JP6276776B2 - 睡眠段階に応じてデバイスを制御するための電子スイッチ - Google Patents

Description

本発明は、人の睡眠段階に少なくとも応じてデバイスの機能を切り替えることにより、デバイスを制御するための電子スイッチに関する。電子スイッチは、人の身体機能をモニタリングするよう構成されたセンサから身体活動データを受信するよう構成された身体データ・インタフェースと、受信された身体活動データから人の睡眠段階を分類するよう構成された睡眠分類器であって、デバイスは、睡眠分類器により分類された人の睡眠段階に応じて制御される、睡眠分類器と、分類された睡眠段階が特定の睡眠段階のセットのうちの１つであることを少なくとも判定し、この判定に少なくとも応じて、デバイスの機能を切り替えるよう構成された制御ロジックと、を備える。

本発明は、さらに、アラーム時計、盗難警報器、及びエンタテイメント・システムに関する。

本発明は、さらに、人の睡眠段階に少なくとも応じてデバイスの機能を切り替えることにより、デバイスを制御するための方法に関する。

本発明は、さらに、コンピュータ上で実行されたときに、人の睡眠段階に少なくとも応じてデバイスの機能を切り替えることにより、デバイスを制御するためのコンピュータ・プログラムに関する。

睡眠は、通常睡眠段階において特徴付けられる生理的プロセスである。例えば、睡眠段階は、覚醒、浅い睡眠、深い睡眠、及びＲＥＭ睡眠に分類され得る。睡眠段階は、脳活動の測定及びそれら段階間の遷移から推定され得る。睡眠状態は、対象者の頭部に取り付けられた電極からの信号の記録を取る適切な機器を用いてキャプチャされた脳振動をラベリングすることにより、識別され得る。睡眠状態をアノテートする（annotate）この方法は、信頼性があり、睡眠医学の分野では、「ゴールデン・スタンダード（golden standard）」と考えられている。

人の睡眠の自動検出、及び詳細には人の特定の睡眠段階の自動分類は、多くの用途を有する。睡眠モニタリングに関して、詳細には特定の外来睡眠モニタリング及び／又は非拘束型睡眠モニタリングに関して、詳細には家庭の睡眠モニタリングに関して、脳活動から睡眠を検出するのに必要とされるであろう、人の脳の電気的活動をモニタリングするよう構成されたＥＥＧセンサの使用は、不都合があると考えられる。ＥＥＧセンサは、例えば、ヘッド・キャップ又はヘッド・バンドの形態で頭部に装着されるが、これは、自然な睡眠を妨げる。

睡眠及び／又は睡眠段階の検出は、ＥＥＧセンサ以外のセンサから、例えば、人の身体機能をモニタリングするよう構成されたセンサを用いて行われることもある。そのようなセンサは、潜在的には、ユーザにとってより快適である。例えば、接触することなく身体機能を検出する非接触センサは、わずかしか睡眠を妨げず、したがって、快適である。接触センサが望まれない場合又は可能でない場合、頭部につながれないセンサ及び／又は有線を用いて別のデバイスに接続されないセンサ、例えば、手首又は足首の周りに装着するよう構成された無線ａｃｔｉｏｍｅｔｅｒを使用することが望ましい。

しかしながら、センサが、脳を覆う人の頭部の上部に直接的に接触するよう装着される、あるいは脳を覆う人の頭部の上部の近くに装着される、脳の電気的活動をモニタリングするよう構成されたＥＥＧセンサでない場合、人の身体機能をモニタリングするよう構成されたセンサからの睡眠分類は正確性に欠ける。

対象とするユーザに関する情報を有せずに非拘束型センサを用いて睡眠段階を分類することは難しい。慣例的に、ユーザは、「一般的な」ユーザからの情報に基づいて予めトレーニングされた睡眠分類器を工場から受け取るであろう。しかしながら、非拘束的に測定され得る非ＥＥＧ特徴向けであると特に判断されるユーザ間の差異に起因して、そのようなシステムは正確性に欠ける。

人の睡眠段階に少なくとも応じてデバイスの機能をオン又はオフにするかを切り替えることにより、デバイスを制御するための改善された電子スイッチを有することは有用であろう。

人の睡眠段階に少なくとも応じてデバイスの機能を切り替えることにより、デバイスを制御するための電子スイッチが提供される。電子スイッチは、トレーニング・フェーズ中に人の脳の電気的活動をモニタリングするよう構成されたＥＥＧセンサから脳活動データを受信するよう構成されたＥＥＧデータ・インタフェースと、受信された脳活動データから人の睡眠段階を分類するよう構成されたＥＥＧ睡眠分類器と、トレーニング・フェーズ中と後続の使用フェーズ中の双方で、人の身体機能をモニタリングするよう構成された代替センサから身体活動データを受信するよう構成された身体データ・インタフェースと、代替睡眠分類器及びマシン学習システムであって、マシン学習システムは、受信された身体活動データから人の睡眠段階を分類するために、代替睡眠分類器をトレーニングするよう構成され、マシン学習システムは、ＥＥＧ睡眠分類器により分類された睡眠段階及び代替センサから受信された同時に生じる身体活動データをトレーニング・データとして使用し、使用フェーズにおいて、デバイスは、代替睡眠分類器により分類された人の睡眠段階に応じて制御される、代替睡眠分類器及びマシン学習システムと、分類された睡眠段階が特定の睡眠段階のセットのうちの１つであることを少なくとも判定し、この判定に少なくとも応じて、デバイスの機能を切り替えるよう構成された制御ロジックと、を備える。

睡眠段階のより良いより信頼性のある分類は、接触電極を用いて脳活動を検出することから取得される。代替センサから受信された同時に生じる身体活動データによる高品質睡眠分類（すなわち、高品質睡眠分類は、身体活動データが受信された時間の人の睡眠段階を示す）を組み合わせることは、高品質トレーニング・データを与える。個人に固有のトレーニング・データを用いることは、代替睡眠分類器により高い品質のトレーニングを提供する。したがって、低い個人間変動を有するセンサ及び分類を使用して、異なるタイプのセンサ、例えば、呼吸センサ、心臓センサ、若しくはＡｃｔｉｏｇｒａｐｈセンサ（ＲＨＡ）センサ及び／又は高い個人間変動を有するセンサを使用する分類器をトレーニングする。

ＥＥＧセンサの主要なデメリットは、その拘束性及び不便さであり、例えば、呼吸、心臓、及び／又はアクティグラフィ等の他のバイタル・サインから睡眠状態を推定するために多くの試みがなされた。身体機能、すなわち、呼吸、心臓、及び／又はアクティグラフィ等の身体活動データに基づく睡眠分類は、ＲＨＡセンシングと呼ばれる。例えば、体温、筋緊張等の他の身体機能も、代替センサによりモニタリングされてもよいことに留意されたい。身体活動データは、生理に関連するサインを含む。

ＲＨＡベースの分類システムを含む、ＥＥＧとは異なる身体機能からの睡眠分類のパフォーマンスは、異なる睡眠段階の信号の発現における大きな対象者間の差異により妨げられる。スイッチは、一夜以上の間「ゴールデン・スタンダード」の基準センサを用いて脳活動を（好ましくはできる限り非拘束的に）記録し、睡眠状態の観点でそれを自動的に分類し、よりユーザ・フレンドリなセンサを用いて取得された信号における睡眠状態のユーザ固有の発現を識別するための基準としてそれらを用いることにより、非ＥＥＧ分類器のパフォーマンスを向上させ得る。また、ＲＨＡは、高い個人間変動の点で劣っている。

機能をオン又はオフに切り替える電子スイッチは、特に単純であるが、効果的である。スイッチはまた、例えばあるスケールで、機能の強度を増大又は低減させることにより、切り替え得る。例えば、機能は、離散的スケールを有するよう構成され得、スイッチは、睡眠状態に応じて、スケールの次のレベルに機能を移すことができる。

使用の際、電子スイッチは、トレーニング・フェーズと、後続の使用フェーズとを有し、それらのフェーズは、１日以上にわたって拡大する。例えば、トレーニング・フェーズは、１週間とすることができる。トレーニング・フェーズ中、トレーニング・データが収集される。トレーニング・データは、受信された身体データと、ＥＥＧ睡眠分類器から取得された対応する睡眠分類データとを含む。受信された身体データは、例えば、関連する特徴を抽出し生データを破棄することにより、トレーニング・データ中で圧縮され得る。

一実施形態において、デバイスは、スイッチを介して人につながれるだけである。例えば、デバイスは、家庭用機器とすることができる。スイッチを用いて、家庭用機器が、オン又はオフにされ得る、あるいはユーザの睡眠中制御され得る。機能をオン又はオフにする代わりに、別の方法で機能を制御することができる。例えば、別の機能に切り替えてもよいし、例えば、強度を増大又は低減させてもよい（例えば、照明又は暖房）。一般的な用途は、ユーザが眠っているときに、テレビジョン又は照明等の家庭用機器をオフに切り替えることである。あるいは、ユーザが眠っているときに、盗難警報器等の家庭用機器をオンにすることである。あるいは、ユーザが起きそうになったときに、例えば、目覚ましライト、目覚ましアラーム、照明、暖房等、家庭用機器をオンにすることである。スイッチを用いて、機器を制御することができる。

電子スイッチは、例えば、電子時計といった、現在の時間を示すよう構成された時計を有するよう拡張され得る。時計を備えた電子スイッチは、睡眠段階及び時間に応じて切り替えることができる。実際、一実施形態において、スイッチは、現在の時間を示すよう構成された時計を備え、制御ロジックは、分類された睡眠段階及び現在の時間の両方に少なくとも応じて、機能を切り替えるよう構成される。そのようなスイッチを、時間に依存する時間スイッチと呼ぶことができる（タイマ・スイッチとも呼ばれる）。

一実施形態において、時間スイッチは、第１の切り替え時間期間を有するよう構成可能である。この機能は、時計により示される現在の時間が、第１の切り替え時間期間にあり、且つ分類された睡眠段階が、特定の睡眠段階のセットのうちの１つである場合に、オン又はオフに切り替えられる。睡眠依存性及び時間依存性のこの組合せは、多くの用途で効果的である。機能は、人が眠っているとき、あるいは特定の睡眠段階に到達したときのみならず、特定の時間になったときに、オンに切り替えられる必要がある。

いくつかの機能に関して、人の睡眠状態に関わらず、いくつかのポイントで、それらがオン（又は、オフ）に切り替えられることが重要である。そのことをサポートするために、時間スイッチの一実施形態は、分類された睡眠段階にかかわらず、時計により示される現在の時間が第１の切り替え時間期間の終了時である場合に、機能をオン又はオフに切り替えるよう構成可能である。

第１の切り替え時間期間は、通常、１時間、例えば、３０分、又は２時間のオーダーである。時間スイッチは、その期間が１日２４時間内の期間を示すよう構成され得、その期間は、後続の日に繰り返され得る。

一実施形態において、制御ロジックは、分類された睡眠段階が、特定の時間期間の間特定の睡眠段階のセットに依然として留まる間は、切り替えを延期するよう構成される。例えば、スイッチは、第２の時間期間を有するよう構成可能であり得る。制御ロジックは、例えば、睡眠者が、少なくとも第２の時間期間の間、睡眠段階のセット内の睡眠段階に依然として留まることを求める。第２の時間期間が終了する前に睡眠者が起きた場合は、切り替えが省略され得る。興味深いことに、人におけるトレーニングの逆効果を避けるために、例えば、制御ロジックは、例えば、第２の時間期間内でランダムに、特定の時間期間をランダムに選択することができる。第２の時間期間は、通常、例えば、２０分といった、１時間以下である。

人の睡眠段階に応じてデバイスの機能をオン又はオフに切り替えることによりデバイスを制御することは、多くの用途を有する。複数の例示的な用途が以下にリストされる。

例えば、時間スイッチが、アラーム時計とともに、あるいはアラーム時計内で使用され得る。アラーム時計は、例えば、オーディオ刺激及び／又はビジュアル刺激により、人を起こすよう構成されたデバイスを備える。制御ロジックは、人を起こすために、デバイスをオンに切り替えるよう構成される。人が、時間期間の間に特定の睡眠段階に到達すると、人は起こされる。例えば、人は、Ｎ１段階又はＮ２段階等の浅い睡眠段階に到達することを求められ得る。アラーム時計は、２つの第１の切り替え期間を使用することができる。最初の第１の切り替え期間において、人は、Ｎ１睡眠（非常に浅い睡眠段階）に到達すると、起こされる。次のオプションの２番目の第１の切り替え期間において、人は、Ｎ１又はＮ２（両方とも浅い睡眠段階）に到達すると、起こされる。２番目の第１の切り替え期間後、人は、睡眠段階にかかわらず、起こされ得る。人が起きている場合、時間スイッチは、切り替え期間を省略するよう構成され得る。

興味深いことに、スイッチの一部又は全体、例えば、少なくとも人を起こすよう構成されたデバイスは、人の耳の中に装着されるよう構成され得る。これは、対象としている人のみ起こすという利点を有する。スイッチにより起こされる人の近くで眠っている異なる人は、起こされない。したがって、異なる人は、自身を起こすための自身の睡眠依存のアラーム時計を使用することができる。スイッチは個人ユーザ向けにトレーニングされるので、これは特に効果的である。人は、人の耳の中に装着されるよう構成された耳栓を有することさえできる。耳栓は、人の脳波データを測定するための頭部電極と、測定された脳波データから人の睡眠段階を分類するよう構成された睡眠分類器と、設定可能な時間期間に予め定められた睡眠段階の人を起こすためのアラーム時計と、を備える。それでも、一般的な実施形態において、スイッチは、ベッドの近く、例えば、ベッド・スタンドに配置されるよう構成されるであろう。

例えば、スイッチが、盗難警報器内で、あるいは盗難警報器とともに使用され得る。盗難警報器は、侵入者の侵入を検出するための侵入センサと、侵入センサが侵入を検出したことに応じて、アラームを発するよう構成されたデバイスと、を備え、制御ロジックは、アラームを発するよう構成されたデバイスをオンに切り替えるよう構成される。いく人かの人にとって、遅くにベッドに行く場合、アラーム・システムをオンに切り替えることを忘れることは問題である。そのような人が、異なる時間にベッドに行く場合、非睡眠依存の時間スイッチを用いることは、不適切なことであり得る。しかしながら、家にいるユーザが眠った場合にアラームをオンに切り替えることにより、この問題が回避される。盗難警報器は、トレーニング・フェーズ中と後続の使用フェーズ中の双方で、複数の人の身体機能をモニタリングするよう構成された複数の代替センサから身体活動データを受信するよう構成された身体データ・インタフェースを備えるスイッチを使用することができる。このように、アラームは、複数の人が眠っていることを確実にすることができる。これは、時間期間と組み合され得る。例えば、システムは、夜の間だけアラームをオンにすることができる。

盗難警報器システムは、家にいる全ての人が眠っているときにアクティブ化される。ガードされた境界内の動きを追跡するセキュリティの拡張部分において、人が眠っているときのみアクティブ化される。すなわち、それは設定可能である。

最後の例として、スイッチの多くの使用のうち、スイッチが、エンタテイメント・システムとともに、あるいはエンタテイメント・システム内で使用され得る。エンタテイメント・システムは、ビデオをレンダリングするよう構成されたデバイスを備え、制御ロジックは、ビデオをレンダリングするよう構成されたデバイスをオフに切り替えるよう構成される。例えば、そのようなエンタテイメント・システムは、特に寝室において有用である。例えば、テレビジョンは、全ての視聴者が眠っている場合に、自動的にオフにされ得る。

スイッチがオン又はオフにするかは、設定可能であり得る。機能をオン又はオフに切り替えることによりデバイスを制御することは、デバイスをオン又はオフに切り替えることにより行われ得る。また、特定の睡眠段階のセットも設定可能である。例えば、それらは、セット｛Ｎ１，Ｎ２，Ｎ３，及びＲＥＭ睡眠｝から選択され得る。ＲＥＭ睡眠をＮ４とも呼ぶ。例えば、不快な目覚ましコールを回避するために、目覚ましコールは、Ｎ３段階及びＮ４段階では回避される。例えば、テレビジョンを切り替えるために、テレビジョンは、Ｎ２段階、Ｎ３段階、又はＮ４段階においてオフに切り替えられ得る。例えば、アラームは、Ｎ１段階又はそれより高い段階においてオンにされ得る。このような設定は例示的なものである。米国睡眠医学会（ＡＡＳＭ）の分類を使用することができるが、これは必須ではなく、例えば、それらの分類よりも多い睡眠段階又は少ない睡眠段階を有する他の分類を使用してもよい。

ＥＥＧセンサは、睡眠を検出するのに、且つ／あるいは睡眠段階を分類するのに適している。例えば、ＥＥＧセンサは、１以上の頭皮電極を備えることができる。頭皮電極は、人の頭皮の近くに配置されるよう、あるいは人の頭皮に直接接触するよう構成される。

興味深いことに、脳活動データから睡眠を分類することは普遍的である。これは、ＥＥＧ睡眠分類器が、例えば、工場において、いずれに対して、少なくとも人の大多数に対して機能するよう構成され得ることを意味する。ＥＥＧデータからの睡眠分類の個人間変動は小さい。しかしながら、他の身体データからの睡眠分類の個人間変動ははるかに大きい。これは、個人データを用いて、他の身体データからの睡眠分類の精度を向上させる大きな余地があることを意味する。ＥＥＧデータからの睡眠又は睡眠段階の自動分類は、様々なマシン学習技術を用いて可能である。

ＥＥＧ睡眠分類器を作成する１つの方法は、ＥＥＧデータを受け取りＥＥＧデータを手動でラベリングすることにより、ＥＥＧトレーニング・データのセットを作成することである。次いで、マシン学習アルゴリズムが、ＥＥＧトレーニング・データに適用される。請求項１に記載の電子スイッチを用いることを主張する。ＥＥＧデータを手動でラベリングする人の専門家の介入は必要とされない。

適切なマシン学習アルゴリズムは、例えば、いわゆる、サポート・ベクタ・マシン（ＳＶＭ）を含む。これは、より高い次元空間で機能し、分割超平面を用いて所与のベクトルをラベリングしようと試みる分類器である。教師あり学習方法は、トレーニング・データのセットを必要とし、未知のテスト・データをラベリングすることができるモデルを構築する。他の適切なアルゴリズムは、ニューラル・ネットワーク決定木学習を含む決定木学習を含む。マシン学習アルゴリズムを適用した結果は、パワー・スペクトル密度等の予め定められた特徴をまず計算することにより改善され得る。ＥＥＧ睡眠分類器を作成するために使用される同じマシン学習アルゴリズム又は異なるマシン学習アルゴリズムが、マシン学習システムにおいて使用され得る。ＥＥＧ睡眠分類器は、マシン学習システムの介入なく、手作業でも構築され得る。ＳＶＭを含む多くのマシン学習アルゴリズムがあることに留意されたい。

人の様々な身体機能が測定され得る。心臓情報、呼吸情報、及びａｃｔｉｏｇｒａｐｈ（動き）情報が特に効果的である。単一のセンサを使用して、複数のタイプの情報を取得することができることに留意されたい。例えば、睡眠中の人により使用される、マットレスの中又は下に取り付けられた圧力センサは、マットレス上の人により与えられる圧力を記録する。圧力センサは、人の動きに良く反応する。圧力センサが十分に精度が高いものである場合、圧力センサはまた、呼吸にも反応し、心拍にさえ反応するであろう。

記録された圧力データに対して周波数解析を行うことにより、上述した３つのタイプのデータを取得することができる。動きは低周波数部分であり、呼吸は中間周波数部分であり、心臓情報は高周波数部分である。代替的に、ロー・パス・フィルタ、ミッド・パス・フィルタ、及びハイ・パス・フィルタを使用して、圧力情報を３つの部分に分割することができる。入力データがセマンティックに意味のあるデータに分割された場合、マシン学習システムによるトレーニングは改善した。スイッチは、圧力センサから、心臓信号、呼吸信号、及び／又はａｃｔｉｎｏｇｒａｐｈｙ信号を導出するためのユニットを備えることができる。

身体データ・センサは、トレーニング・フェーズ中と後続の使用フェーズ中の双方で使用されることに留意されたい。これは、特定のさらなる負担を負わせない。というのは、身体センサは、ＥＥＧセンサよりもかなり快適なものになり得るからである。実際、一実施形態において、代替センサは、人と直接接触することなくモニタリングするよう構成される。

スイッチは、代替センシング・システムから受信されたデータ、すなわち、身体データと、ＥＥＧ睡眠分類器により作成された分類と、を収集し、受信された身体データが対応する睡眠分類を有するように、それらをマッチングする。このトレーニング・データは、高度に個人に合わせられている。というのは、このデータは、「平均的な」人ではなく、特定の人から取得されたものであるからである。

マシン学習システムは、受信された身体活動データから人の睡眠段階を分類するために、代替睡眠分類器をトレーニングする。マシン学習システムは、ＥＥＧ睡眠分類器により分類された睡眠段階及び代替センサから受信された同時に生じる身体活動データを、トレーニング・データとして使用する。

一実施形態において、代替睡眠分類器は、平均的な人に関してはすでにトレーニングされているものであり得るが、さらに、特定の人にフィットするようトレーニングされる。例えば、マシン学習システムは、代替睡眠分類器による睡眠段階の分類が代替睡眠分類器による睡眠段階の分類とより類似して合致するように代替睡眠分類器を修正することにより、代替睡眠分類器の分類を向上させるよう構成され得る。

実際、ＲＨＡベースの睡眠状態推定システム等の、モニタリングされた身体機能からの睡眠状態推定の主要な障害の１つは、ＲＨＡ信号における睡眠状態の発現の、対象者間の大きな変動にある。一夜以上にわたって脳活動（ＥＥＧ）とともにＲＨＡ信号を同時に記録することにより、ＥＥＧから推定される睡眠状態と、ＲＨＡ信号におけるそれらの発現との間のより良いリンクを構築することが可能となる。したがって、ＲＨＡシステムとともにより高い目的のＥＥＧベースのシステムを有することは、ＲＨＡベースの睡眠状態分類器のパフォーマンスを向上させ、対象者間の差異の影響を低減させる。実際、例えば、季節の変化等の対象者内の差異（intra-subject difference）を低減させるために、このシステムを使用することさえできる。ＥＥＧベースのシステムは、非接触ＲＨＡシステムよりも快適ではないという犠牲を払うが、必要とされる場合、正確な睡眠状態推定を提供することができる。例えば、時々行う再キャリブレーションに関してである。例えば、再キャリブレーションは、例えば、１年に１回若しくは２回、又は季節ごとに等、スケジュールに従って行われ得る。例えば、秋と冬の間、及び春と夏の間が、再キャリブレーションの時期として提案される。

一実施形態において、電子スイッチは、使用フェーズ中に決定された統計的基準と、トレーニング・フェーズ中に決定されたリファレンス基準とのドリフトを検出するよう構成されたドリフト検出ユニットを備える。ドリフトは、人の睡眠習慣が、睡眠段階がもはや正確ではあり得ない程度にまで変化したことを示し得る。ドリフトを検出すると、ドリフト検出ユニットは、代替睡眠分類器の再キャリブレーションのために人に伝達することができる。再キャリブレーション・ユニットは、トレーニング・フェーズの繰り返しとすることができる。

データ・ドリフト検出ユニットは、トレーニング・フェーズ中に、受信された身体活動データの統計的基準を決定し、この統計的基準をリファレンス基準として記憶するよう構成され、使用フェーズ中に、受信された身体活動データの統計的基準を決定するよう構成された統計ユニットを使用することができる。例えば、統計ユニットは、例えば、平均、標準偏差、トレーニング中に使用される身体活動データからの統計的距離等の、身体活動データの統計的基準を計算することができる。統計的基準が、以前の値から離れると、データ・ドリフト検出ユニットは、再キャリブレーションの必要性を伝達する。例えば、統計的基準が、例えば、可能であれば連続する何日間かの間に、リファレンスとして使用されている統計的基準の以前の値から、予め定められたパーセンテージ以上異なる場合、データ・ドリフト検出ユニットは、再キャリブレーションのためにユーザに伝達する。ユーザへの伝達は、ＬＥＤ又はディスプレイ等を使用し得る。

スイッチは電子デバイスであり、コンピュータ内に組み込まれ得る、あるいはコンピュータとして組み込まれ得る。

本発明のさらなる態様は、人の睡眠段階に少なくとも応じてデバイスの機能をオン又はオフに切り替えることにより、デバイスを制御するための方法に関する。この方法は、トレーニング・フェーズ中に人の脳の電気的活動をモニタリングするステップと、電子ＥＥＧ睡眠分類器により、モニタリングされた脳活動データから、人の睡眠段階を分類するステップと、トレーニング・フェーズ中と後続の使用フェーズ中の双方で、人の身体機能をモニタリングするステップと、マシン学習システムにより、モニタリングされた身体活動データから人の睡眠段階を分類するために、電子代替睡眠分類器をトレーニングするトレーニング・ステップであって、マシン学習システムは、ＥＥＧ睡眠分類器により分類された睡眠段階及び同時に生じるモニタリングされた身体活動データをトレーニング・データとして使用する、トレーニング・ステップと、代替睡眠分類器により、モニタリングされた身体活動データから人の睡眠段階を分類するステップと、代替睡眠分類器により分類された睡眠段階が、特定の睡眠段階のセットのうちの１つであることを判定するステップと、この判定に少なくとも応じて、デバイスの機能をオン又はオフに切り替えるステップと、を含む。

本発明に従った方法は、コンピュータ実施方法として、専用ハードウェアにより、又はそれらの組合せにより、コンピュータ上で実施され得る。本発明に従った方法の実行可能コードは、コンピュータ・プログラム製品に記憶され得る。コンピュータ・プログラム製品の例は、メモリ・デバイス、光記憶デバイス、集積回路、サーバ、オンライン・ソフトウェア等を含む。好ましくは、コンピュータ・プログラム製品は、コンピュータ上で実行されたときに本発明に従った方法を実行する、コンピュータ読み取り可能媒体に記憶された非一時的プログラム・コード手段を含む。

好ましい実施形態において、コンピュータ・プログラムは、コンピュータ上で実行されたときに本発明に従った方法の全てのステップを実行するよう適合されたコンピュータ・プログラム・コード手段を含む。

本発明のこれらの態様及び他の態様が、以下で説明する実施形態から明らかになり、以下で説明する実施形態を参照することで明瞭になるであろう。異なる図において同じ参照番号を有するアイテムは、同じ構造的特徴及び同じ機能を有する、あるいは同じ信号であることに留意すべきである。そのようなアイテムの機能及び／又は構造が説明される場合、詳細な説明においてその繰り返しの説明の必要はない。
睡眠段階制御システムを示すブロック図。 ＥＥＧデータ、睡眠分類データ、及び身体活動データを示す図。 睡眠依存のアラーム時計を示す図。 デバイスの睡眠依存の制御のための方法をフローチャートにおいて示す図。

本発明は、多くの異なる形の実施形態を受け入れる余地があるが、１以上の特定の実施形態が、図面に示され、本明細書において詳細に説明される。本開示は、本発明の原理の例として考えられるべきであり、本発明を、示され説明される特定の実施形態に限定する意図はないことを理解されたい。

図１は、睡眠段階制御システム（sleep stage controlled system）１００を示す概略ブロック図である。図１は、電子スイッチ１１０と、スイッチ１１０により制御されるデバイス１７０と、を示している。スイッチは、デバイス又はデバイスの機能をオン又はオンにすることができる。例えば、デバイス１７０は、例えば、ブザーといった、人を起こすためのデバイスとすることができ、スイッチ１１０は、適切な時間に、及び適切な睡眠段階においてブザーをオンにすることができる。

睡眠制御システム１００は、人の脳の電気的活動をモニタリングするよう構成されたＥＥＧセンサ１２０と、人の身体機能をモニタリングするよう構成された代替センサ１３０と、をさらに含む。ＥＥＧセンサ１２０及び代替センサ１３０は、２つの異なるセンサである。

ＥＥＧセンサは、人の頭皮に配置されるよう構成されたセンサとすることができ、複数の電極を含み得る。代替センサ１３０は、好ましくは、より快適な、例えば、非接触センサ、すなわち、人に直接接触しないセンサである、且つ／あるいは、無線センサ、すなわち、有線を介してスイッチ１１０に接続されないセンサである。代替センサ１３０の良好な選択肢は、マットレスの中又は下に配置される圧力センサである。そのような圧力センサは、非接触センサである。そのような圧力センサは、人にとって邪魔にならないので、都合がよい場合には、有線を介してスイッチ１１０に接続され得る。代替センサ１３０は、人の動きを検出するためのａｃｔｉｏｇｒａｐｈセンサであってもよい。例えば、ａｃｔｉｏｇｒａｐｈセンサは、手首又は足首等の周りに装着され得る。これは、ＥＥＧセンサよりも快適なものと考えられる。代替センサはまた、より高度なシステム、例えば、可能であれば赤外線フィルタを含むカメラを備え得る。カメラから、動き、温度等の特徴が導出され得る。

より一般的に、睡眠分類器を用いて生身体データ（raw body data）を処理する前に、生身体データから特徴を導出することが望ましいことであり得る。例えば、心臓活動を記録する心臓センサ（heart sensor）から、心拍数及び心拍数変動（heart variability）等の特徴が導出され得る。心拍数及び心拍数変動は、睡眠段階の変化に応じて、異なって変化する。生データの代わりに、２つの特徴として心拍数及び心拍数変動を用いることにより、マシン学習システムは、より高速に学習することが可能となる、例えば、代替睡眠分類器は、ＥＥＧ睡眠分類器のパフォーマンスに向かって、より高速に近付くようになる。

代替センサ１３０及びＥＥＧセンサ１２０は、スイッチ１１０に接続されているものとして示されている。スイッチ１１０は、代替センサ１３０及び／又はＥＥＧセンサ１２０が取り外し可能なように構成され得る。特に、ＥＥＧセンサ１２０は、使用フェーズにおいて使用されないので（以下参照）、ＥＥＧセンサ１２０は、好ましくは、スイッチ１１０から取り外し可能である。代替センサ１３０及びＥＥＧセンサ１２０は、（独立して示されていない）インタフェースにおいて接続されている。一実施形態において、代替センサ１３０は、ＥＥＧセンサではない。一実施形態において、代替センサ１３０は、電気的脳活動を測定するよう構成された電極を備えていない。代替センサ１３０により測定される身体機能は、睡眠及び／又は睡眠段階と相関がある。

スイッチ１１０は、受信された脳活動データから人の睡眠段階を分類するよう構成されたＥＥＧ睡眠分類器１２５を備える。ＥＥＧ睡眠分類器１２５は、スイッチ１１０が最初に使用される前に設定される。例えば、ＥＥＧ睡眠分類器１２５は、製造時に設定される、あるいは、ユーザが、ＥＥＧ睡眠分類器１２５のための設定ファイルをインストールする。後者は、ＥＥＧ睡眠分類器１２５が更新され得るという利点を有する。それらの組合せも可能である。

ＥＥＧ睡眠分類器１２５を作成するために、好ましくは、複数のバックグラウンドの複数の夜にわたった複数の睡眠中の人からのＥＥＧデータを取得し、睡眠専門家に、睡眠分類システムに従ってＥＥＧデータをラベリングさせ得る。次いで、ＥＥＧデータ用ではないマシン学習システム１４０に類似したマシン学習システムを使用して、ＥＥＧ睡眠分類器１２５をトレーニングすることができる。代替的に、ＥＥＧ睡眠分類器１２５は、睡眠専門家により示される手作りの特徴を用いるルールベースのエキスパート・システムであってもよい。

スイッチ１１０は、モニタリングされた身体機能から人の睡眠段階を分類するための代替睡眠分類器１３５を含む。代替睡眠分類器１３５は、予めトレーニングされたＥＥＧ睡眠分類器１２５のようなものであり得るが、そのパフォーマンスは、非常に劣っていると予想される。ＥＥＧデータからの睡眠分類が関係する限りにおいて、個人間の差異は小さいのに対し、非ＥＥＧデータから睡眠を分類する場合、個人間の差異はかなり大きい。

スイッチ１１０は、受信された身体活動データから人の睡眠段階を分類するための代替睡眠分類器をトレーニングするよう構成されたマシン学習システム１４０を備える。マシン学習システム１４０は、ＥＥＧデータから睡眠を分類するためのシステムをトレーニングするために使用されるマシン学習システムと構造上類似した様々な自動マシン学習システムのうちのいずれかとすることができる。マシン学習システムが、原理上、教師なし学習が可能であるとしても、利点を得るために、データを前処理するのがよいことに留意されたい。例えば、データを周波数領域、例えば、パワー・スペクトルに変換するといった周波数解析が実行され得る。例えば、データは、ロー・パス・フィルタ、ミッド・パス・フィルタ、及びハイ・パス・フィルタを用いて分割され得る。例えば、データは、例えば、ノイズを低減するために、連続的な時間間隔にわたって、例えば、３０秒ごとに平均化され得る。

スイッチ１１０は、制御ロジック１５０をさらに備える。制御ロジックは、代替睡眠分類器１３５から睡眠分類を受信する。制御ロジック１５０は、切り替えが実行されるべきか否かを判定する。任意的に、スイッチ１１０は、入力として現在の時間をスイッチ１１０に提供する時計１６０を備える。

スイッチ１１０は、多くの異なる方法で設定され得る。スイッチ１１０は、より固定的な方法で設定可能であり得る、あるいは設定され得る。スイッチ１１０は、（どんな段階でも）睡眠が検出されるとすぐに、単にデバイスをオフにすることができる、例えば、時間にかかわらず、睡眠段階にかかわらず、睡眠が検出された場合、又は、特定の睡眠段階、例えば、深い睡眠又はＲＥＭ睡眠が検出されるとすぐに、ラジエータが、オフにされ得る。しかしながら、時計１６０を用いると、より正確な設定が可能である。

例えば、制御ロジック１５０は、睡眠に依存した形で、定められた時間期間、すなわち、第１の切り替え期間の間、例えば、１９：００〜２３：００又は６：３０〜７：００等の間のみ、制御されるデバイス１７０を制御することができる。

動作中、例えば、「難しい設定なく（out of the box）」スイッチ１１０が、トレーニング・フェーズにおいて開始される。トレーニング・フェーズは、少なくとも一夜又は一夜における少なくとも完全な一睡眠サイクルであるが、より好ましくは、数日間、例えば、１週間又は１０日間である。一般に、トレーニング・フェーズが長くなると、より良いトレーニングにつながる。トレーニング・フェーズ中、ユーザは、ＥＥＧセンサ１２０及び代替センサ１３０の両方を用いて眠る。ＥＥＧセンサ１２０から受信されるＥＥＧデータは、適切な睡眠分類によりラベリングされる。トレーニング・フェーズ中、代替センサ１３０からの身体データが、対応する睡眠分類とともに取得される。複数のセンサ１３０からの身体データの複数のセットがあってもよい。また、複数の特徴が、単一のセンサから抽出されてもよい、例えば、ＲＨＡデータが、単一の圧力センサから抽出されてもよい。

トレーニング・データは、代替睡眠分類器１３５をトレーニングするために、マシン学習システム１４０により使用される。これは、例えば、トレーニング・フェーズの終了時に、又はトレーニング・データの蓄積中に、バッチで実行され得る。トレーニング・フェーズの終了時は、例えば、週の終了時といった固定時間とすることができるが、マシン学習システム１４０はまた、トレーニングの品質を示すよう構成され得、可能であればトレーニング・フェーズの最小限の期間で、例えば、３日間で、品質が最低限の品質レベルに到達したかどうかを示し得る。例えば、代替センサ１３０からのデータに基づく代替睡眠分類器１３５の睡眠分類が、例えば、９５％といった少なくとも最低限のパーセンテージ、ＥＥＧ睡眠分類器１２５の睡眠分類と合致するときである。好ましくは、統計的基準「カッパ係数（Cohen’s Kappa）」が、ＥＥＧ睡眠分類器１２５の睡眠分類と代替睡眠分類器１３５の睡眠分類との間で計算され、例えば、０．８５といった最小値を超える場合、品質は高い。マシン学習システム１４０のインジケーション時又は固定時間期間後のいくつかのポイントにおいて、トレーニング・フェーズは終了する。そのポイントにおいて、使用フェーズが開始する。その後、ユーザは、ＥＥＧセンサ１２０なしで眠り、代替センサ１３０のみを使用する。代替センサ１３０は、はるかに快適なものであり得る、且つ／あるいは邪魔にならないものであり得る。代替センサ１３０は、非接触及び／又は無線式であり得、且つ／あるいは頭部ではなく他の身体パーツに取り付けられる。代替センサ１３０が、ＥＥＧデータではなく、はるかに大きな個人間変動を有する他のデータを検出するとしても、代替睡眠分類器１３５は、パフォーマンスを相当向上させる特定の個人のためにトレーニングされる。

バッチでのトレーニングは、わずかながらより正確である。しかしながら、トレーニング・フェーズ中のトレーニングは、さらに、トレーニングが十分であるときにトレーニング・フェーズの終了を可能にし、これは、かなりの利点である。

使用フェーズにおいて、制御ロジック１５０は、睡眠分類を使用して、制御されるデバイス１７０の機能をオン又はオフに切り替えることに関する決定を行う。例えば、制御ロジック１５０は、
−例えば、開始時間及び終了時間を含む第１の切り替え期間、
−特定の睡眠段階のセット、例えば、任意の睡眠を示す｛Ｎ１，Ｎ２，Ｎ３，Ｎ４｝、例えば、｛Ｎ３，Ｎ４｝は深い睡眠又はＲＥＭ睡眠を示し、｛Ｎ１，Ｎ２｝は浅い睡眠を示す等、
−制御されるデバイス１７０の機能、
−その機能がオンにされるべきか、あるいはオフにされるべきかを示すインジケーション、
とともに、設定され得る。そのような設定の程度が望まれない場合、いくつかは取り除かれてもよい、例えば、睡眠段階のセットは、任意の睡眠のインジケーションに対して固定的であってもよい、等である。使用フェーズにおいて、ＥＥＧセンサ１２０は、スイッチ１１０によりサポートされる場合、スイッチ１１０から抜かれてもよい。トレーニング・フェーズにおいて、制御ロジック１５０は、代替睡眠分類器１３５の代わりに、ＥＥＧ睡眠分類器１２５の分類を使用してもよい。

通常、スイッチ１１０及びオプションのデバイス１７０はそれぞれ、スイッチ１１０及びオプションのデバイス１７０に記憶された適切なソフトウェアを実行するマイクロプロセッサ（図示せず）を備える。例えば、ソフトウェアは、例えば、ＲＡＭ又はフラッシュ（図示せず）等の対応するメモリにダウンロードされ記憶され得る、且つ／あるいはＲＯＭコードに配置され得る。スイッチ１１０の一部又は全ては、ハードウェアにより、例えば、集積回路を用いて実装され得ることに留意されたい。

代替センサ１３０は、全体的な身体の動きの測定値を取得するためのセンサとすることができるが、これは、心臓／呼吸機能ではなく、ＥＣＧとともに記録され得るモダリティ（modality）である。「睡眠」（睡眠段階のいずれか）と「覚醒」とを区別することは非常に有用であるが、例えば、Ｎ３（「深い睡眠」）とＲＥＭ睡眠とを区別するといった異なる睡眠段階を区別することはそれほど有用ではない。代替センサ１３０は、（心臓の）鼓動間の間隔の変動（又は、「心拍数変動」）を測定することができる。後者は、交感神経及び副交感神経の神経系の活動に大きく依存する。例えば、交感神経活動が増大し、且つ／あるいは副交感神経活動が減少するとき、これらの変動は低減される。一方、ＲＥＭ睡眠中、特にノンＲＥＭ睡眠と比較したとき、覚醒状態と匹敵するレベル（又は、覚醒状態よりしばしば高いレベル）に交感神経活動が増加することが知られている。したがって、高周波数パワー成分（例えば、０．１５〜０．４０Ｈｚ）等の心拍数変動の所定の特性は、ＲＥＭ睡眠とノンＲＥＭ睡眠とを非常に区別するものであるが、ＲＥＭ状態と「覚醒」状態とをそれほど区別するものではない。異なるセンサ、例えば、全体的な身体の動きのためのセンサと心拍数変動のためのセンサとを一緒に組み合わせると、ＥＥＧデータなしで睡眠段階を検出する精度が増大する。

本発明者らは、所定の特徴を区別するパワーが対象者に依存することを見出した。これは、（所定の医学的状態の可能な存在を含む）生理及び行動における差異の結果である。例えば：
−ベッドに横たわっているが目を覚ましている人が、その身体をあまり動かしていないと仮定する。その場合、全体的な身体の動きは、目を覚ましているときに非常に動いている人よりも違いが分からないであろう。
−心拍数変動は、年齢に大きく依存する。より若い人は、より高齢の人よりも高い心拍数変動を有する。したがって、より若い人について、より高齢の人よりも、心拍数変動に基づく特徴が、ＲＥＭ睡眠状態（又は、覚醒状態）とノンＲＥＭ睡眠状態とをより良く区別することは自然なことである。

マシン学習システムは、一方では、所与の対象者に関するこれらの特徴及び／又は他の特徴の値を計算することができ、他方では、その人に関する（推定される）睡眠段階へのアクセスを有する。統計的方法（例えば、標準化された平均差、マハラノビス距離等）を使用して、所定の特徴（又は、特徴の組合せ）がこれらの段階を良く区別する（あるいは、あまり区別しない）程度を決定することができる。

図２は、トレーニング・フェーズを示している。図２は、ここではＥＥＧ周波数スペクトルの形態のＥＥＧデータ２３０を示している。実際において、ＥＥＧ睡眠分類器１２５は、例えば、周波数解析といった、分類のために必要な処理を実行することができる。ＥＥＧデータは、顔のＰＳＧ信号であり、この信号は、乳様突起電極と目の上のポイント（顔の同じサイド）との間の電位差としてキャプチャされた脳活動を示している。

図２は、代替センサ１３０の身体データを示している。この場合、一般的なＲＨＡ信号は、手首アクティグラフィ２２０である。異なるデータ又は追加のデータが記録され得る。例えば、呼吸数が、例えば、圧力センサ又はチェスト・バンドといった胸部に直接取り付けられたセンサ等から、取得され得る。

図２の信号は、整合されている、すなわち、ヒプノグラム（睡眠経過図）が、手首オートグラフィ及び脳パワー・スペクトル信号の視覚化に対して整合されている。互いのすぐ上にあるデータ、例えば、データ２２０及びデータ２３０は、同時に検出されたものである。データは、時間期間にわたって分割されている、ここでは、便利なようにそれぞれ３０秒ごとに分割されているが、他の分割も可能であることに留意されたい。ＥＥＧ睡眠分類器１２５は、分類されたＥＥＧデータ２３０を有する。図２において、睡眠分類２１０が、色コードにより示されている。再度、互いのすぐ上にあるデータは、同時に検出されたものである。例えば、時間期間２４０において、ＥＥＧデータ２３０は、明瞭なゆっくりとした波動活動を示し、これは、色コード２１０において、深い睡眠として分類されていることに留意されたい。マシン学習システム１４０は、データ２１０及びデータ２２０をトレーニング・データとして使用することができ、ＥＥＧデータ２３０を破棄する。睡眠段階のセットがトレーニング・フェーズにおいて既知である場合、睡眠分類データ２１０は、簡略化され得る、例えば、スイッチ１１０が、睡眠の存在又は不存在にのみ依存する場合、睡眠分類データ２１０は、睡眠又は非睡眠に低減され得る。

画像から、２４０において図にマークされた深い睡眠領域は、ゆっくりとした波動脳活動においてよく表されていることが分かる。同じ時間において、手首アクティグラフィは、安定的にゼロである。この個人に関して、深い睡眠の分類は、低アクティグラフィと高い相関がある。これは、アクティグラフィを使用して、例えば、深い睡眠の発現を識別することができることを示唆しているように思われる。この特徴は、実際、深い睡眠の識別に良く反応するものであり得るが、その点で対象者ごとに著しく変わる特異性である。例えば、図２に示される低アクティグラフィと深い睡眠の分類との間の高い相関は、個人ごとに同じである必要はなく、詳細には、相関は異なり得る。（例えば、本を読んでいるため、）眠りに落ちる前に非常に静かに横になっている例示的な対象者を考えてみる。その場合、アクティグラフィも非常に低く、アクティグラフィによる、覚醒と深い睡眠との区別は非常に難しい。一方、対象者が、眠りに落ちる前に激しく動いた場合、アクティグラフィは、覚醒と深い睡眠との非常に良好な区別を提供する。例えば、覚醒と睡眠との間で、あるいは睡眠段階間で区別可能な、より多くの（ＲＨＡ）センサ及び／又は特徴を追加することにより、精度が向上され得る。１人の対象者に関して区別可能なセンサ／特徴は、別の対象者にとって必要ではない、あるいはそれほど必要とはされないことに留意されたい。これは、実際において問題とはならない。というのは、マシン学習システムは、この個人にとって区別可能な特徴を取得するからである。

したがって、（例えば、ユーザの顔に容易に配置することができる電極に基づく）拘束型接触ベースの脳活動測定デバイスに基づくと、一夜以上の後に、自動分類器を記録することは、睡眠段階分類を実行するであろう。同時に、より便利な非拘束型非接触センサは、同じ夜の間に、そのユーザからＲＨＡ信号を記録するであろう。次いで、そのような睡眠段階が、そのユーザのために測定されたＲＨＡ信号の特徴と関連付けられ、新たな分類器が、その特徴に基づいて構築され得る。後続の夜において、ユーザは、もはや、脳活動の接触ベースの測定を必要とせず、ＲＨＡ信号のモニタリングのみ必要とするだけでよいであろう。新たな分類器は、そのような信号のみを使用して、睡眠段階を自動的に分類するであろう。

一実施形態において、制御ロジックは、例えば、デバイスに機能をオンにするかオフにするかを切り替える（例えば、１つの機能から別の機能へ）よう指示する技術的制御データをデバイスに送信することにより、デバイスを制御するよう構成されるだけでなく、例えば、代替睡眠分類器又はＥＥＧ睡眠分類器に基づいて分類された睡眠段階といった、睡眠に関連する情報を記録するよう構成される。このように、前述した睡眠情報は、朝、ユーザに示され得る、あるいは、さらなる経過観察又は診断のためにアーカイブされ得る。

図３は、睡眠依存のアラーム時計３００を示している。この図は、トレーニング・フェーズ中の構成を示している。床３１２の上に立っている、マットレス３１４を有するベッド３１０が示されている。ベッド上に人が横たわっている。ＥＥＧセンサ３２０が、人の頭部に取り付けられている。この場合、ヘッド・バンドを用いて取り付けられているが、代替例は、頭部キャップ（skull cap）、グルー（glue）等を含む。この人は、自宅で一人で行うことができ、睡眠検査室に行く必要はないことに留意されたい。ＥＥＧセンサ３２０は、スイッチ３４０に取り付けられる。この場合、ＥＥＧセンサ３２０は、ＥＥＧセンサ・ケーブル３２２を介してスイッチ３４０に取り付けられるが、接続は、無線であってもよい。スイッチ３４０は、スイッチ１１０と同じ基本設計である。また、圧力マット３３０が、圧力マット・ケーブル３３２を介してスイッチ３４０に取り付けられるが、この接続も、無線であってもよい。圧力マット３３０は、マットレス３１４の下に配置されている。マットレス中に圧力センサを組み込むことも可能である。これは、圧力信号の感度を増大させ、圧力データから心電図を導出するのに特に効果的である。例えば、光センサといった、マットレスの中に組み込まれた圧力センサ等の、圧力マット以外の他の圧力センサが使用されてもよい。

スイッチ３４０は、プロセッサ３４２及びメモリ３４４を用いて実装されている。メモリは、好ましくは、不揮発性であり、メモリを使用して、プロセッサ３４２上で実行するための、スイッチ３４０の機能を実装するソフトウェアを記憶することができる。スイッチ３４０は、デバイス、すなわち、ブザー３５０を制御する。ブザー３５０は、この機能がスイッチ３４０によりオンにされたときに、人を起こすよう構成される。ブザー３５０及びスイッチ３４０は、単一のデバイスに組み込まれてもよいことに留意されたい。アラーム時計の実施形態では、スイッチ３４０は、時計３４６を備える。特定の時間に起こす以外のいくつかの他の用途では、時計は必要ない。

図示されるスイッチ３４０は、トレーニング・フェーズ中にある。スイッチ３４０は、身体センサ３３０からの圧力情報と、ＥＥＧセンサ３２０からのＥＥＧデータとを記録する。ＥＥＧデータは、メモリ３４４に配置されたＥＥＧ分類ソフトウェアにより、複数の睡眠分類段階に分類される。トレーニング・フェーズが終了すると、ＥＥＧセンサは、もはや人により使用されず、スイッチ３４０から切断されてもよい。マシン学習ソフトウェアは、圧力マット３３０から受信されたデータと、睡眠分類とを使用して、ＥＥＧ睡眠分類器により使用された同じ睡眠分類システムに従って身体データを分類するために、代替睡眠分類器をトレーニングする。

スイッチ３４０の制御ソフトウェアをプログラムして、例えば、身体データが、代替睡眠分類器により、浅い睡眠、例えば、Ｎ１又は（Ｎ１及びＮ２）として分類される場合、ブザー３５０を６：００〜６：３０の間オンにしてもよいし、代替睡眠分類器の分類にかかわらず、ブザーを６：３０〜６：３５の間オンにしてもよい。スイッチ３４０は、便利なことに、この機能をオフにするボタン、例えば、ターン・オフ・ブザー（turn off buzzer）３５０を有するよう構成され得る。

特に便利な実施形態において、ブザー３５０は、耳の中に配置されるよう構成される。例えば、スイッチ３４０は、２以上のスイッチを有するよう構成され得る。２つのスイッチは、例えば、時計、ＥＥＧ睡眠分類器自体等の同じコンポーネントを共有してもよいし、任意的に、単一のＥＥＧセンサのみ使用されてもよい。次いで、センサ３２０が、２以上のスイッチに順番に接続される。これは、例えば、スイッチ３４０が、カップルの２人の人の各々の睡眠段階を分類することができ、それらの人の各々について、睡眠分類に基づく理想的な目覚まし時間が検出されてもよいことを意味する。ブザーは耳の中に装着されるので、正しい人のみ起こされる。好ましくは、ブザーは、無線によりスイッチ３４０に接続される。耳装着型ブザーは、スイッチ及び身体センサに組み込まれてもよく、その場合、無線接続の必要はなく、各人は、自身のスイッチを有するであろう。例えば、心拍、体温、及びａｃｔｉｏｇｒａｐｈｙとしての身体機能のためのそのようなセンサは、耳栓として耳の中に配置されるよう構成され得る。

睡眠段階依存のアラーム時計は、心臓、動き、及び／又は呼吸測定デバイスのためのセンサを組み込むことができる。「難しい設定なく」システムは、測定された脳波データに基づいて睡眠段階を分類するようトレーニングされる。トレーニング・フェーズ中、システムは、１以上の心臓／動き／呼吸測定デバイスから取得されたデータのみを用いて睡眠段階を分類するために、分類された睡眠段階によりトレーニングされる。使用フェーズにおいて、システムは、頭部電極を使用せず、より単純なシステム、すなわち、１以上の心臓／動き／呼吸測定デバイスのみを使用する。アラーム時計は、分類された睡眠段階を使用して、あなたがリフレッシュされたと感じるように、「適切な睡眠段階時間」にあなたを起こす。

睡眠段階依存のアラーム時計３４０以外のスイッチ１１０の他の用途は、ホーム・エンタテイメント・システム等の機器の睡眠依存のスイッチ・オフ、及び、ハウス・アラーム・システムの睡眠依存のスイッチ・オンを含む。

図４は、人の睡眠段階に少なくとも応じてデバイスの機能をオン又はオフに切り替えることにより、デバイス１７０を制御するための方法４００をフローチャートにおいて示している。このフローチャートは、トレーニング・フェーズ４８０及び使用フェーズ４９０を示している。トレーニング・フェーズは、ステップ４１２及びステップ４１４を含む。ステップ４１２において、例えば、ＥＥＧセンサを用いて、人の脳の電気的活動をモニタリングする。ステップ４１４において、人の身体機能をモニタリングする。ステップ４１２及びステップ４１４は、同時に生じる、あるいは、少なくともかなりオーバラップする。トレーニング・フェーズのステップ４２０において、モニタリングされた脳活動データ、すなわち、ＥＥＧデータが、例えば、ＥＥＧ睡眠分類器を用いて複数の睡眠段階に分類される。最後に、モニタリングされた身体活動データとともに睡眠分類を使用して、例えば、マシン学習システムを用いて、睡眠段階を分類するために、代替睡眠分類器をトレーニングする。トレーニング・フェーズの最後において、代替睡眠分類器は、異なる人又は「平均的な」人のデータに基づいてトレーニングされるときと比較してかなり良い睡眠分類システムに従って、身体活動データを分類することができる。

使用フェーズ４９０は、ステップ４４０を含む。ステップ４４０において、代替睡眠分類器により、モニタリングされた身体活動データから人の睡眠段階を分類する。ステップ４５０において、代替睡眠分類器により分類された睡眠段階が、特定の睡眠段階のセットのうちの１つであるかが判定される。そうである場合、ステップ４６０において、デバイスの機能が、この判定に少なくとも応じて、オン又はオフに切り替えられる。例えば、時計からの時間情報又は外部情報提供システムから取得された情報等の、考えられる他のタイプの入力があってもよい。

当業者には明らかなように、この方法を実行する多くの異なる方法が可能である。例えば、これらのステップの順番は変わってもよいし、いくつかのステップが並行して実行されてもよい。さらに、これらのステップの間に、他の方法ステップが挿入されてもよい。挿入されるステップは、本明細書で説明したような方法の改良版を表し得る、あるいは、この方法とは関係がないものであり得る。例えば、ステップ４１２及びステップ４１４は、少なくとも部分的に並行して実行される。さらに、所与のステップは、次のステップが開始される前に、完全に終了していなくてもよい。

本発明に従った方法は、プロセッサ・システムに方法４００を実行させる命令を含むソフトウェアを用いて実行され得る。ソフトウェアは、システムの特定のサブエンティティにより取られるステップのみを含む。ソフトウェアは、ハード・ディスク、フロッピ、メモリ等の適切な記憶媒体に記憶され得る。ソフトウェアは、有線又は無線に沿った信号として、あるいはインターネット等のデータ・ネットワークを用いる信号として送信され得る。ソフトウェアは、ダウンロード及び／又はサーバ上でのリモート使用のために、利用可能になり得る。

本発明はまた、本発明を実施するよう適合されたコンピュータ・プログラム、詳細には、キャリア上又はキャリア内のコンピュータ・プログラムに拡張されることを理解されたい。このプログラムは、ソース・コードの形態であってもよいし、オブジェクト・コードの形態であってもよいし、部分的にコンパイルされた形態のコード中間ソース及びオブジェクト・コードの形態であってもよいし、本発明に従った方法の実装における使用に適した任意の他の形態であってもよい。コンピュータ・プログラム製品に関連する実施形態は、説明した方法のうちの少なくとも１つの処理ステップの各々に対応するコンピュータ実行可能命令を含む。そのような命令は、サブルーチンに分割されてもよいし、且つ／あるいは静的又は動的にリンクされ得る１以上のファイルに記憶されてもよい。コンピュータ・プログラム製品に関連する別の実施形態は、説明したシステム及び／又は製品のうちの少なくとも１つの手段の各々に対応するコンピュータ実行可能命令を含む。

上述した実施形態は、本発明を限定するものではなく、本発明を例示するものであり、当業者は、多くの代替実施形態を設計できることに留意すべきである。

請求項中、括弧内に配置されたいかなる参照符号も、請求項を限定するものとして解釈すべきではない。動詞「備える、含む、有する」の使用及びその活用は、請求項中に記載された要素又はステップ以外の要素又はステップの存在を排除しない。ある要素に先行する冠詞「ａ」又は「ａｎ」は、そのような要素の複数の存在を排除しない。本発明は、いくつかの別個の要素を含むハードウェア及び適切にプログラムされたコンピュータにより実施され得る。いくつかの手段を列挙するデバイスの請求項において、それら手段のうちの複数は、１つの同一のハードウェア・アイテムにより具現化され得る。所定の要素が相互に異なる従属請求項に記載されているという単なる事実は、これらの要素の組合せが有利に使用され得ないことを示すものではない。

１００ 睡眠段階制御システム
１１０ 電子スイッチ
１２０ 人の脳の電気的活動をモニタリングするよう構成されたＥＥＧセンサ
１２５ 受信された脳活動データから人の睡眠段階を分類するよう構成されたＥＥＧ睡眠分類器
１３０ 人の身体機能をモニタリングするよう構成された代替センサ
１３５ モニタリングされた身体機能から人の睡眠段階を分類するための代替睡眠分類器
１４０ 受信された身体活動データから人の睡眠段階を分類するために、代替睡眠分類器をトレーニングするよう構成されたマシン学習システム
１５０ 制御ロジック
１６０ 時計
１７０ スイッチ１１０により制御されるデバイス
２１０ 睡眠分類データ
２２０ 手首アクティグラフィ
２３０ ＥＥＧデータ
２４０ 深い睡眠を示す時間期間
３１０ ベッド
３１２ 床
３１４ マットレス
３２０ ＥＥＧセンサ
３２２ ＥＥＧセンサ・ケーブル
３３０ 圧力マット
３３２ 圧力マット・ケーブル
３５０ ブザー
３４０ スイッチ
３４２ プロセッサ
３４４ メモリ
３４６ 時計

Claims (9)

1. 盗難警報器であって、
   侵入者の侵入を検出するための侵入センサと、
   前記侵入センサが侵入を検出したことに応じて、アラームを発するよう構成されたデバイスと、
   人の睡眠段階に少なくとも応じて前記デバイスの機能を切り替えることにより、前記デバイスを制御するための電子スイッチと、
   を備え、
   前記電子スイッチは、
   前記人の脳の電気的活動をモニタリングするよう構成された脳波（ＥＥＧ）センサと、
   トレーニング・フェーズ中に前記ＥＥＧセンサから脳活動データを受信するよう構成されたＥＥＧデータ・インタフェースと、
   前記の受信された脳活動データから前記人の睡眠段階を分類するよう構成されたＥＥＧ睡眠分類器と、
   前記人の身体機能をモニタリングするよう構成された代替センサであって、前記代替センサは、前記ＥＥＧセンサとは異なる、代替センサと、
   前記トレーニング・フェーズ中と後続の使用フェーズ中との双方で、前記代替センサから身体活動データを受信するよう構成された身体データ・インタフェースと、
   代替睡眠分類器及びマシン学習システムであって、前記マシン学習システムは、前記の受信された身体活動データから前記人の睡眠段階を分類するように、前記代替睡眠分類器をトレーニングするよう構成され、前記マシン学習システムは、前記ＥＥＧ睡眠分類器により分類された睡眠段階及び前記代替センサから受信された同時に生じる身体活動データをトレーニング・データとして使用し、前記使用フェーズにおいて、前記デバイスは、前記代替睡眠分類器により分類された前記人の睡眠段階に応じて制御される、代替睡眠分類器及びマシン学習システムと、
   前記の分類された睡眠段階が特定の睡眠段階のセットのうちの１つであるかどうかを少なくとも判定し、前記判定に少なくとも応じて、前記デバイスの機能を切り替えるよう構成された制御ロジックであって、前記特定の睡眠段階のセットは覚醒を含まない、制御ロジックと、
   前記トレーニング・フェーズ中に、前記の受信された身体活動データの統計的基準を決定し、それをリファレンス基準として記憶し、
   前記使用フェーズ中に、前記の受信された身体活動データの前記統計的基準を決定する
   よう構成された統計ユニットと、
   前記使用フェーズ中に決定された前記統計的基準と、前記リファレンス基準とのドリフトを検出するよう構成されたドリフト検出ユニットであって、前記ドリフトを検出すると、前記代替睡眠分類器の再キャリブレーションのためにユーザに伝達する、ドリフト検出ユニットと、
   を備え、
   前記制御ロジックは、前記の分類された睡眠段階が前記特定の睡眠段階のセットのうちの１つである場合、アラームを発するよう構成された前記デバイスをオンに切り替えるよう構成されている、盗難警報器。
2. 前記電子スイッチは、現在の時間を示すよう構成された時計をさらに備え、前記電子スイッチは、第１の切り替え時間期間を有するよう構成可能であり、前記制御ロジックは、
   前記時計により示される現在の時間が、前記第１の切り替え時間期間にあるとともに、且つ
   前記の分類された睡眠段階が、前記特定の睡眠段階のセットのうちの１つである
   場合に、前記機能を切り替えるよう構成されている、請求項１記載の盗難警報器。
3. 前記制御ロジックは、前記の分類された睡眠段階にかかわらず、前記時計により示される現在の時間が前記第１の切り替え時間期間の終了時である場合に、前記機能を切り替えるよう構成されている、請求項２記載の盗難警報器。
4. 前記制御ロジックは、前記の分類された睡眠段階が、特定の時間期間の間前記特定の睡眠段階のセットに留まっているまで、切り替えを延期するよう構成されている、請求項１記載の盗難警報器。
5. 前記ＥＥＧセンサは、前記人の頭部に近接して又は直接接触して配置されているときにモニタリングするよう構成され、
   前記代替センサは、前記人との直接接触なくモニタリングするよう構成されている、請求項１記載の盗難警報器。
6. 前記代替センサは、呼吸、心臓、及びアクティグラフのうち少なくとも１つをモニタリングするよう構成されている、請求項１記載の盗難警報器。
7. 前記代替センサは、マットレスの中又は下に配置する圧力センサを含む、請求項１記載の盗難警報器。
8. アラーム時計であって、
   請求項１記載の盗難警報器と、
   オーディオ及び／又はビジュアル刺激を用いて前記人を起こすよう構成されたデバイスと、
   を備え、
   前記電子スイッチは、第１の切り替え時間期間を有するよう構成可能であり、
   前記制御ロジックは、オーディオ及び／又はビデオ刺激を生成してそれにより前記人を起こすために、該デバイスをオンに切り替えるよう構成されている、アラーム時計。
9. 前記人を起こすよう構成された少なくとも前記デバイスは、人の耳の中に装着するよう配置される、請求項８記載のアラーム時計。

Images