小睡)之间的区别。在一些示例中,控制电路334可以通过感测用户308睡眠的持续时间来区分用户308较长时间(诸如过夜)上床睡觉与上床睡觉较短时间(诸如小睡)之间的区别。例如,控制电路334可以设置时间阈值,由此,如果感测到用户308在床302上的时间长于阈值,则认为用户308已经上床过夜了。在一些示例中,阈值可以是大约2小时,由此,如果感测到用户308在床302上超过2小时,则控制电路334将其登记为长睡眠事件。在其他示例中,阈值可以大于或小于两个小时。
控制电路334可以检测重复的长睡眠事件,以自动确定用户308的典型上床睡觉时间区域,而不需要用户308输入上床睡觉时间区域。这可以允许控制电路334准确地估计用户308何时可能为了长睡眠事件而上床睡觉,而不管用户308通常是使用传统睡眠时间表还是非传统睡眠时间表上床睡觉。控制电路334随后可以使用用户308的上床睡觉时间区域的知识来基于在上床睡觉时间区域期间或上床睡觉时间区域之外感测存在于床来不同地控制一个或更多个组件(包括床302的组件和/或非床的外围设备)。
在一些示例中,控制电路334可以自动确定用户308的上床睡觉时间区域,而不需要用户输入。在一些示例中,控制电路334可以自动地并且结合用户输入来确定用户308的上床睡觉时间区域。在一些示例中,控制电路334可以根据用户输入,直接设置上床睡觉时间区域。在一些示例中,控制电路334可以将不同的上床睡觉时间与一周中的不同日子相关联。在这些示例中的每一个中,控制电路334可以基于感测到的存在于床和上床睡觉时间区域,控制一个或更多个组件(诸如照明系统314、恒温器316、安防系统318、烤箱322、咖啡机324、灯326和夜灯328)。
控制电路334可以另外与恒温器316通信,接收来自恒温器316的信息,并且生成用于控制恒温器316的功能的控制信号。例如,根据用户308的睡眠状态或存在于床,用户308可以在不同时间指示对于不同温度的用户偏好。例如,用户308可能偏好离开床时是72度、在床上但醒着时是70度,并且睡眠时是68度的环境温度。床302的控制电路334可以检测用户308在晚上的存在于床,并且确定用户308在床上过夜。响应于该确定,控制电路334可以生成控制信号,以使恒温器将温度改变到70度。控制电路334随后可以将控制信号传输到恒温器316。当检测到用户308在上床睡觉时间区域期间在床上或睡着时,控制电路334可以生成并且传输控制信号,以使恒温器316将温度改变为68。第二天早上,在确定用户在白天醒着(例如,用户308在早上6:30之后离开床)之后,控制电路334可以生成并且传输控制电路334,以使恒温器将温度改变为72度。
在一些实施方式中,或者响应于与床302的用户交互,或者在不同的预编程时间处,控制电路334可以类似地生成控制信号,以使床302的表面上的一个或更多个加热或冷却元件在不同时间改变温度。例如,当检测到用户308已经入睡时,控制电路334可以激活加热元件,以将床302的表面的一侧的温度升高到73度。作为另一个示例,在确定用户308在白天起床后,控制电路334可以关闭加热或冷却元件。作为又一个示例,用户308可以预编程床表面处的温度应该升高或降低时的各种时间。例如,用户可以对床302进行编程,以在晚上10:00将表面温度升高到76度,并在晚上11:30将表面温度降低到68度。
在一些实施方式中,响应于检测到用户308的用户存在于床和/或用户308睡着了,控制电路334可以使恒温器316将不同房间中的温度改变为不同的值。例如,响应于确定用户308在床上过夜,控制电路334可以生成并且传输控制信号,以使恒温器316将房子的一个或更多个卧室的温度设置为72度,并将其他房间的温度设置为67度。
控制电路334还可以接收来自恒温器316的温度信息,并使用该温度信息来控制床302或其他设备的功能。例如,如上所述,控制电路334可以响应于从恒温器316接收的温度信息来调整床302中所包括的加热元件的温度。
在一些实施方式中,控制电路334可以生成和传输控制信号,用于控制其他温度控制系统。例如,响应于确定用户308在白天是醒着的,控制电路334可以生成并且传输控制信号,以使地板加热元件激活。例如,控制电路334可以响应于确定用户308白天是醒着的,而使主卧室的地板加热系统开启。
控制电路334另外可以与安防系统318通信,接收来自安防系统318的信息,并生成用于控制安防系统318的功能的控制信号。例如,响应于检测到用户308在床上过夜,控制电路334可以生成控制信号以使安防系统启用或停用安防功能。控制电路334随后可以将控制信号传输到安防系统318,以使安防系统318启用。作为另一个示例,控制电路334可以响应于确定用户308在白天是醒着的(例如,用户308在早上6:00之后不再在床302上),生成并且传输控制信号,以使安防系统318禁用。在一些实施方式中,控制电路334可以响应于检测到用户308的用户存在于床,生成并且传输第一组控制信号以使安防系统318启用第一组安防特征,并且可以响应于检测到用户308已经入睡,生成并且传输第二组控制信号以使安防系统318启用第二组安防特征。
在一些实施方式中,控制电路334可以接收来自安防系统318(和/或与安防系统318相关联的云服务)的警报,并向用户308指示该警报。例如,控制电路334可以检测到用户308在床上过夜,并且作为响应生成并且传输控制信号以使安防系统318启用或停用。安防系统随后可以检测破坏安全事件(例如,有人在没有输入安全代码的情况下打开了门332,或者有人在安防系统318启用时打开了窗户)。安防系统318可以将破坏安全事件传送给床302的控制电路334。响应于接收到来自安防系统318的通信,控制电路334可以生成控制信号,向用户308警告破坏安全事件。例如,控制电路334可以使床302振动。作为另一个示例,控制电路334可以使床302的多个部分铰接式运动(例如,使头部升高或降低),以便使用户308醒来并警告用户破坏安全事件。作为另一个示例,控制电路334可以生成并且传输控制信号,以使灯326以规则间隔闪烁,以向用户308警告破坏安全事件。作为另一个示例,控制电路334可以向一张床302的用户308警告关于另一张床的卧室中的破坏安全事件,诸如儿童卧室中的打开的窗户。作为另一个示例,控制电路334可以向车库门控制器发送警报(例如,关闭并锁住门)。作为另一个示例,控制电路334可以发送安防被停用的警报。
控制电路334可以另外生成并且传输用于控制车库门320的控制信号,并且接收指示车库门320的状态(即,打开或关闭)的信息。例如,响应于确定用户308在床上过夜,控制电路334可以生成请求并将其传输到车库门开启器或能够感测车库门320是否打开的另一设备。控制电路334可以请求关于车库门320的当前状态的信息。如果控制电路334(例如,从车库门开启器)接收到指示车库门320已打开的响应,则控制电路334可以通知用户308车库门打开,或者生成控制信号以使车库门开启器关闭车库门320。例如,控制电路334可以向用户设备310发送指示车库门已打开的消息。作为另一个示例,控制电路334可以使床302振动。作为又一个示例,控制电路334可以生成并且传输控制信号,以使照明系统314使卧室中的一个或更多个灯闪烁,以警告用户308检查用户设备310是否有警报(在该示例中,是关于车库门320已打开的警报)。可替代地或附加地,响应于识别出用户308在床上过夜并且车库门320已打开,控制电路334可以生成并且传输控制信号,以使车库门开启器关闭车库门320。在一些实施方式中,控制信号可以根据用户308的年龄而变化。
控制电路334可以类似地发送和接收通信,用于控制或接收与门332或烤箱322相关联的状态信息。例如,在检测到用户308在床上过夜时,控制电路334可以生成请求并将其传输到用于检测门332的状态的设备或系统。响应于该请求而返回的信息可以指示门332的各种状态,诸如打开、关闭但未锁住、或关闭并锁住。如果门332打开或关闭但未锁住,则控制电路334可以诸如以上面参考车库门320描述的方式向用户308警告门的状态。可替代地,或者除了警告用户308之外,控制电路334可以生成并且传输控制信号,以使门332锁住,或者使门332关闭并且锁住。如果门332关闭并锁住,则控制电路334可以确定不需要进一步的动作。
类似地,在检测到用户308在床上过夜时,控制电路334可以生成请求并将其传输到烤箱322,以请求烤箱322的状态(例如,开或关)。如果烤箱322打开,则控制电路334可以警告用户308和/或生成并且传输控制信号以使烤箱322关闭。如果烤箱已经关闭,则控制电路334可以确定不需要进一步的动作。在一些实施方式中,可以为不同的事件生成不同的警报。例如,如果安防系统318已检测到破坏安全事件,则控制电路334可以使灯326(或一个或更多个其他灯,经由照明系统314)以第一模式闪烁,如果车库门320打开则以第二模式闪烁,如果门332打开则以第三模式闪烁,如果烤箱322打开则以第四模式闪烁,并且如果另一张床已经检测到该床的用户已经起床(例如,用户308的孩子已经在半夜离开床,如由孩子的床302中的传感器感测到的那样),则以第五模式闪烁。可由床302的控制电路334处理并且传送给用户的警报的其他示例包括烟雾检测器检测到烟雾(并将该烟雾检测传送给控制电路334)、一氧化碳测试仪检测到一氧化碳、加热器失灵、或来自能够与控制电路334通信并检测应引起用户308注意的事件的任何其他设备的警报。
控制电路334还可以与用于控制百叶窗330的状态的系统或设备通信。例如,响应于确定用户308在床上过夜,控制电路334可以生成并且传输控制信号,以使百叶窗330关闭。作为另一个示例,响应于确定用户308白天起床(例如,用户在早上6:30之后离开床),控制电路334可以生成并且传输控制信号,以使百叶窗330打开。与此相反,如果用户308在用户308的正常起床时间之前离开床,则控制电路334可以确定用户308白天没有醒来,并且不生成用于使百叶窗330打开的控制信号。作为又一个示例,控制电路334可以生成并且传输控制信号,该控制信号响应于检测到用户308的用户存在于床使第一组百叶窗关闭,并且响应于检测到用户308睡着使第二组百叶窗关闭。
响应于检测到与床302的用户交互,控制电路334可以生成并且传输控制信号,以用于控制其他家用设备的功能。例如,响应于确定用户308白天是醒着的,控制电路334可以生成控制信号并将其传输到咖啡机324,以使咖啡机324开始冲泡咖啡。作为另一个示例,控制电路334可以生成控制信号并将其传输到烤箱322,以使烤箱开始预热(针对喜欢早上新鲜烤面包的用户)。作为另一个示例,控制电路334可以使用指示用户308白天是醒着的信息以及指示一年中的当前时间是冬天和/或外部温度低于阈值的信息来生成并且传输控制信号,以使汽车发动机缸体加热器开启。
作为另一个示例,控制电路334可以响应于检测到用户308的用户存在于床,或者响应于检测到用户308睡着,生成并且传输控制信号,以使一个或更多个设备进入睡眠模式。例如,控制电路334可以生成控制信号,以使用户308的移动电话切换到睡眠模式。控制电路334随后可以将控制信号传输到移动电话。稍后,在确定用户308白天起床时,控制电路334可以生成并且传输控制信号,以使移动电话切换离开睡眠模式。
在一些实施方式中,控制电路334可以与一个或更多个噪声控制设备通信。例如,在确定用户308在床上过夜时,或者在确定用户308睡着时,控制电路334可以生成并且传输控制信号,以使一个或更多个噪声消除设备激活。噪声消除设备可以例如作为床302的一部分而被包括,或者与床302一起位于卧室中。作为另一个示例,在确定用户308在床上过夜或者确定用户308睡着时,控制电路334可以生成并且传输控制信号,以打开、关闭、调高或调低一个或更多个声音生成设备(诸如立体声系统收音机、计算机、平板电脑等)的音量。
另外,床302的功能由控制电路334响应于与床302的用户交互来控制。例如,床302可以包括可调整底座和铰接控制器,铰接控制器被配置成通过调整支撑床的可调整底座来调整床302的一个或更多个部分的位置。例如,铰接控制器可以将床302从平坦位置调整到床302的床垫的头部部分向上前倾的位置(例如,便于用户在床上坐起和/或看电视)。一些实施方式中,床302包括多个单独可铰接的部段。例如,床的对应于气室306a和306b的位置的部分可以彼此独立地铰接,以允许位于床302表面上的一个人在第一位置(例如,平坦位置)休息,而第二个人在第二位置(例如,头部与腰部以一定角度抬起的斜倚位置)休息。在一些实施方式中,可以为两个不同的床设置单独的位置(例如,两个相邻放置的单人床)。床302的底座可以包括可以独立调整的一个以上的区域。如上所述,铰接控制器还可以被配置成向床302上的一个或更多个用户提供不同级别的按摩,或者使床振动,以向用户308传送警报。
控制电路334可以响应于与床302的用户交互来调整位置(例如,用户308和/或床302的额外用户的斜升和下降位置)。例如,响应于感测到用户308的用户存在于床,控制电路334可以使铰接控制器将床302调整到用户308的第一斜倚位置。响应于确定用户308睡着了,控制电路334可以使铰接控制器将床302调整到第二斜倚位置(例如,较少斜倚的或平坦的位置)。作为另一个示例,控制电路334可以接收来自电视312的指示用户308已经关闭电视312的通信,并且作为响应,控制电路334可以使铰接控制器将床302的位置调整到优选的用户睡眠位置(例如,由于用户308在床上时关闭电视312,这指示用户308想要去睡觉)。
在一些实施方式中,控制电路334可以控制铰接控制器,以便使床302的一个用户醒来,而不使床302的另一个用户醒来。例如,用户308和床302的第二用户可以各自设置不同的醒来时间(例如,分别为早上6:30和早上7:15)。当到达用户308的醒来时间时,控制电路334可以使铰接控制器振动或仅改变用户308所在的床的一侧的位置,以使用户308醒来,而不打扰第二用户。当到达第二用户的醒来时间时,控制电路334可以使铰接控制器振动或者仅改变第二用户所在的床的一侧的位置。可替代地,当到了第二醒来时间时,控制电路334可以利用其他方法(诸如音频报警或开启灯)来使第二用户醒来,因为用户308已经醒来,因此当控制电路334试图使第二用户醒来时,用户308不会被打扰。
仍然参考图3,床302的控制电路334可以利用多个用户与床302交互的信息,以生成用于控制各种其他设备的功能的控制信号。例如,控制电路334可以等待生成控制信号,该控制信号例如用于启用安防系统318或者命令照明系统314关闭各个房间中的灯,直到检测到用户308和第二用户都在床302上为止。作为另一个示例,控制电路334可以生成第一组控制信号,以在检测到用户308的存在于床上时使得照明系统314关闭第一组灯,并且响应于检测到第二用户的存在于床上,生成用于关闭第二组灯的第二组控制信号。作为另一个示例,控制电路334可以等待,直到确定在生成用于打开百叶窗330的控制信号之前用户308和第二用户都是在白天醒着的为止。作为又一个示例,响应于确定用户308已经离开床并且白天是醒着的,但是第二用户仍在睡眠,控制电路334可以生成并且传输第一组控制信号,以使咖啡机324开始冲泡咖啡,使安防系统318无效,开启灯326,关闭夜灯328,以使恒温器316将一个或更多个房间中的温度升高到72度,并打开除了床302所在的卧室之外的房间中的百叶窗(例如,百叶窗330)。稍后,响应于检测到第二用户不再在床上(或者第二用户醒着),控制电路334可以生成并且传输第二组控制信号,以例如使得照明系统314打开卧室中的一个或更多个灯,使得卧室中的百叶窗打开,并且将电视312打开到预先指定的频道。
与床相关联的数据处理系统的示例
在此描述的是可以用于数据处理任务的、例如与床相关联的系统和组件的示例。在一些情况下,呈现特定组件或组件组的多个示例。这些示例中的一些是冗余的和/或互斥的选择。组件之间的连接作为示例示出,以说明允许组件之间的通信的可能网络配置。根据技术需要或期望,可以使用不同格式的连接。一般来说,连接指示可以用任何技术上可行的格式创建的逻辑连接。例如,主板上的网络可以采用印刷电路板、无线数据连接和/或其他类型的网络连接来创建。为了清楚起见,没有显示一些逻辑连接。例如,为了清楚起见,可能没有示出与电源和/或计算机可读存储器的连接,因为特定组件的许多或所有元件可能需要连接到电源和/或计算机可读存储器。
图4A是可以与床系统相关联的数据处理系统400的示例的框图,该床系统包括上面关于图1-图3描述的那些。该系统400包括泵主板402和泵子板404。系统400包括传感器阵列406,传感器阵列406可以包括一个或更多个传感器,该传感器被配置成感测环境和/或床的物理现象,并将这种感测报告回泵主板402,以用于例如分析。系统400还包括控制器阵列408,控制器阵列408可以包括一个或更多个控制器,该控制器被配置成控制床和/或环境的逻辑控制设备。泵主板400可以通过本地网络、互联网412或技术上适当的其他方式与一个或更多个计算设备414以及一个或更多个云服务410通信。下面将更详细地描述这些组件中的每一个,其中一些具有多个示例配置。
在该示例中,泵主板402和泵子板404可通信地耦合。它们可以在概念上被描述为系统400的中心或中枢,并且其他组件在概念上被描述为系统400的轮辐。在一些配置中,这可能意味着每个轮辐组件主要或专门与泵主板402通信。例如,传感器阵列的传感器可以不被配置成或者可能不能够直接与对应的控制器通信。相反,每个轮辐组件可以与主板402通信。传感器阵列406的传感器可以向主板402报告传感器读数,并且作为响应,主板402可以确定控制器阵列408的控制器应该调整逻辑控制设备的一些参数或者以其他方式修改一个或更多个外围设备的状态。在一种情况下,如果床的温度被确定为太热,则泵主板402可以确定温度控制器应该冷却床。
轮毂-轮辐网络配置(有时也被称为星型网络)的一个优点在于,与例如具有动态路由的网状网络相比,网络流量降低。如果特定的传感器生成大的、连续的流量流,则该流量可能仅通过网络的一个轮辐传输到主板402。主板402可以例如整理该数据,并将其压缩成更小的数据格式,用于重传以存储在云服务410中。附加地或可替代地,主板402可以生成单个、小的命令消息,以响应于大的流而被向下发送到网络的不同轮辐。例如,如果大的数据流是从传感器阵列406每秒传输几次的压力读数,则主板402可以用单个命令消息响应控制器阵列,以增加气室中的压力。在这种情况下,单个命令消息可以比压力读数流小几个数量级。
作为另一个优点,轮毂-轮辐网络配置可以允许可扩展网络,该可扩展网络可以容纳添加、去除、出现故障等的组件。这可以允许例如传感器阵列406中的更多、更少或不同的传感器、控制器阵列408中的控制器、计算设备414和/或云服务410。例如,如果特定的传感器出现故障或者被传感器的较新版本取代,则系统400可以被配置成使得只有主板402需要就更换传感器进行更新。这可以允许例如产品差异,其中同一主板402可以支持具有较少传感器和控制器的入门级产品、具有较多传感器和控制器的高价值产品、以及客户可以将他们自己选择的组件添加到系统400的客户个性化。
另外,气垫床产品线可以使用具有不同组件的系统400。在该产品线中的每个气垫床都包括中央逻辑单元和泵的应用中,主板402(以及可选的子板404)可以被设计成安装在单个通用的壳体内。然后,对于产品线中产品的每次升级,都可以添加额外的传感器、控制器、云服务等。与每个产品都有定制逻辑控制系统的产品线相比,根据这个基础设计产品线中的所有产品可以降低设计、制造和测试时间。
上面讨论的每个组件都可以用多种技术和配置来实现。下面,将进一步讨论每个组件的一些示例。在一些替代方案中,系统400的两个或更多个组件可以以单个替代组件实现;一些组件可以以多个单独的组件实现;和/或一些功能可以由不同的组件提供。
图4B是示出数据处理系统400的一些通信路径的框图。如前所述,主板402和泵子板404可以充当系统400的外围设备和云服务的中枢。在泵子板404与云服务或其他组件通信的情况下,来自泵子板404的通信可以通过泵主板402路由。这可以允许例如床仅具有与互联网412的单一连接。计算设备414也可以可能通过床使用的同一网关和/或可能通过不同的网关(例如,蜂窝服务提供商)而具有与互联网412的连接。
先前,描述了多个云服务410。如图4B所示,一些云服务(诸如云服务410d和410e)可以被配置成使得泵主板402可以与云服务直接通信,也就是说,主板402可以与云服务410通信,而不必使用另一云服务410作为中介。附加地或可替代地,一些云服务410(例如云服务410f)可能只能通过中间云服务(例如云服务410e)由泵主板402可获得。虽然在此没有示出,但是一些云服务410可以由泵主板402直接或间接地获得。
另外,一些或所有云服务410可以被配置成与其他云服务通信。这种通信可以包括根据任何技术上适当的格式的数据传输和/或远程函数调用。例如,一个云服务410可以请求另一个云服务410的数据的副本,例如,出于备份、协调、迁移的目的,或者用于执行计算或数据挖掘。在另一个示例中,许多云服务410可以包含根据由用户账户云410c和/或床数据云410a跟踪的特定用户来索引的数据。当访问对特定用户或床特定的数据时,这些云服务410可以与用户账户云410c和/或床数据云410a通信。
图5是主板402的示例的框图,该主板402可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,与下面描述的其他示例相比,该主板402由相对较少的零部件组成,并且可以被限制为提供相对有限的特征集。
主板包括电源500、处理器502和计算机存储器512。一般来说,电源包括用于从外部源接收电能并将其提供给主板402的组件的硬件。电源可以包括例如电池组和/或墙壁插座适配器、AC到DC转换器、DC到AC转换器、功率调节器、电容器组和/或用于提供主板402的其他组件需要的电流类型的、电压等的功率的一个或更多个接口。
一般来说,处理器502是用于接收输入、执行逻辑确定和提供输出的设备。处理器502可以是中央处理单元、微处理器、通用逻辑电路、专用集成电路、这些的组合和/或用于执行所需功能的其他硬件。
一般来说,存储器512是用于存储数据的一个或更多个设备。存储器512可以包括长期稳定的数据存储装置(例如,在硬盘上)、短期不稳定的数据存储装置(例如,在随机存取存储器上)或任何其他技术上适当的配置。
主板402包括泵控制器504和泵马达506。泵控制器504可以接收来自处理器502的命令,并且作为响应,控制泵马达506的功能。例如,泵控制器504可以接收来自处理器502的将气室压力增加0.3磅/平方英寸(PSI)的命令。作为响应,泵控制器504启用阀,使得泵马达506被配置成将空气泵送入选定的气室,并且能够将泵马达506启用对应于0.3PSI的时间长度,或者直到传感器指示压力已经增加了0.3PSI为止。在替代配置中,该消息可以指定室应该充气到目标PSI,并且泵控制器504可以启用泵马达506,直到达到目标PSI为止。
阀螺线管508可以控制泵连接到哪个气室。在一些情况下,螺线管508可以由处理器502直接控制。在一些情况下,螺线管508可以由泵控制器504控制。
主板402的远程接口510可以允许主板402与数据处理系统的其他组件通信。例如,主板402能够通过远程接口510与一个或更多个子板、与外围传感器和/或与外围控制器通信。远程接口510可以提供任何技术上适当的通信接口,包括但不限于多个通信接口,诸如WiFi、蓝牙和铜线网络。
图6是主板402的示例的框图,该主板402可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。与参照图5描述的主板402相比,图6中的主板可以包含更多的组件,并在某些应用中提供更多的功能。
除了电源500、处理器502、泵控制器504、泵马达506和阀螺线管508之外,该主板402被示出具有阀控制器600、压力传感器602、通用串行总线(USB)堆栈604、WiFi广播设备606、蓝牙低能耗(BLE)广播设备608、ZigBee广播设备610、蓝牙广播设备612和计算机存储器512。
类似于泵控制器504将来自处理器502的命令转换成用于泵马达506的控制信号的方式,阀控制器600可以将来自处理器502的命令转换成用于阀螺线管508的控制信号。在一个示例中,处理器502可以向阀控制器600发出命令,以将泵连接到气垫床中的一组气室中的特定气室。阀控制器600可以控制阀螺线管508的位置,使得泵连接到指示的气室。
压力传感器602可以读取来自气垫床的一个或更多个气室的压力读数。压力传感器602也可以进行数字传感器调节。
主板402可以包括一套网络接口,包括但不限于在此所示的那些。这些网络接口可以允许主板通过有线或无线网络与任意数量的设备(包括但不限于外围传感器、外围控制器、计算设备以及连接到互联网412的设备和服务)通信。
图7是子板404的示例的框图,该子板404可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在一些配置中,一个或更多个子板404可以连接到主板402。一些子板404可以被设计成卸载来自主板402的特定的和/或划分的任务。这可能是有利的,例如,如果特定任务是计算密集型的、专有的、或者受制于未来的修订。例如,子板404可以用于计算特定的睡眠数据度量。该度量可以是计算密集型的,并且在计算度量时在子板404上计算睡眠度量可以释放主板402的资源。附加地和/或可替代地,睡眠度量可以受制于未来的修订。为了用新的睡眠度量来更新系统400,可能仅需要替换计算该度量的子板404。在这种情况下,可以使用同一主板402和其他组件,而不需要对附加组件执行单元测试,相反地仅仅对子板404执行单元测试。
子板404被示出为具有电源700、处理器702、计算机可读存储器704、压力传感器706和WiFi广播设备708。处理器可以使用压力传感器706来收集关于气垫床的一个气室或更多个气室的压力的信息。根据该数据,处理器702可以执行算法来计算睡眠度量。在一些示例中,睡眠度量可以仅根据气室的压力来计算。在其他示例中,可以根据一个或更多个其他传感器计算睡眠度量。在需要不同数据的示例中,处理器702可以接收来自一个适当的传感器或更多个适当的传感器的数据。这些传感器可以在子板404的内部,经由WiFi广播设备708可访问,或者以其他方式与处理器702通信。一旦计算出睡眠度量,处理器702就可以将该睡眠度量报告给例如主板402。
图8是没有子板的主板800的示例的框图,该主板800可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,主板800可以执行参照图6中的主板402和图7中的子板404描述的大多数、全部或更多特征。
图9是传感阵列406的示例的框图,该传感阵列406可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。一般来说,传感器阵列406是与主板402通信但并非主板402固有的一些或所有外围传感器的概念分组。
传感器阵列406中的外围传感器可以通过主板的一个或更多个网络接口(包括但不限于USB堆栈1112、WiFi广播设备606、蓝牙低能耗(BLE)广播设备608、ZigBee广播设备610和蓝牙广播设备612,视特定传感器的配置而定)与主板402进行通信。例如,通过USB电缆输出读数的传感器可以通过USB堆栈1112进行通信。
传感器阵列406中的一些外围传感器900可以是安装在床上的900。例如,这些传感器可以嵌入到床的结构中并且与床一起销售,或者随后固定到床的结构上。其他外围传感器902和904可以与主板402通信,但是可选地不安装到床上。在一些情况下,安装在床上的传感器900中的一些或所有和/或外围传感器902和904可以共享联网硬件,包括其包含来自每个传感器的导线的导管、多线电缆或插头,当其固定到主板402时,将所有相关联的传感器与主板402连接。在一些实施例中,传感器902、904、906、908和910中的一个、一些或全部可以感测床垫的一个或更多个特征,诸如压力、温度、光、声音和/或床垫的一个或更多个其他特征。在一些实施例中,传感器902、904、906、908和910中的一个、一些或全部可以感测床垫外部的一个或更多个特征。在一些实施例中,压力传感器902可以感测床垫的压力,而传感器902、904、906、908和910中的一些或全部可以感测床垫的和/或床垫外部的一个或更多个特征。
图10是控制器阵列408的示例的框图,该控制器阵列408可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。一般来说,控制器阵列408是与主板402通信但并非主板402固有的一些或所有外围控制器的概念分组。
控制器阵列408中的外围控制器可以通过主板的一个或更多个网络接口(包括但不限于USB堆栈1112、WiFi广播设备1114、蓝牙低能耗(BLE)广播设备1116、ZigBee广播设备610和蓝牙广播设备612,视特定传感器的配置而定)与主板402进行通信。例如,通过USB电缆接收命令的控制器可以通过USB堆栈1112进行通信。
控制器阵列408中的一些控制器可以是安装在床上的1000,包括但不限于温度控制器1006、光控制器1008和/或扬声器控制器1010。例如,这些控制器可以嵌入到床的结构中并且与床一起销售,或者随后固定到床的结构上。其他外围控制器1002和1004可以与主板402通信,但是可选地不安装到床上。在一些情况下,安装在床上的控制器1000中的一些或所有和/或外围控制器1002和1004可以共享联网硬件,包括其包含对于每个控制器的导线的导管、多线电缆或插头,当其固定到主板402时,将所有相关联的控制器与主板402连接。
图11是计算设备414的示例的框图,该计算设备414可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。计算设备414可以包括例如床的用户使用的计算设备。示例计算设备414包括但不限于移动计算设备(例如,移动电话、平板计算机、膝上型电脑)和台式计算机。
计算设备414包括电源1100、处理器1102和计算机可读存储器1104。用户输入和输出可以通过例如扬声器1106、触摸屏1108或其他未示出的组件(诸如定点设备或键盘)来传输。计算设备414可以运行一个或更多个应用1110。这些应用可以包括例如允许用户与系统400交互的应用。这些应用可以允许用户查看关于床的信息(例如,传感器读数、睡眠度量),或者配置系统400的行为(例如,设置床的期望硬度,设置对于外围设备的期望行为)。在一些情况下,计算设备414可以被用于补充或代替先前描述的遥控器122。
图12是示例床数据云服务410a的框图,其可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,床数据云服务410a被配置成收集来自特定的床的传感器数据和睡眠数据,并且在生成传感器数据和睡眠数据时将传感器数据和睡眠数据与使用床的一个或更多个用户进行匹配。
床数据云服务410a被示出为具有网络接口1200、通信管理器1202、服务器硬件1204和服务器系统软件1206。另外,床数据云服务410a被示出为具有用户识别模块1208、设备管理模块1210、传感器数据模块1212和高级睡眠数据模块1214。
一般来说,网络接口1200包括用于允许一个或更多个硬件设备通过网络通信的硬件和低级软件。例如,网络接口1200可以包括网卡、路由器、调制解调器和允许床数据云服务410a的组件通过例如互联网412相互通信以及与其他目的地通信所需的其他硬件。一般来说,通信管理器1202包括在网络接口1200之上操作的硬件和软件。这包括启动、维护和拆除床数据云服务410a使用的网络通信的软件。这包括例如TCP/IP、SSL或TLS、Torrent和局域网或广域网上的其他通信会话。通信管理器1202还可以向床数据云服务410a的其他元件提供负载平衡和其他服务。
服务器硬件1204通常包括用于实例化和维护床数据云服务410a的物理处理设备。该硬件包括但不限于处理器(例如,中央处理单元、ASIC、图形处理器)和计算机可读存储器(例如,随机存取存储器、稳定硬盘、磁带备份)。一个或更多个服务器可以配置成集群、多计算机或数据中心,它们在地理上可以是分开的或是连接的。
一般来说,服务器系统软件1206包括在服务器硬件1204上运行以向应用和服务提供操作环境的软件。服务器系统软件1206可以包括在真实服务器上运行的操作系统、在真实服务器上实例化以创建许多虚拟服务器的虚拟机、服务器级操作(诸如数据迁移、冗余和备份)。
用户识别1208可以包括或引用与数据处理系统相关联的床的用户相关的数据。例如,用户可以包括客户、所有者或者向床数据云服务410a或另一服务注册的其他用户。每个用户可以具有例如唯一的标识符、用户证书、联系人信息、账单信息、人口统计信息或任何其他技术上适当的信息。
设备管理器1210可以包括或引用与数据处理系统相关联的床或其他产品相关的数据。例如,床可以包括在与床数据云服务410a相关联的系统中销售或注册的产品。每张床可以具有例如唯一标识符、型号和/或序列号、销售信息、地理信息、配送信息、相关联的传感器和控制外围设备的列表等。此外,由床数据云服务410a存储的一个索引或多个索引可以识别与床相关联的用户。例如,这个索引可以记录将一张床销售给用户、睡在床上的用户等。
传感器数据1212可以记录由与数据处理系统相关联的床记录的原始或压缩的传感器数据。例如,床的数据处理系统可以具有温度传感器、压力传感器和光传感器。来自这些传感器的读数(无论是采用原始形式的还是采用从传感器的原始数据(例如睡眠度量)生成的格式的)可以由床的数据处理系统传送到床数据云服务410a,以存储在传感器数据1212中。另外,床数据云服务410a存储的一个索引或更多个索引可以识别与传感器数据1212相关联的用户和/或床。
床数据云服务410a可以使用任何其可用的数据来生成高级睡眠数据1214。一般来说,高级睡眠数据1214包括睡眠度量和从传感器读数生成的其他数据。这些计算中的一些可以在床数据云服务410a中执行,而不是在床的数据处理系统本地执行,例如,因为这些计算在计算上是复杂的,或者需要大量的存储器空间或处理器能力,而这些在床的数据处理系统上是不可得的。这可以有助于允许床系统采用相对简单的控制器进行操作,并且仍然作为执行相对复杂的任务和计算的系统的一部分。
图13是示例睡眠数据云服务410b的框图,该睡眠数据云服务410b可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,睡眠数据云服务410b被配置成记录与用户的睡眠体验相关的数据。
睡眠数据云服务410b被示出为具有网络接口1300、通信管理器1302、服务器硬件1304和服务器系统软件1306。另外,睡眠数据云服务410b被示出为具有用户识别模块1308、压力传感器管理器1310、基于压力的睡眠数据模块1312、原始压力传感器数据模块1314和非压力睡眠数据模块1316。
压力传感器管理器1310可以包括或引用与床中的压力传感器的配置和操作相关的数据。例如,该数据可以包括特定床中传感器类型的标识符、它们的设置和校准数据等。
基于压力的睡眠数据1312可以使用原始压力传感器数据1314来计算与压力传感器数据特别相关的睡眠度量。例如,用户的存在、运动、体重变化、心率和呼吸率都可以根据原始压力传感器数据1314来确定。另外,由睡眠数据云服务410b存储的一个索引或更多个索引可以识别与压力传感器、原始压力传感器数据和/或基于压力的睡眠数据相关联的用户。
非压力睡眠数据1316可以使用其他数据源来计算睡眠度量。例如,用户输入的偏好、光传感器读数和声音传感器读数都可以用来跟踪睡眠数据。另外,由睡眠数据云服务410b存储的一个索引或更多个索引可以识别与其他传感器和/或非压力睡眠数据1316相关联的用户。
图14是示例用户账户云服务410c的框图,该用户账户云服务410c可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,用户账户云服务410c被配置成记录用户列表并识别与这些用户相关的其他数据。
用户账户云服务410c被示出为具有网络接口1400、通信管理器1402、服务器硬件1404和服务器系统软件1406。另外,用户账户云服务410c被示出为具有用户识别模块1408、购买历史模块1410、参与模块1412和应用使用历史模块1414。
用户识别模块1408可以包括或引用与数据处理系统相关联的床的用户相关的数据。例如,用户可以包括客户、所有者或者向用户账户云服务410a或另一服务注册的其他用户。每个用户可以具有例如唯一的标识符、以及用户证书、人口统计信息或任何其他技术上适当的信息。
购买历史模块1410可以包括或引用与用户购买相关的数据。例如,购买数据可以包括销售的联系人信息、账单信息和销售人员信息。另外,由用户账户云服务410c存储的一个索引或更多个索引可以识别与购买相关联的用户。
参与1412可以跟踪用户与床和/或云服务的制造商、供应商和/或管理者的交互。该参与数据可以包括通信(例如,电子邮件、服务呼叫)、销售数据(例如,销售收据、配置日志)和社交网络交互。
使用历史模块1414可以包含关于与一个或更多个应用和/或床的遥控器的用户交互的数据。例如,监测和配置应用可以被分发,以在例如计算设备412上运行。该应用可以记录和报告用户交互,以存储在应用使用历史模块1414中。另外,由用户账户云服务410c存储的一个索引或更多个索引可以识别与每个日志条目相关联的用户。
图15是示例销售点云服务1500的框图,该销售点云服务1500可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,销售点云服务1500被配置成记录与用户购买相关的数据。
销售点云服务1500被示出为具有网络接口1502、通信管理器1504、服务器硬件1506和服务器系统软件1508。另外,销售点云服务1500被示出为具有用户识别模块1510、购买历史模块1512和设置模块1514。
购买历史模块1512可以包括或引用与用户识别模块1510中识别出的用户进行的购买相关的数据。购买信息可以包括例如销售数据、价格以及销售地点、交货地址以及用户在销售时选择的配置选项。这些配置选项可以包括由用户做出的关于他们希望如何设置他们新购买的床的选择,并且可以包括例如预期的睡眠时间表、他们已经或将要安装的外围传感器和控制器的列表等。
床设置模块1514可以包括或引用与用户购买的床的安装相关的数据。床设置数据可以包括例如床交货的日期和地址、接受交货的人、交货时应用于床的配置、将睡在床上的一个人或更多个人的名字、每个人将使用床的哪一侧等。
在销售点云服务1500中记录的数据可以被用户的床系统在晚些时候引用,以根据在销售点云服务1500中记录的数据,控制床系统的功能和/或向外围组件发送控制信号。这可以允许销售人员在销售点收集来自用户的信息,这有助于床系统稍后的自动化。在一些示例中,床系统的一些或所有方面可以自动化,在销售点之后很少需要或不需要用户输入的数据。在其他示例中,在销售点云服务1500中记录的数据可以结合从用户输入的数据中收集的各种附加数据来使用。
图16是示例环境云服务1600的框图,该环境云服务1600可以用于可与床系统(包括上面关于图1-图3描述的那些)相关联的数据处理系统。在该示例中,环境云服务1600被配置成记录与用户的家居环境相关的数据。
环境云服务1600被示出为具有网络接口1602、通信管理器1604、服务器硬件1606和服务器系统软件1608。另外,环境云服务1600被示为具有用户识别模块1610、环境传感器模块1612和环境因素模块1614。
环境传感器模块1612可以包括在用户识别模块1610中的用户已经安装在他们床中的传感器的列表。这些传感器包括可以检测环境变量的任何传感器——光传感器、噪声传感器、振动传感器、恒温器等。此外,环境传感器模块1612可以存储来自那些传感器的历史读数或报告。
环境因素模块1614可以包括基于环境传感器模块1612中的数据生成的报告。例如,对于用户,利用光传感器与在环境传感器模块1612中的数据,环境因素模块1614可以保存这样的报告:该报告指示当用户睡着时增加照明的实例的频率和持续时间。
在此讨论的示例中,每个云服务410被示出为具有一些相同的组件。在各种配置中,这些相同的组件可以是在服务之间部分或全部共享的,或者它们也可以是单独的。在一些配置中,每个服务可以有在一些方面相同或不同的一些或所有组件的单独的副本。此外,这些部件仅作为说明性示例被提供。在其他示例中,每个云服务可以具有在技术上可行的不同数量、类型和风格的部件。
图17是使用可与床(诸如本文所述的床系统的床)相关联的数据处理系统来自动化床周围的外围设备的示例的框图。在此示出了在泵主板402上运行的行为分析模块1700。例如,行为分析模块1700可以是在计算机存储器512上存储的并由处理器502执行的一个或更多个软件组件。一般来说,行为分析模块1700可以收集来自各种源(例如,传感器、非传感器本地源、云数据服务)的数据,并使用行为算法1702来生成将要采取的一个或更多个动作(例如,将命令发送到外围控制器、将数据发送到云服务)。例如,这在跟踪用户行为以及使设备与用户的床的通信自动化方面是有用的。
行为分析模块1700可以收集来自任何技术上适当的源的数据,例如,收集关于床的特征、床的环境和/或床的用户的数据。一些这样的源包括传感器阵列406中的任何传感器。例如,该数据可以向行为分析模块1700提供关于床周围环境的当前状态的信息。例如,行为分析模块1700可以访问来自压力传感器902的读数,以确定床中气室的压力。根据该读数以及潜在的其他数据,可以确定用户在床上的存在。在另一个示例中,行为分析模块可以访问光传感器908来检测床的环境中的光量。
类似地,行为分析模块1700可以访问来自云服务的数据。例如,行为分析模块1700可以访问床云服务410a,以访问历史传感器数据1212和/或高级睡眠数据1214。行为分析模块1700可以访问其他云服务410,包括先前未描述的那些。例如,行为分析模块1700可以访问天气报告服务、第三方数据提供商(例如,交通和新闻数据、紧急广播数据、用户旅行数据)和/或时钟和日历服务。
类似地,行为分析模块1700可以访问来自非传感器源1704的数据。例如,行为分析模块1700可以访问本地时钟和日历服务(例如,主板402的或处理器502的组件)。
行为分析模块1700可以汇总并且准备该数据,以供一个或更多个行为算法1702使用。行为算法1702可以用于学习用户的行为和/或基于所访问的数据的状态和/或预测的用户行为来执行某个动作。例如,行为算法1702可以使用可得的数据(例如,压力传感器、非传感器数据、时钟和日历数据)来创建用户每晚何时上床睡觉的模型。稍后,可以使用相同或不同的行为算法1702来确定气室压力的增加是否可能指示用户将要上床睡觉,并且如果是,则向第三方云服务410发送一些数据和/或启用设备,举几个例子,诸如泵控制器504、底座致动器1706、温度控制器1008、床下照明1010、外围控制器1002或外围控制器1004。
在所示的示例中,行为分析模块1700和行为算法1702被示出为主板402的组件。然而,其他配置是可能的。例如,相同或类似的行为分析模块和/或行为算法可以在一个或更多个云服务中运行,并且最终输出可以被发送到主板402、控制器阵列408中的控制器或者任何其他技术上适当的接收方。
图18示出了可用于实现在此描述的技术的计算设备1800的示例和移动计算设备的示例。计算设备1800旨在表示各种形式的数字计算机,诸如膝上型计算机、台式计算机、工作站、个人数字助理、服务器、刀片服务器、大型机和其他适当的计算机。移动计算设备旨在表示各种形式的移动设备,诸如个人数字助理、蜂窝电话、智能电话和其他类似的计算设备。在此示出的组件、它们的连接和关系以及它们的功能仅仅意味着是示例性的,并且并不意味着限制本文件中描述和/或要求保护的发明的实施方式。
计算设备1800包括处理器1802、存储器1804、存储设备1806、连接到存储器1804和多个高速扩展端口1810的高速接口1808、以及连接到低速扩展端口1814和存储设备1806的低速接口1812。处理器1802、存储器1804、存储设备1806、高速接口1808、高速扩展端口1810和低速接口1812中的每一个都使用各种总线互连,并且可以安装在公共主板上或者以其他适当的方式安装。处理器1802可以处理用于在计算设备1800内执行的指令(包括在存储器1804中或在存储设备1806上存储的指令),以在外部输入/输出设备(诸如耦合到高速接口1808的显示器1816)上显示GUI的图形信息。在其他实施方式中,可以适当地使用多个处理器和/或多个总线,以及多个存储器和存储器类型。此外,可以连接多个计算设备,其中,每个设备提供部分的必要操作(例如,作为服务器库、一组刀片服务器、或多处理器系统)。
存储器1804存储计算设备1800内的信息。在一些实施方式中,存储器1804是一个易失性存储器单元或更多个易失性存储器单元。在一些实施方式中,存储器1804是一个非易失性存储器单元或更多个非易失性存储器单元。存储器1804也可以是另一种形式的计算机可读介质,诸如磁盘或光盘。
存储设备1806能够为计算设备1800提供大容量存储。在一些实施方式中,存储设备1806可以是或者可以包含计算机可读介质(诸如软盘设备、硬盘设备、光盘设备或磁带设备、闪存或其他类似的固态存储设备)或者设备阵列(包括存储区域网络或其他配置中的设备)。计算机程序产品可以被有形地体现在信息载体中。该计算机程序产品也可以包含指令,当被执行时,该指令执行一种或更多种诸如上文所述的方法。计算机程序产品也可以被有形地体现在计算机可读介质或机器可读介质(诸如存储器1804、存储设备1806或处理器1802上的存储器)中。
高速接口1808管理计算设备1800的带宽密集型操作,而低速接口1812管理较低带宽密集型操作。这种功能的分配仅仅是示例性的。在一些实施方式中,高速接口1808耦合到存储器1804、显示器1816(例如,通过图形处理器或加速器),并且耦合到可以接受各种扩展卡(未示出)的高速扩展端口1810。在该实施方式中,低速接口1812耦合到存储设备1806和低速扩展端口1814。低速扩展端口1814可以包括各种通信端口(例如,USB、蓝牙、以太网、无线以太网),可以例如通过网络适配器耦合到一个或更多个输入/输出设备(诸如键盘、定点设备、扫描仪)或联网设备(诸如交换机或路由器)。
如图所示,计算设备1800可以以多种不同的形式实现。例如,它可以被实现为标准服务器1820,或者在一组这样的服务器中多次实现。另外,它可以以个人计算机(诸如膝上型计算机1822)的方式实现。它也可以被实现为机架服务器系统1824的一部分。可替代地,计算设备1800中的组件可以与移动设备(诸如移动计算设备1850)中的其他组件(未示出)组合。每个这样的设备可以包含计算设备1800和移动计算设备1850中的一个或更多个,并且整个系统可以由彼此通信的多个计算设备组成。
移动计算设备1850包括处理器1852、存储器1864、输入/输出设备(诸如显示器1854)、通信接口1866和收发器1868等组件。移动计算设备1850也可以设置有存储设备(诸如微驱动器或其他设备),以提供额外的存储。处理器1852、存储器1864、显示器1854、通信接口1866和收发器1868中的每一个都使用各种总线互连,并且其中的几个组件可以安装在公共主板上或者以其他适当的方式安装。
处理器1852可以执行移动计算设备1850内的指令,包括在存储器1864中存储的指令。处理器1852可以被实现为芯片的芯片组,其包括单独且多个模拟处理器和数字处理器。处理器1852可以提供例如移动计算设备1850的其他组件的协调,诸如用户界面的控制、移动计算设备1850的应用运行以及移动计算设备1850的无线通信。
处理器1852可以通过耦合到显示器1854的显示接口1856和控制接口1858与用户通信。显示器1854可以是例如TFT(薄膜晶体管液晶显示器)显示器或OLED(有机发光二极管)显示器或其他适当的显示技术。显示接口1856可以包括用于驱动显示器1854向用户呈现图形和其他信息的适当的电路。控制接口1858可以接收来自用户的命令,并将其转换,以提交给处理器1852。另外,外部接口1862可以提供与处理器1852的通信,以便实现移动计算设备1850与其他设备的近区通信。外部接口1862可以例如在一些实施方式中提供有线通信,或者在其他实施方式中提供无线通信,并且也可以使用多个接口。
存储器1864存储移动计算设备1850内的信息。存储器1864可以被实现为在一个计算机可读介质或更多个计算机可读介质、一个易失性存储器单元或更多个易失性存储器单元、一个非易失性存储器单元或更多个非易失性存储器单元中的一个或更多个。扩展存储器1874也可被提供,并通过扩展接口1872被连接到移动计算设备1850,扩展接口1872可以包括例如SIMM(单列直插存储器模块)卡接口。扩展存储器1874可以为移动计算设备1850提供额外的存储空间,或者也可以存储移动计算设备1850的应用或其他信息。具体来说,扩展存储器1874可以包括执行或补充上述过程的指令,并且还可以包括安全信息。因此,例如,扩展存储器1874可以作为移动计算设备1850的安全模块来提供,并且可以用允许安全使用移动计算设备1850的指令来编程。另外,可以经由SIMM卡提供安全应用以及附加信息,诸如以不可破解的方式在SIMM卡上放置识别信息。
如下所述,存储器可以包括例如闪存和/或NVRAM存储器(非易失性随机存取存储器)。在一些实施方式中,计算机程序产品被有形地体现在信息载体中。该计算机程序产品包含指令,当被执行时,该指令执行一种或更多种诸如以上所述的方法。计算机程序产品可以是计算机可读介质或机器可读介质(诸如存储器1864、扩展存储器1874或处理器1852上的存储器)。在一些实施方式中,计算机程序产品可以例如通过收发器1868或外部接口1862以传播的信号的方式被接收。
移动计算设备1850可以通过通信接口1866进行无线通信,通信接口1866可以在必要时包括数字信号处理电路。通信接口1866可以提供各种模式或协议下的通信,诸如GSM语音呼叫(全球移动通信系统)、SMS(短消息服务)、EMS(增强型消息服务)、或MMS消息服务(多媒体消息服务)、CDMA(码分多址)、TDMA(时分多址)、PDC(个人数字蜂窝电话)、WCDMA(宽带码分多址)、CDMA2000或GPRS(通用分组无线业务)等。可以例如通过使用射频的收发器1868进行这种通信。另外,可以进行短距离通信,诸如使用蓝牙、WiFi或其他这种收发器(未示出)。另外,GPS(全球定位系统)接收器模块1870可以向移动计算设备1850提供额外的导航相关的以及位置相关的无线数据,其可以被运行在移动计算设备1850上的应用适当地使用。
移动计算设备1850还可以使用音频编解码器1860可听见地通信,音频编解码器1860可以接收来自用户的语音信息,并将其转换成可用的数字信息。音频编解码器1860同样可以生成用户诸如通过例如在移动计算设备1850的手机中的扬声器可听见的声音。这种声音可以包括来自语音电话呼叫的声音,可以包括录制的声音(例如,语音消息、音乐文件等)并且还可以包括由在移动计算设备1850上操作的应用生成的声音。
如图所示,移动计算设备1850可以以多种不同的形式实现。例如,它可以被实现为蜂窝电话1880。它也可以被实现为智能电话1882、个人数字助理或其他类似移动设备的一部分。
在此描述的系统和技术的各种实施方式可以以在数字电子电路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或它们的组合的方式实现。这些各种实施方式可以包括以在可编程系统上可执行和/或可解释的一个或更多个计算机程序方式的实施方式,该可编程系统包括至少一个可编程处理器、至少一个输入设备和至少一个输出设备,该可编程处理器可以是专用的或者是通用的,被耦合以从存储系统接收数据和指令并且向存储系统传输数据和指令。
这些计算机程序(也被称为程序、软件、软件应用或代码)包括用于可编程处理器的机器指令,并可以用高级过程和/或面向对象编程语言和/或用汇编/机器语言来实现。如在本文使用的,术语机器可读介质和计算机可读介质指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/设备(例如磁盘、光盘、存储器、可编程逻辑设备(PLD)),包括接收机器指令作为机器可读信号的机器可读介质。术语机器可读信号指用于向可编程处理器提供机器指令和/或数据的任何信号。
为了提供与用户的交互,在此描述的系统和技术可以在计算机上实现,该计算机具有用于向用户显示信息的显示设备(例如CRT(阴极射线管)或LCD(液晶显示器)监视器)以及键盘和定点设备(例如鼠标或轨迹球),用户可以通过该定点设备向计算机提供输入。也可以使用其他类型的设备来提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈或触觉反馈);并且来自用户的输入可以是以任何形式(包括声、语音或触觉输入)接收的。
可以在计算系统中实现在此描述的系统和技术,该计算系统包括后端组件(例如作为数据服务器)或包括中间件组件(例如应用服务器)或包括前端组件(例如具有图形用户界面或网络浏览器的客户端计算机,用户可以通过图形用户界面或网络浏览器与在此描述的系统和技术的实施方式交互)或这样的后端组件、中间件组件或前端组件的任意组合。系统的组件可由数字数据通信的任何形式或介质(例如通信网络)互连。通信网络的例子包括局域网(LAN)、广域网(WAN)和互联网。
计算系统可以包括客户端和服务器。一般来说,客户端和服务器远离彼此且通常通过通信网络进行交互。客户端和服务器的关系依靠在相应的计算机上运行并彼此具有客户端-服务器关系的计算机程序来产生。
图19是用于训练分类器的数据的示意图1900。在图1900中,心冲击描记术数据流1902被用于生成一个或更多个机器学习分类器,该分类器可以被用于将尚未看到的心冲击描记术数据分类为与呼吸相关的分类(例如,健康相对呼吸事件)。例如,这可以允许个人家中的床进行操作,以检测该人可能正在经历呼吸疾病的症状的可能性。
BCG 1902被示出为具有正常呼吸时期1902和阻塞呼吸时期1904。读者将会理解,时期1902和时期1904是为了引起读者的注意而提出的,可能不会被明确地标记为正常或阻塞,至少在最初是这样。
用于识别呼吸疾病的分类器的训练可以包括多层机器学习网络和架构。BCG 1902可以被预处理并准备用于卷积神经网络(CNN)1906的训练。通常,CNN 1906可以被用于从预处理的BCG 1902中提取可在频谱(频率)域中解释的特征。在不损失一般性的情况下,我们可以将CNN层视为滤波器组。用于CNN的示例架构被示出为具有卷积、最大池化和丢失的特定布置,然而也可以使用其他结构。
CNN训练的输出随后可以被用于指定嵌入在数据1902的纵向维度中的数据的隐含关系(connotational relation)。在所示的示例中,使用了两个循环神经网络(RNN)。这两个RNN 1908允许使用同一时期(例如,这里为10秒时间跨度)内的周围时间点的上下文来分析数据1902的点。特别地,为了学习数据1902中时间步长之间的相关性,使用了一对门控循环单元(GRU)/长短期记忆(LSTM)RNN。然而,也可以使用其他结构。
来自GRU/LSTM的输出1910在1912-1916中进行后处理,以便创建可用的分类器。GRU/LSTM的输出1910可以首先被连接。注意,在所示的示例中,来自两个网络中每一个的多个节点的输出被连接。因此,对于后处理的数据1910中的任何特定时间点,在每个网络1910中一个存在两个输出节点(用于正时间方向(正向状态)和负时间方向(反向状态))。这两个节点的输出可以被聚合(例如,平均值或总和)以创建该时间段的单个值,或者可以彼此连接。然后,每个时间段的值被连接成单个连续的数据流。然后数据被展平1914。例如,可以将数据修改为单个数组中的数据。最终输出块1916可以执行操作,诸如标准化数据(例如,修改数据以使其具有特定的平均值和标准偏差)、修正线性激活以及最后指定输入时期是正常呼吸或异常呼吸的概率的密集层。然后,该最终概率确定可用作分类器的输出元素,该分类器被配置为对呼吸的时期(诸如未来的BCG数据)进行分类。
图20是用于识别呼吸疾病的数据2000的示意图。例如,数据2000可以被使用并由分类器生成,分类器如关于数据1900所描述的那样创建。
压力传感器2002或其他传感器被用于生成BCG信号2004。如将理解的,在该示例中,信号2004是BCG信号,就像数据1902一样。然而,在其他实施方式中,被用于训练分类器的数据的类型可以不同于被用于向分类器提交数据的数据的类型。例如,训练数据可以是能够被用于合成BCG信号的运动(呼吸、心脏和粗大运动)的不同测量值。或者在示例中,不同格式的训练数据1902和传感器数据2004都可以被转换成相同的中间格式。
BCG信号2004经过预处理器2206以创建经处理的BCG信号2208。在该示例中,经处理的BCG信号被下采样到40Hz,并且已经用带通滤波器滤波以去除离群数据。该经处理的BCG信号2008作为输入提供给可以生成实时分类的分类器2010。这些实时分类可以提供给纵向聚合器2012,该纵向聚合器2012可以将实时分类转换成纵向数据。例如,实时分类可以将时间的每个时期分类为健康或疾病状态,并且这些分类可以被编译成单个报告,该报告例如报告呼吸暂停低通气指数(AHI)、仅快速眼动(REM)AHI和仅深度睡眠AHI。
图21是用于识别呼吸疾病的示例过程2100的泳道图。在过程2100中,一组特定的计算组件被用于生成呼吸疾病分类器,然后使用该分类器来识别用户的疾病状态。然而,在其他示例中,可以使用其他组件。
数据源2102提供数据2112,分类器工厂2104接收数据2114。提供和接收的数据可以包括对创建呼吸疾病分类器有用的各种类型的数据。例如,数据可以包括记录人在床上的呼吸动作(例如,心脏-呼吸和运动)的呼吸数据。该呼吸数据还可以包括其他种类运动(诸如心脏活动、粗大运动(例如,移动肢体)和听觉运动(例如,说话、打鼾))的数据。在某些情况下,这可以包括从许多受试者收集的心冲击描记术(BCG)流。可以处理BCG流。例如,BCG流可以被下采样到较低的频率。在某些情况下,40Hz的频率被用作下采样目标,因为这是一个这样的频率,在该频率下,呼吸、心脏和粗大运动被保留,同时声学现象被去除。这可以允许稍后描述的CNN和RNN除了呼吸活动的信号之外,还使用心脏活动的信号和粗大运动活动的信号。这是特别有用的,因为心脏和粗大运动活动被认为示出了与一些呼吸道疾病相关联的一些症状,并且保留这些信号可以有利地改善这些操作的准确性。
由分类器工厂接收的数据还可以包括为呼吸数据定义疾病状态的标记的标记数据。例如,BCG中的时间戳范围可以被识别为显示正常呼吸、显示异常呼吸、显示呼吸暂停低通气事件的呼吸、睡眠者正在移动或从睡眠中醒来的不安睡眠呼吸。BCG和标记数据的特定数据格式可以根据数据源2102和分类器工厂2104的能力而变化。例如,数据可以采取按时间(例如,以40Hz)索引的数组的形式,其中每个单元在该时间段内保存一个或更多个BCG值,而另一个数组保存相同索引方案中的标记。然而,其他格式也是可能的。
分类器工厂使用呼吸心脏数据和标记数据生成2116呼吸疾病分类器。例如,参见数据1900。分类器工厂2104的这一生成可以包括训练卷积神经网络(CNN),该卷积神经网络被配置成使用:i)呼吸数据和ii)标记数据作为输入。该CNN还被配置成生成中间数据供分类器的后续元素使用。通常,该CNN被配置成对呼吸数据执行特征提取,并且因此,中间数据包括呼吸数据的提取的特征。这些特征的示例可以包括但不限于呼吸率、心率、运动、睡眠质量、睡眠持续时间、安宁(restful)睡眠持续时间和入睡时间。该数据可以采取例如以二进制格式存储在磁盘上的数字数据的形式。将要理解的是,这种中间数据通常是外部观察者无法理解的形式。然而,在某些情况下,可以从呼吸数据中理解一些信息,诸如光谱类型的信息。
为了执行该训练,识别并提取BCG和训练数据中的各种时间的时期。在一个方案中,每个时期是10秒长,因为这被认为足够长以包含大多数呼吸暂停事件,但没有长到可能捕获两个呼吸暂停事件。在该方案中,每秒提取新的时期,使得除了在BCG和标记数据的开始和结束附近的时期之外,每秒包含有10个重叠的时期。
训练2116还可以包括训练被配置成使用中间数据作为输入的循环神经网络(RNN)。也就是说,CNN的输出可以被用作RNN的输入,并且RNN被配置成从提取的特征生成疾病分类。
如将理解的,RNN可能比单个RNN更复杂。在一些示例中,RNN可以包括并行工作的多个层。这些层可以包括:i)使用后来的疾病分类作为输入的前瞻性长短期记忆(LSTM)网络和ii)使用先前的疾病分类作为输入的历史LSTM网络。对于时期中的任何点,这可以允许分类,该分类考虑到时期的该时刻之前和之后的分类。
此外,RNN可以被配置成使用后处理功能来生成疾病分类。所需的特定后处理操作可以根据所使用的数据的类型和格式、可用的计算硬件能力等而变化。一个示例后处理包括将来自RNN的多个输出节点的输出连接成单个值或一组值。
分类器工厂将分类器传输2118到计算设备2106,并且计算设备2106接收2120分类器。例如,当制造计算设备2106(例如,床控制器)时,分类器被加载到计算设备2106的固件中。或者在另一个示例中,当应用被安装在计算设备2106(例如,移动电话或家用计算机)上时,应用可以包括或下载分类器。
床的压力传感器2108感测2122用户在床垫上的压力。例如,当用户躺在床上、睡在床上等时,压力传感器可以暴露于床的压力波动。这些压力波动可能不仅是用户的重量压在床上的结果,也可能是用户的运动和振动以及环境的其他元素的结果。这可以包括心脏运动、呼吸运动、粗大运动、声振动等。压力传感器2108可以基于暴露的现象生成记录在数字信号中的压力读数。在一些情况下,压力传感器2108感测床垫中气室的压力变化。在一些情况下,压力传感器2108可以感测通过床框架的一个或更多个腿传输的压力。在一些情况下,压力传感器2108可以包括放置在床垫内或床垫周围的条带、衬垫或垫子,床垫包括没有气囊的床垫。
压力传感器2108可以向计算设备2106传输2124压力读数,并且计算设备2108可以接收2126压力读数。计算设备2106可以将压力读数提交2128给呼吸疾病分类器,作为还可以包括压力读数的其他用途的操作的一部分。例如,如前所述,床控制器可以使用压力读数来确定存在于床,确定其他生物特征数据等。
计算设备2106可以从呼吸疾病分类器接收2130疾病分类。该分类可以采用多种格式。在某些情况下,分类可以是严格的布尔值(例如,健康/不健康;呼吸暂停事件/无呼吸暂停事件)。在某些情况下,分类可以包括连续值,诸如数字(例如,指示强度或置信水平)。
计算设备2106可以从针对特定睡眠会话的多个疾病分类生成2132针对夜晚睡眠的聚合AHI值。例如,计算设备2106可以将用于睡眠会话的各个时期的各种分类值编译成用于睡眠会话的单个规范时间线,每当呼吸暂停低通气在该时间线上发生时就在时间线列出来。如前所述,时期可能相互重叠,因此每个呼吸暂停低通气事件可能被记录在多个分类中。利用该单个规范时间线,计算设备2106可以生成针对睡眠会话的总体AHI值。另外或替代地,计算设备可以仅为满足特定测试的夜晚睡眠的部分创建AHI值。例如,REM-AHI被认为比完全AHI更能预测某些健康结果。因此,计算设备2106可以使用相同的规范时间线,并将其与从相同的压力读数生成的REM/NREM睡眠状态的时间线进行比较。然后,仅使用与REM睡眠同时发生的呼吸暂停低通气事件,可以计算REM-AHI值。类似地,可以创建针对深度睡眠、浅睡眠、NREM等的AHI。
计算设备2106可以从来自多个非连续睡眠会话的多个疾病分类中生成2134用户的聚合AHI值。例如,计算设备2106可以选择过去一个月中预先指定数量的睡眠会话,并计算过去一个月内睡眠者的AHI。例如,该聚合可以通过睡眠会话的长度来对那些夜晚的每个AHI进行加权,从而不考虑更长的睡眠会话。替代地,该聚合可以对每个睡眠会话进行同等的加权,使得中断的睡眠会话的影响不会降低。通过使用非连续睡眠会话,计算设备能够创建对将影响呼吸疾病的非重复事件不太敏感的聚合AHI值。例如,单次强效药物治疗可能会扰乱用户三到四个晚上的睡眠。通过仅对这些夜晚中的一个进行采样,并将它们与其他夜晚相结合,可以创建更有用的聚合AHI值。同样,疾病状态本身也可能导致睡眠中断。例如,在一个晚上,用户可能会经历呼吸暂停症状增加,这可能会扰乱第二天晚上的睡眠。简而言之,这是一个将有利地加强每晚睡眠是一个独立事件的假设的过程——这一假设在许多现实世界的情况下实际上并不成立,但在一些诊断标准中被认为是成立的。
计算设备2106向家庭自动化控制器发送2136指令,以响应于接收到疾病分类而启动家庭自动化事件。家庭自动化控制器2110可以接收2138指令并根据指令操作2140。例如,当检测到高于阈值的AHI指数时,计算设备2106可以被配置成向被设计成降低呼吸暂停事件的严重性或频率的设备发送指令。例如,计算设备2106可以向持续气道正压(CPAP)设备发送指令以改变操作,或者向床底座发送指令以抬高睡眠者的头部,或者向HVAC单元发送指令以改变环境温度和湿度。
虽然本示例讨论了呼吸暂停和AHI,但应当理解,可以对其他呼吸疾病进行分类和识别。例如,可以跟踪哮喘疾病状态、由于过敏或病毒感染引起的充血以及其他呼吸疾病状态。
Claims (24)
1.一种用于生成呼吸疾病分类器的系统,所述系统包括:
一个或更多个处理器;和
存储器,所述存储器存储指令,所述指令在由所述一个或更多个处理器执行时,使所述一个或更多个处理器执行操作,所述操作包括:
接收记录床上的人的呼吸动作的呼吸数据;
接收定义所述呼吸数据的疾病状态及疾病状态的严重性的标记的标记数据;
使用呼吸心脏数据和所述标记数据生成呼吸疾病分类器,所述生成包括:
训练卷积神经网络(CNN),所述卷积神经网络被配置成使用:i)所述呼吸数据和ii)所述标记数据作为输入,所述CNN被配置成生成中间数据;以及
训练被配置成使用所述中间数据作为输入的循环神经网络(RNN),所述RNN被配置成生成疾病分类,所述RNN包括:i)使用后来的疾病分类作为输入的前瞻性长短期记忆(LSTM)网络和ii)使用先前的疾病分类作为输入的历史LSTM网络。
2.根据权利要求1所述的系统,其中,生成所述呼吸疾病分类器包括从所述呼吸数据中提取数据的时期以用于所述CNN的训练和所述RNN的训练。
3.根据权利要求2所述的系统,其中,生成所述呼吸疾病分类器包括从所述呼吸数据中提取数据的重叠时期以用于所述CNN的训练和所述RNN的训练,使得在数据的重叠时期内执行所述CNN的训练和所述RNN的训练。
4.根据权利要求2所述的系统,其中,所述时期为10秒。
5.根据权利要求1所述的系统,其中,所述呼吸数据是用心冲击描记术(BCG)流创建的。
6.根据权利要求5所述的系统,其中,所述呼吸数据的创建包括将所述BCG流下采样至较低频率。
7.根据权利要求6所述的系统,其中,所述下采样是到40Hz。
8.根据权利要求6所述的系统,其中,所述BCG流的所述下采样去除记录在所述BCG流中的声学现象的信号。
9.根据权利要求6所述的系统,其中,所述下采样保留:i)心脏活动的信号和ii)粗大运动活动的信号,并且其中,所述CNN的训练和所述RNN的训练使用:i)所述心脏活动的信号和ii)粗大运动活动的信号。
10.根据权利要求1-9中任一项所述的系统,其中:
CNN被配置成对所述呼吸数据执行特征提取;
所述中间数据包括所述呼吸数据的提取的特征;以及
所述RNN被配置成使用所述提取的特征作为输入。
11.根据权利要求1-9中任一项所述的系统,其中,所述RNN是门控循环网络(GRU)/长短期记忆(LSTM)RNN。
12.根据权利要求1-9中任一项所述的系统,其中,所述RNN被配置成使用后处理功能来生成所述疾病分类。
13.根据权利要求1-9中任一项所述的系统,其中,所述后处理功能包括连接来自所述RNN的多个输出节点的输出。
14.根据权利要求1-9中任一项所述的系统,其中,所述疾病分类包括呼吸暂停低通气指数(AHI)值。
15.根据权利要求1-9中任一项所述的系统,其中,所述操作还包括从针对特定睡眠会话的多个疾病分类生成针对夜晚睡眠的聚合AHI值。
16.根据权利要求1-9中任一项所述的系统,其中,所述操作还包括从来自多个睡眠会话的多个疾病分类中生成针对用户的聚合AHI值,所述多个睡眠会话是包括连续或非连续睡眠会话的组中的一个。
17.一种用于确定床上的用户的疾病分类的系统,所述系统包括:
床,其具有用于支撑所述用户的床垫;
压力传感器,其配置成:
感测所述用户在所述床垫上的压力;
向计算设备传输压力读数;
计算设备,其包括一个或更多个处理器和存储器,所述计算设备被配置成执行包括以下项的操作:
接收所述压力读数;
将所述压力读数提交给呼吸疾病分类器;以及
从所述呼吸疾病分类器接收所述疾病分类。
18.根据权利要求17所述的系统,其中,所述呼吸疾病分类器通过以下方式生成:
训练卷积神经网络(CNN),所述卷积神经网络被配置成使用:i)呼吸数据和ii)标记数据作为输入,所述CNN被配置成生成中间数据;以及
训练被配置成使用所述中间数据作为输入的循环神经网络(RNN),所述RNN被配置成生成疾病分类,所述RNN包括:i)使用后来的疾病分类作为输入的前瞻性长短期记忆(LSTM)网络和ii)使用先前的疾病分类作为输入的历史LSTM网络。
19.根据权利要求18所述的系统,其中,所述呼吸疾病分类器被配置成从所述压力读数生成所述呼吸数据。
20.根据权利要求17-19中任一项所述的系统,其中,所述操作还包括向家庭自动化控制器发送指令,以响应于接收到所述疾病分类而启动家庭自动化事件。
21.根据权利要求17-19中任一项所述的系统,其中,所述操作还包括从针对特定睡眠会话的多个疾病分类生成针对夜晚睡眠的聚合AHI值。
22.根据权利要求17-19中任一项所述的系统,其中,所述操作还包括从来自多个非连续睡眠会话的多个疾病分类中生成用户的聚合AHI值。
23.根据权利要求17-19中任一项所述的系统,其中,所述床垫是气垫。
24.根据权利要求17-19中任一项所述的系统,其中,所述床垫没有气囊。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163208671P | 2021-06-09 | 2021-06-09 | |
US63/208,671 | 2021-06-09 | ||
PCT/US2022/032634 WO2022261179A1 (en) | 2021-06-09 | 2022-06-08 | Bed having features for determination of respiratory disease classification |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117461092A true CN117461092A (zh) | 2024-01-26 |
Family
ID=82694109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280041383.XA Pending CN117461092A (zh) | 2021-06-09 | 2022-06-08 | 具有用于确定呼吸疾病分类的特征的床 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20220395233A1 (zh) |
EP (1) | EP4352742A1 (zh) |
JP (1) | JP2024523012A (zh) |
KR (1) | KR20240019262A (zh) |
CN (1) | CN117461092A (zh) |
AU (1) | AU2022289713A1 (zh) |
CA (1) | CA3221585A1 (zh) |
WO (1) | WO2022261179A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112312801B (zh) | 2018-12-31 | 2023-09-15 | 数眠公司 | 具有改善睡眠的特征的家庭自动化系统 |
JP2022527875A (ja) | 2019-04-08 | 2022-06-07 | スリープ ナンバー コーポレイション | ベッド環境を感知して制御するためのシステム |
CN112351708B (zh) | 2019-04-16 | 2024-09-24 | 数眠公司 | 具有无线充电的枕头 |
US12029322B2 (en) | 2021-12-30 | 2024-07-09 | Sleep Number Corporation | Headboard with back-facing lights |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100170043A1 (en) | 2009-01-06 | 2010-07-08 | Bam Labs, Inc. | Apparatus for monitoring vital signs |
US20190209405A1 (en) * | 2018-01-05 | 2019-07-11 | Sleep Number Corporation | Bed having physiological event detecting feature |
AU2020221866A1 (en) * | 2019-02-12 | 2021-10-07 | Sleep Number Corporation | Systems and methods for generating synthetic cardio-respiratory signals |
-
2022
- 2022-06-08 WO PCT/US2022/032634 patent/WO2022261179A1/en active Application Filing
- 2022-06-08 JP JP2023575769A patent/JP2024523012A/ja active Pending
- 2022-06-08 CA CA3221585A patent/CA3221585A1/en active Pending
- 2022-06-08 AU AU2022289713A patent/AU2022289713A1/en active Pending
- 2022-06-08 US US17/835,444 patent/US20220395233A1/en active Pending
- 2022-06-08 KR KR1020247000524A patent/KR20240019262A/ko unknown
- 2022-06-08 CN CN202280041383.XA patent/CN117461092A/zh active Pending
- 2022-06-08 EP EP22747159.6A patent/EP4352742A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2022289713A1 (en) | 2023-12-14 |
EP4352742A1 (en) | 2024-04-17 |
US20220395233A1 (en) | 2022-12-15 |
KR20240019262A (ko) | 2024-02-14 |
WO2022261179A1 (en) | 2022-12-15 |
JP2024523012A (ja) | 2024-06-25 |
CA3221585A1 (en) | 2022-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112312801B (zh) | 具有改善睡眠的特征的家庭自动化系统 | |
CN111712161B (zh) | 具有确定两个睡眠者的打鼾和呼吸参数的传感器特征的床 | |
CN111770705B (zh) | 具有存在检测特征的床 | |
CN111770707B (zh) | 具有睡眠阶段检测特征的床 | |
CN111770706B (zh) | 具有打鼾检测特征的床 | |
JP7344879B2 (ja) | パートナーの応答に基づく鼾制御を備えたベッド | |
US20190201267A1 (en) | Bed having sensor fusing features useful for determining snore and breathing parameters | |
CN112118773A (zh) | 具有生理事件检测特征的床 | |
CN112367906A (zh) | 用于感测和控制床环境的系统 | |
CN115151184A (zh) | 具有用户上下文感知功能的床 | |
CN117461092A (zh) | 具有用于确定呼吸疾病分类的特征的床 | |
CN114144839A (zh) | 睡眠现象的长期感测 | |
CN117460450A (zh) | 使用机器学习技术确定实时睡眠状态 | |
CN117063242A (zh) | 具有个性化睡眠推荐特征的睡眠系统 | |
CN116806128A (zh) | 具有用于确定和修改睡眠环境的温度的特征的床 | |
CN117015328A (zh) | 基于用户睡眠状态的床垫调节 | |
CN117715584A (zh) | 具有感测睡眠者压力和生成疾病中使用的脑活动估计的特征的床 | |
CN116325020A (zh) | 具有用于跟踪睡眠者心率变异性的控制器的床 | |
CN118402011A (zh) | 具有用于个性化日间警觉性量化的功能的睡眠系统 | |
CN116322488A (zh) | 具有用于自动感测疾病状态的特征的床 | |
CN118369023A (zh) | 用于可调整床系统的打鼾检测与响应 | |
CN118434353A (zh) | 具有用于被动监测血压的特征的床 |
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 |