KR102007580B1 - Method and apparatus for determining sleep stages using fractal property of heart rate variability - Google Patents

Method and apparatus for determining sleep stages using fractal property of heart rate variability Download PDF

Info

Publication number
KR102007580B1
KR102007580B1 KR1020170172633A KR20170172633A KR102007580B1 KR 102007580 B1 KR102007580 B1 KR 102007580B1 KR 1020170172633 A KR1020170172633 A KR 1020170172633A KR 20170172633 A KR20170172633 A KR 20170172633A KR 102007580 B1 KR102007580 B1 KR 102007580B1
Authority
KR
South Korea
Prior art keywords
sleep
window size
heart rate
fractal
determining
Prior art date
Application number
KR1020170172633A
Other languages
Korean (ko)
Other versions
KR20190071523A (en
Inventor
신미영
김진우
Original Assignee
경북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020170172633A priority Critical patent/KR102007580B1/en
Publication of KR20190071523A publication Critical patent/KR20190071523A/en
Application granted granted Critical
Publication of KR102007580B1 publication Critical patent/KR102007580B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation

Abstract

수면 단계 판정 방법이 개시된다. 상기 방법은 심박 센서가 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간 동안 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터로 만든 심박 변이도(heart rate variability(HRV))를 추출하면, 추출된 심박 변이도를 입력받는 단계와, 추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값을 계산하는 단계와, 계산된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면 단계를 판정하는 단계를 포함한다.The sleep stage determination method is disclosed. The method measures the heart rate variability (HRV) in which the heart rate sensor measures the heart rate signal and generates continuous inter-beat intervals (IBI) as time series data from the measured heart rate signal. When extracted, receiving the extracted heart rate variability, calculating a fractal attribute value in each of the different window size ranges from the extracted heart rate variability, and using a combination of the calculated fractal attribute value and the window size ranges. Determining the sleep stage.

Description

심박 변이도의 프랙탈 속성을 이용한 수면 단계 판정 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING SLEEP STAGES USING FRACTAL PROPERTY OF HEART RATE VARIABILITY} METHOD AND APPARATUS FOR DETERMINING SLEEP STAGES USING FRACTAL PROPERTY OF HEART RATE VARIABILITY}

본 발명의 개념에 따른 실시 예는 수면 단계 판정 방법 및 장치에 관한 것으로, 특히 심박 변이도의 프랙탈 속성만을 이용하여 수면 단계를 판정하기 위한 방법에 관한 것이다.An embodiment according to the concept of the present invention relates to a method and apparatus for determining a sleep stage, and more particularly, to a method for determining a sleep stage using only fractal properties of heart rate variability.

일반적으로 수면 단계는 비수면 상태(wake), 얕은 수면 상태(light sleep), 깊은 수면 상태(deep sleep), 및 렘 수면 상태(REM sleep)로 나뉜다. 수면 단계를 정확하게 측정하기 위한 방법으로서 PSG(polysomnography) 시스템을 이용한다. 이러한 시스템을 이용하기 위해서는 고가의 비용이 요구되며, 수면 전문가에 의한 수동적 판정이 필요하므로 다양한 환경에서의 사용이 어렵다.Sleep stages are generally divided into wake, shallow sleep, deep sleep, and REM sleep. PSG (polysomnography) system is used as a method for accurately measuring the sleep stage. The use of such a system is expensive and difficult to use in various environments because it requires manual judgment by a sleep expert.

최근 생체 센서에 의한 헬스케어나 안전기술에 대한 관심이 높아지면서 저비용으로 편리하게 자동적으로 수면 단계를 측정하기 위한 방법들이 연구되고 있다. 그 중에서도 다양한 상황에서 비교적 안정적으로 신호 데이터의 획득이 가능한 심박 데이터를 기반으로 한 다양한 방법이 모색된다.Recently, as interest in health care or safety technology by biometric sensors increases, methods for automatically and automatically measuring sleep stages at low cost have been studied. Among them, various methods based on heart rate data capable of obtaining signal data relatively stably in various situations are sought.

종래에는 평균 HR(mean heart rate), SDNN(standard deviation of RR intervals), 파워스펙트럼밀도(spectral power of low frequency) 등의 심박 관련 속성치들을 수면 단계 판정에 사용하였다. In the related art, heart rate-related attribute values such as mean mean heart rate (HR), standard deviation of RR intervals (SDNN), and spectral power of low frequency have been used for sleep stage determination.

공개특허공보 제10-2014-0120513호에는 심박 변이율 파라미터와 움직임 정보를 산출하고, 산출된 심박 변이율 파라미터와 움직임 정보를 이용하여 상기 수면 단계를 판단하는 발명이 개시되어 있다.Patent Publication No. 10-2014-0120513 discloses an invention for calculating the heart rate variability parameter and motion information, and determining the sleep stage by using the calculated heart rate variability parameter and motion information.

그러나, 상기 선행기술문헌은 심박 변이율 파라미터 뿐만 아니라 움직임 정보를 산출해야 하므로, 판정 속도가 느리다는 문제점이 있다.However, since the prior art document has to calculate motion information as well as heart rate variability parameter, there is a problem that the determination speed is slow.

공개특허공보 제10-2014-0120513호(2014.10.14)Publication No. 10-2014-0120513 (2014.10.14)

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 수면 단계 판정 방법 및 장치는 수면 단계 판정에 효과적인 윈도우 사이즈 범위의 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정하는 것을 목적으로 한다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems, and the sleep step determination method and apparatus of the present invention aim to determine a sleep step using a combination of fractal attribute values of a window size range effective for sleep step determination. do.

본 발명의 실시 예에 따른 수면 단계 판정 방법은 심박 센서가 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간 동안 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터로 만든 심박 변이도(heart rate variability(HRV))를 추출하면, 추출된 심박 변이도를 입력받는 단계와, 추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값을 계산하는 단계와, 계산된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면 단계를 판정하는 단계를 포함한다.In the sleep phase determination method according to an embodiment of the present invention, the heart rate sensor measures a heart rate signal, and a heart rate variability in which time-series data is formed for a continuous inter-beat interval (IBI) for a predetermined time from the measured heart rate signal. extracting the heart rate variability (HRV), receiving the extracted heart rate variability, calculating the fractal property values in each of the different window size ranges from the extracted heart rate variability, Determining a sleep stage using the combination of window size ranges.

상기 수면 단계를 판정하는 단계는, 계산된 프랙탈 속성값의 노이즈를 감쇄시키는 단계와, 노이즈가 감쇄된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면단계를 판정하는 단계를 포함한다.Determining the sleep stage includes attenuating noise of the calculated fractal attribute value and determining a sleep stage using a combination of the noise-damped fractal attribute value and the window size ranges.

상기 서로 다른 윈도우 사이즈 범위들은, 상기 일정 시간 동안의 n개 이상 m개 이하(n과 m은 1 이상의 자연수)의 IBI를 동일한 개수의 IBI를 포함하도록 나누어진 구간들이다.The different window size ranges are divided into intervals such that at least n m or less (n and m are natural numbers of 1 or more) IBIs during the predetermined time period include the same number of IBIs.

상기 수면 단계를 판정하는 단계는, 상기 판정의 목적이 수면 상태인지 비수면 상태인지 여부, 수면 상태라면 렘(REM) 수면 상태인지 넌램(non-REM) 수면 상태인지 여부, 또는 수면 상태라면 얕은 수면 상태인지 깊은 수면 상태인지 여부에 따라 상기 서로 다른 윈도우 사이즈 범위들 중에서 적어도 하나의 윈도우 사이즈 범위를 결정하는 단계와, 결정된 윈도우 사이즈 범위에 해당하는 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정하는 단계를 포함한다.The determining of the sleep stage may include determining whether the purpose of the determination is a sleep state or a non-sleep state, whether a sleep state is a REM sleep state or a non-REM sleep state, or a sleep sleep state. Determining at least one window size range among the different window size ranges according to a state of sleep or a deep sleep state, and determining a sleep stage by using a combination of fractal attribute values corresponding to the determined window size range. It includes.

상기 프랙탈 속성값을 계산하는 단계는, 각 윈도우 사이즈 범위에 대해 각 IBI의 발생 시점마다 계산된 프랙탈 속성값들을 시간 순으로 연결한 프랙탈 시계열 데이터를 계산한다.The calculating of the fractal attribute value calculates fractal time series data in chronological order of fractal attribute values calculated at each IBI occurrence time point for each window size range.

본 발명의 실시 예에 따른 수면 단계 판정 장치는, 심박 센서가 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간 동안 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터로 만든 심박 변이도(heart rate variability(HRV))를 추출하면, 추출된 심박 변이도를 입력받고, 추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값을 계산하는 프랙탈 속성 측정부와, 계산된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면 단계를 판정하는 수면 단계 판정부를 포함한다.In the sleep phase determination apparatus according to an embodiment of the present invention, a heart rate sensor measures a heart rate signal, and a heart rate in which a continuous inter-beat interval (IBI) is formed as time series data for a predetermined time from the measured heart rate signal. After extracting the heart rate variability (HRV), a fractal property measuring unit for receiving the extracted heart rate variability and calculating fractal property values in each of different window size ranges from the extracted heart rate variability, and the calculated fractal property And a sleep step determination unit for determining a sleep step using a combination of a value and the window size ranges.

상기 수면 단계 판정 장치는 상기 계산된 프랙탈 속성값의 노이즈를 감쇄시키는 노이즈 감쇄부;를 더 포함하고, 상기 수면 단계 판정부는 노이즈가 감쇄된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면단계를 판정한다.The sleep stage determination apparatus may further include a noise attenuator configured to attenuate the noise of the calculated fractal attribute value, wherein the sleep stage determination unit sleeps using a combination of the noise-reduced fractal attribute value and the window size ranges. Determine.

상기 수면 단계 판정 장치는 판정의 목적이 수면 상태인지 비수면 상태인지 여부, 수면 상태라면 렘(REM) 수면 상태인지, 넌램(non-REM) 수면 상태인지 여부, 또는 수면 상태라면 얕은 수면 상태인지 깊은 수면 상태인지 여부에 따라 상기 서로 다른 윈도우 사이즈 범위들 중에서 적어도 하나의 윈도우 사이즈 범위를 결정하는 조합부;를 더 포함하고, 상기 수면 단계 판정부는 결정된 윈도우 사이즈 범위에 해당하는 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정한다.The sleep stage determination device determines whether the purpose of the determination is a sleep state or a non-sleep state, a sleep state is a REM sleep state, a non-REM sleep state, or a sleep state is a shallow sleep state or deep. And a combination unit configured to determine at least one window size range among the different window size ranges according to whether the user is in a sleep state, wherein the sleep stage determination unit uses a combination of fractal attribute values corresponding to the determined window size range. To determine the sleep stage.

윈도우 사이즈는 상기 일정 시간 동안의 HRV를 동일한 개수의 IBI들을 포함하도록 나누어진 구간들에 포함된 IBI 개수를 의미한다. 윈도우 사이즈 범위 설정에 따라 프랙탈 속성값 계산에 사용되는 윈도우 사이즈들이 달라진다.The window size refers to the number of IBIs included in sections divided into HRVs for the predetermined time to include the same number of IBIs. Depending on the window size range setting, the window sizes used to calculate the fractal property value vary.

본 발명의 실시 예에 따른 컴퓨터 프로그램은 하드웨어와 결합되어 상술한 수면 단계 판정 방법을 실행시키기 위하여 컴퓨터가 판독 가능한 매체에 저장된다.A computer program according to an embodiment of the present invention is stored in a computer readable medium in combination with hardware to execute the above-described sleep step determination method.

상기한 바와 같은 본 발명의 수면 단계 판정 방법 및 장치는 수면 단계 판정에 효과적인 윈도우 사이즈 범위의 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정함으로써 높은 판정의 정확도를 유지하면서도 신속하게 판정할 수 있는 효과를 제공할 수 있다.The sleep step determination method and apparatus of the present invention as described above have the effect of determining the sleep stage by using a combination of fractal attribute values of the window size range effective for sleep stage determination, while maintaining high accuracy of the determination and making a quick determination. Can be provided.

또한, 개인에 대한 나이, 성별, 체중 등의 추가 정보 없이도 정확하게 수면 단계를 판정할 수 있으므로, 여러 속성치를 사용하는 시스템보다 간편하게 구현할 수 있는 효과를 제공할 수 있다.In addition, since the sleep stage can be accurately determined without additional information such as age, gender, and weight of the individual, it is possible to provide an effect that can be more easily implemented than a system using multiple attribute values.

도 1은 본 발명의 실시 예에 따른 수면 단계 판단 시스템을 나타낸다.
도 2는 본 발명의 실시 예에 따른 수면 단계 판단 장치의 블록도이다.
도 3a 내지 도 3f는 각 윈도우 사이즈 범위에 대해 DFA α 값들에 따른 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이다.
도 4는 본 발명의 실시 예에 따른 판정의 세부 목적과 윈도우 사이즈 범위의 조합에 따른 판정의 정확도를 나타낸다.1 illustrates a sleep stage determination system according to an exemplary embodiment of the present invention.
2 is a block diagram of an apparatus for determining a sleep stage according to an exemplary embodiment of the present invention.
3A to 3F are graphs showing results of attenuation of density distribution and noise according to DFA α values for each window size range.
4 illustrates the accuracy of the determination according to the combination of the detailed purpose of the determination and the window size range according to the embodiment of the present invention.

이하에서는 본 발명에 따른 실시 예 및 도면을 참조하여, 본 발명을 더욱 상술한다.Hereinafter, with reference to the embodiment and the drawings according to the present invention, the present invention will be further described.

도 1은 본 발명의 실시 예에 따른 수면 단계 판정 시스템 나타낸다. 도 1을 참조하면, 수면 단계 판정 시스템(10)은 심박 센서(100), 수면 단계 판정 장치(200), 및 디스플레이 장치(300)를 포함할 수 있다. 수면 단계 판정 시스템(10)은 수면 단계의 변화를 빠르고 정확하게 자동으로 판정하기 위하여 심박 변이도로부터 측정 가능한 다양한 속성들 중에서 수면과 밀접한 관련성을 지니는 교감/부교감 신경의 활동을 반영한다고 알려진 심박의 프랙탈 속성(fractal property)만을 이용한다. 또한, 수면 단계 판정에 효과적인 윈도우 사이즈 범위의 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정한다.1 illustrates a sleep stage determination system according to an embodiment of the present invention. Referring to FIG. 1, the sleep stage determination system 10 may include a heart rate sensor 100, a sleep stage determination apparatus 200, and a display apparatus 300. The sleep stage determination system 10 is a fractal attribute of the heart rate that is known to reflect the activity of the sympathetic / parasympathetic nerves that are closely related to sleep among the various attributes measurable from heart rate variability to quickly and accurately determine changes in sleep stages. Use only fractal properties. The sleep stage is also determined using a combination of fractal attribute values in the window size range effective for sleep stage determination.

심박 센서(100)는 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간(예컨대, 5분 이상) 동안 심박 변이도(heart rate variability(HRV))를 추출하고, 추출된 HRV를 수면 단계 판정 장치(200)로 전송할 수 있다.The heart rate sensor 100 measures a heart rate signal, extracts a heart rate variability (HRV) for a predetermined time (for example, 5 minutes or more) from the measured heart rate signal, and extracts the extracted HRV from the sleep stage determination device ( 200).

HRV란 심전도 또는 맥파 등을 측정하여, 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터(time series)로 만든 것을 의미한다. 따라서, 심박 센서(100)는 IBI를 추출할 수 있는 모든 종류의 센서일 수 있다.HRV is a measurement of an electrocardiogram, a pulse wave, or the like, and a continuous inter-beat interval (IBI) is generated as a time series data. Thus, heart rate sensor 100 may be any type of sensor capable of extracting IBI.

실시 예에 따라, 심박 센서(100)는 IBI가 기준 최대 값보다 크거나, IBI가 기준 최소 값보다 작거나, 또는 IBI가 다른 IBI들의 평균과의 차이가 크면 잘못 측정된 IBI로 판단할 수 있다. 심박 센서(100)는 잘못 측정된 IBI가 전체의 5%를 초과하지 않는 최소 5분의 연속된 IBI의 시계열 데이터를 수면 단계 판정 장치(200)로 전송할 수 있다.According to an embodiment, the heart rate sensor 100 may determine that the IBI is incorrectly measured if the IBI is larger than the reference maximum value, the IBI is smaller than the reference minimum value, or if the IBI is different from the average of other IBIs. . The heart rate sensor 100 may transmit, to the sleep stage determination device 200, at least five minutes of time series data of consecutive IBIs in which an incorrectly measured IBI does not exceed 5% of the total.

수면 단계 판정 장치(200)는 HRV에 대한 프랙탈 속성을 이용하여 수면 단계를 판단한다. 수면 단계 판정 장치(200)는 심박 센서(100)로부터 추출된 HRV로부터 프랙탈 속성값을 계산한다. The sleep stage determination apparatus 200 determines the sleep stage by using the fractal attribute of the HRV. The sleep stage determination apparatus 200 calculates a fractal attribute value from the HRV extracted from the heart rate sensor 100.

이때, 윈도우 사이즈 범위를 어떻게 설정하는가에 따라서 측정되는 프랙탈 속성값이 크게 달라지므로 수면 단계 판정 장치(200)는 판정의 세부 목적에 따라 효과적인 윈도우 사이즈 범위를 결정하고, 서로 다른 윈도우 사이즈 범위의 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정한다.In this case, since the measured fractal property value varies greatly depending on how the window size range is set, the sleep stage determination apparatus 200 determines the effective window size range according to the detailed purpose of the determination, and determines the fractal property of the different window size range. The combination of values is used to determine the sleep stage.

윈도우 사이즈는 일정 시간 동안의 HRV를 동일한 개수의 IBI를 포함하도록 나누어진 구간들에 포함된 IBI의 개수를 의미한다. 윈도우 사이즈 범위를 어떻게 설정하느냐에 따라 프랙탈 속성값의 계산에 사용되는 윈도우 사이즈들이 달라진다.The window size refers to the number of IBIs included in sections divided into HRVs for a predetermined time to include the same number of IBIs. Depending on how you set the window size range, the window sizes used to calculate the fractal property values vary.

수면 단계 판정 장치(200)에서 사용되는 윈도우 사이즈 범위들은 외부로부터 입력되거나 내부의 메모리에 미리 저장될 수 있다. 또한, 수면 단계 판정 장치(200)는 PC, 스마트 폰 등일 수 있다. The window size ranges used in the sleep stage determination apparatus 200 may be input from the outside or prestored in the internal memory. In addition, the sleep step determination apparatus 200 may be a PC, a smart phone, and the like.

디스플레이 장치(300)는 수면 단계 판정 장치(200)로부터 판정된 수면 단계를 디스플레이한다. 예컨대, 디스플레이 장치(300)는 수면 단계 판정 장치(200)에 포함되거나, 심박 센서(100)에 포함될 수 있다.The display apparatus 300 displays the sleep stage determined from the sleep stage determination apparatus 200. For example, the display apparatus 300 may be included in the sleep stage determination apparatus 200 or may be included in the heart rate sensor 100.

도 2는 본 발명의 실시 예에 따른 수면 단계 판정 장치의 블록도이다. 도 2를 참조하면, 수면 단계 판정 장치(200)는 프랙탈 속성 측정부(210), 노이즈 감쇄부(230), 조합부(250), 수면 여부 판정부(270), 및 수면 단계 판정부(290)를 포함한다. 2 is a block diagram of a sleep stage determination apparatus according to an embodiment of the present invention. Referring to FIG. 2, the sleep stage determination apparatus 200 includes a fractal attribute measurement unit 210, a noise reduction unit 230, a combination unit 250, a sleep determination unit 270, and a sleep stage determination unit 290. ).

프랙탈 속성 측정부(210)는 심박 센서(100)로부터 HRV를 수신하고, 외부로부터 윈도우 사이즈 범위들을 수신하거나, 메모리로부터 상기 윈도우 사이즈 범위들을 읽어올 수 있다. 프랙탈 속성 측정부(210)는 HRV로부터 서로 다른 윈도우 사이즈 범위에서 프랙탈 속성값들을 계산할 수 있다. 윈도우 사이즈 범위는 스케일 범위(scale range)라고도 하며, 예컨대, [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256], 및 [8 to 256] 6가지의 윈도우 사이즈 범위를 사용할 수 있다. 여기서 8, 16, 32 등의 수치는 IBI의 개수를 의미하고, IBI가 8개 이하이면 정보가 너무 적어서 정확한 수면 단계 판정이 어렵고, IBI가 256개 이상이면 5분 이상의 데이터가 요구되므로 적절하지 않다. The fractal attribute measuring unit 210 may receive an HRV from the heart rate sensor 100, receive window size ranges from the outside, or read the window size ranges from a memory. The fractal attribute measurer 210 may calculate fractal attribute values in different window size ranges from the HRV. The window size range is also known as the scale range, for example [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256], and [8 to 256]. Six window size ranges are available. The numbers 8, 16, 32, etc. refer to the number of IBIs. If the number of IBIs is 8 or less, the information is too small, so it is difficult to determine the correct sleep stage. If the number of IBIs is 256 or more, 5 minutes or more of data is not appropriate. .

실시 예에 따라, 각 IBI의 발생 시점마다 상기 발생 시점으로부터 최근 256개의 IBI를 이용하여 각 윈도우 사이즈에 대한 프랙탈 속성값을 계산한다. According to an embodiment, a fractal attribute value for each window size is calculated using the most recent 256 IBIs from each occurrence of each IBI.

본 명세서에서는 프랙탈 속성을 표상하는 수치로서 DFA(detrend fluctuation analysis) 알파(α)를 이용한다. 특정 윈도우 사이즈 범위([A to B])에 대한 프랙탈 속성값(DFA α)은 다음과 같이 계산할 수 있다.In this specification, a detrend fluctuation analysis (DFA) alpha (α) is used as a numerical value representing a fractal property. The fractal attribute value DFA α for a specific window size range [A to B] can be calculated as follows.

1. IBI 시퀀스의 누적 합을 계산하여 신호 프로파일을 생성한다.1. Generate a signal profile by calculating the cumulative sum of the IBI sequences.

2. 특정 윈도우 사이즈 범위([A to B])에 대해 윈도우 사이즈들의 집합(T)을 정의한다. 이 때, 윈도우 사이즈들의 집합(T)의 각 윈도우 사이즈(t)는 최소 윈도우 사이즈(A)로부터 최대 윈도우 사이즈(B) 까지 0.25배씩 증가하는 값일 수 있다. 예컨대, [8 to 16]의 윈도우 사이즈 범위의 윈도우 사이즈들은 8(=23), 23.25, 23.5, 23.75, 16(=24)을 포함할 수 있다.2. Define a set of window sizes (T) for a particular window size range ([A to B]). In this case, each window size t of the set of window sizes T may be a value that is increased by 0.25 times from the minimum window size A to the maximum window size B. FIG. For example, window sizes in the window size range of [8 to 16] may include 8 (= 2 3 ), 2 3.25 , 2 3.5 , 2 3.75 , 16 (= 2 4 ).

3. 신호 프로파일을 윈도우 사이즈(t)의 개별 시계열의 집합(W)으로 분할하고, 시계열로부터 최소 자승법을 이용하여 선형 트렌드(linear trend)를 제거하여 디트렌디드 신호(detrended signal; d)을 생성하고, 생성된 디트렌디드 신호(d)의 표준 편차(SD(d))를 계산한다.3. Divide the signal profile into a set of individual time series (W) of window size (t) and remove the linear trend from the time series using the least-squares method to generate a detrended signal d. Then, the standard deviation SD (d) of the generated detrended signal d is calculated.

4. 모든 표준 편차(SD(d))의 평균으로써 변동 함수(fluctuation function; f(t))를 계산한다.4. Calculate the fluctuation function f (t) as the average of all standard deviations SD (d).

5. 모든 윈도우 사이즈(t)에 대한 변동 함수를 대수 축들(logarithmic axes) 상에 플롯(plot)하고, 프랙탈 속성값(DFA α)은 선형 회귀(linear regression)를 이용하여 측정된 트렌드 선(trend line)의 기울기이다.5. Plot the variation function for all window sizes (t) on logarithmic axes, and the fractal attribute value (DFA α) is measured using linear regression. slope of line).

실시 예에 따라, 각 윈도우 사이즈나 시간 흐름에 따른 프랙탈 속성 값들을 계산할 때, 다이나믹 프로그래밍(dynamic programming) 기법을 사용하여 중복된 계산을 방지함으로써 더 빠른 시스템 구현이 가능하다. According to an embodiment, when calculating the fractal attribute values according to each window size or time, it is possible to implement a faster system by using a dynamic programming technique to prevent duplicate calculations.

또한, 본 명세서에서 설명의 편의를 위해 특정 윈도우 사이즈 범위(r)에 대해 각 IBI 발생 시점마다 계산된 프랙탈 속성값들을 시간 순으로 연결한 시계열 데이터를 DFAseqr이라고 한다.In addition, for convenience of description in the present specification, the time series data in which the fractal attribute values calculated at each IBI occurrence time point for a specific window size range r is sequentially referred to as DFAseq r .

노이즈 감쇄부(230)는 각 윈도우 사이즈에 대해 계산된 프랙탈 속성값들의 노이즈를 감쇄시킨다. 여기서 노이즈는 프랙탈 속성값들 중에서 수면 상태와의 연관도가 적다고 검출된 주파수 대역의 성분을 의미한다.The noise attenuator 230 attenuates the noise of the fractal attribute values calculated for each window size. Here, the noise refers to a component of the frequency band detected among the fractal attribute values that have little correlation with the sleep state.

예컨대, 노이즈 감쇄부(230)는 DFAseqr을 EMD(empirical mode decomposition) 알고리즘을 사용하여 동일 길이를 갖는 5개의 시계열 데이터로 분리하고, 분리된 5개의 시계열 데이터 중에서 가장 많은 고주파 성분을 보유한 4개의 시계열 데이터는 버리고 나머지 1개의 시계열 데이터를 사용한다. 노이즈가 감쇄된 시계열의 가장 마지막 프랙탈 속성값(즉, 가장 최근의 프랙탈 속성 값)이 수면 상태를 판정하는데 이용된다.For example, the noise attenuator 230 separates the DFAseq r into five time series data having the same length by using an EMD (empirical mode decomposition) algorithm, and the four time series having the most high frequency components among the separated five time series data. Discard the data and use the remaining time series data. The last fractal attribute value (ie the most recent fractal attribute value) of the time-decayed noise series is used to determine the sleep state.

노이즈 감쇄 방식으로 EMD 알고리즘만을 설명하였으나, 이에 한정될 필요는 없고, 버터워스필터방식 등도 사용 가능하다.Although only the EMD algorithm has been described as a noise reduction method, the present invention is not limited thereto, but a Butterworth filter method may be used.

도 3a 내지 도 3f는 각 윈도우 사이즈 범위에 대해 DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이다. 예컨대, 도 3a 내지 도 3 f은 7시간 동안 30초마다 계산된 프랙탈 속성값들을 수면 상태에 따른 밀도 플롯(density plot)으로써 시각화한 것이다. 3A to 3F are graphs showing the result of the density distribution and noise attenuation of DFA α values for each window size range. For example, FIGS. 3A to 3F are visualizations of fractal attribute values calculated every 30 seconds for 7 hours as a density plot according to the sleep state.

도 3a는 윈도우 사이즈 범위가 [8 to 16]일 때, DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이고, 도 3b는 윈도우 사이즈 범위가 [16 to 32]일 때, DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이고, 도 3c는 윈도우 사이즈 범위가 [32 to 64]일 때, DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이고, 도 3 d는 윈도우 사이즈 범위가 [64 to 128]일 때, DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이고, 도 3e는 윈도우 사이즈 범위가 [128 to 256]일 때, DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이고, 도 3f는 윈도우 사이즈 범위가 [8 to 256]일 때, DFA α 값들의 밀도 분포와 노이즈가 감쇄된 결과를 나타내는 그래프이다. FIG. 3A is a graph illustrating a result of the density distribution and noise attenuation of DFA α values when the window size range is [8 to 16], and FIG. 3B is a DFA α value when the window size range is [16 to 32]. Figure 3c is a graph showing the result of the density distribution and noise is reduced, Figure 3c is a graph showing the result of the density distribution and noise attenuation of the DFA α values when the window size range is [32 to 64], Figure 3d FIG. 3E is a graph showing the density distribution of DFA α values and attenuated noise when the window size range is [64 to 128], and FIG. 3E is a density distribution of DFA α values when the window size range is [128 to 256]. And FIG. 3F is a graph illustrating a density distribution of DFA α values and a result of noise reduction when the window size range is [8 to 256].

W는 비수면 상태를 나타내고, S1S2는 얕은 수면 상태를 나타내고, S3S4는 깊은 수면 상태를 나타내고, R은 렘 수면 상태를 나타낸다.W represents a non-sleep state, S1S2 represents a shallow sleep state, S3S4 represents a deep sleep state, and R represents a REM sleep state.

도 3a 내지 도 3f를 참조하면, 노이즈 감쇄를 통해 프랙탈 속성값들과 수면 단계와의 관계성이 더 명확히 관찰된다.3A to 3F, the relationship between the fractal attribute values and the sleep stage is more clearly observed through noise attenuation.

다시 도 1을 참조하면, 조합부(250)는 판정의 세부 목적에 따라 윈도우 사이즈 범위의 조합을 결정한다. 다시 말하면, 노이즈가 감쇄된 프랙탈 속성값들을 판정의 세부 목적에 맞게 적절히 조합한다.Referring back to FIG. 1, the combination unit 250 determines the combination of the window size ranges according to the detailed purpose of the determination. In other words, the noise-attenuated fractal attribute values are properly combined for the purpose of the decision.

도 4는 본 발명의 실시 예에 따른 판정의 세부 목적과 윈도우 사이즈 범위의 조합에 따른 판정의 정확도를 나타낸다. 도 4를 참조하면, 수면 상태인지 비수면 상태인지 여부를 판정하는데 있어서, [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256], 및 [8 to 256] 모든 범위를 윈도우 사이즈 범위로 사용하거나, [8 to 256] 를 제외한 [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256] 범위를 윈도우 사이즈 범위로 사용할 때 판정의 정확도가 가장 높게 나타난다.4 illustrates the accuracy of the determination according to the combination of the detailed purpose of the determination and the window size range according to the embodiment of the present invention. Referring to FIG. 4, [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256] and [8 to 256] Use all ranges as window size ranges, or [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256] except [8 to 256] When the range is used as the window size range, the accuracy of the decision is highest.

수면 상태로 판정될 때, 렘 수면 상태인지 넌 렘(non-REM) 수면 상태인지 여부를 판정하는데 있어서, [8 to 256] 를 제외한 [8 to 16], [16 to 32], [32 to 64], [64 to 128], [128 to 256] 범위를 윈도우 사이즈 범위로 사용하거나, [32 to 64], [64 to 128] 범위를 윈도우 사이즈 범위로 사용할 때 판정의 정확도가 가장 높게 나타나고, 얕은 수면 상태인지 깊은 수면 상태인지 여부를 판정하는데 있어서, [8 to 256] 범위를 윈도우 사이즈 범위로 사용할 때 판정의 정확도가 가장 높게 나타난다.When it is determined to be in a sleep state, in determining whether it is a REM sleep state or a non-REM sleep state, [8 to 16], [16 to 32], [32 to 64] except [8 to 256] ], [64 to 128], [128 to 256] ranges as window size ranges, or [32 to 64] and [64 to 128] ranges as window size ranges, results in the highest accuracy of judgment. In determining whether it is a sleep state or a deep sleep state, the accuracy of the determination is highest when using the [8 to 256] range as the window size range.

수면 여부 판정부(270)와 수면 단계 판정부(290)는 수면 단계를 자동으로 판단하기 위해 기계 학습에 의해 학습된 분류 모델(classification model)을 이용하여 판정을 수행한다. The sleep determination unit 270 and the sleep stage determination unit 290 perform a determination using a classification model learned by machine learning to automatically determine the sleep stage.

예컨대, 기계 학습 모델로써 SVM(support vector machine) 회귀(regression) 모델을 사용할 수 있고, 최소 5분의 HRV 데이터에 의해 측정자의 HRV가 마지막으로 측정된 시점에서의 수면 단계를 비수면 상태, 렘 수면 상태, 얕은 수면 상태, 및 깊은 수면 상태의 4가지 중에서 하나로 판정할 수 있다.For example, as a machine learning model, a support vector machine (SVM) regression model can be used, and the sleep stage at the time when the measurer's HRV was last measured by HRV data of at least 5 minutes can be used for non-sleep state, REM sleep. The judgment can be made from one of four states: a state of sleep, a state of shallow sleep, and a state of deep sleep.

수면 여부 판정부(270)는 조합부(250)로부터 수면 여부를 판정하기 위한 적어도 하나의 제1 윈도우 사이즈 범위를 수신하고, 상기 적어도 하나의 제1 윈도우 사이즈 범위와 노이즈가 감쇄된 프렉탈 속성값들을 이용하여 수면 여부를 판정한다. 판단의 결과 비수면 상태라고 판단되면 프로세스가 종료되고, 수면 상태라고 판단이 되면 수면 단계 판정부(290)에서 구체적인 수면 단계를 판정한다.The sleep determination unit 270 receives the at least one first window size range for determining sleep from the combination unit 250, and the at least one first window size range and the noise-reduced fractal attribute values. To determine whether or not to sleep. If it is determined that the sleep state is a non-sleep state, the process is terminated. If it is determined that the sleep state, the sleep stage determination unit 290 determines a specific sleep stage.

수면 단계 판정부(290)는 조합부(250)로부터 REM 수면 상태인지 NON-REM 수면 상태인지 여부 판정을 위한 적어도 하나의 제2 윈도우 사이즈 범위를 수신하고, 상기 적어도 하나의 제2 윈도우 사이즈 범위와 상기 노이즈가 감쇄된 프렉탈 속성값들을 이용하여 측정자의 수면 상태가 렘 수면 상태인지 넌-렘 수면 상태인지 여부를 판정한다.The sleep stage determination unit 290 receives from the combining unit 250 at least one second window size range for determining whether it is in the REM sleep state or the NON-REM sleep state, and the at least one second window size range. The noise-damped fractal attribute values are used to determine whether the sleeper's sleep state is a REM sleep state or a non-REM sleep state.

수면 단계 판정부(290)는 조합부(250)로부터 얕은 수면 상태인지 깊은 수면 상태인지 여부를 판정하기 위한 적어도 하나의 제3 윈도우 사이즈 범위를 더 수신하고, 상기 적어도 하나의 제3 윈도우 사이즈 범위와 상기 노이즈가 감쇄된 프렉탈 속성값들을 이용하여 측정자의 수면 상태가 얕은 수면 상태인지 깊은 수면 상태인지 여부를 판정한다.The sleep stage determination unit 290 further receives at least one third window size range from the combination unit 250 to determine whether it is in a shallow sleep state or a deep sleep state. The noise-damped fractal attribute values are used to determine whether the sleeper's sleep state is a shallow or deep sleep state.

도 5는 본 발명의 실시 예에 따른 수면 단계 판정 방법을 설명하기 위한 흐름도이다. 도 1과 도 5를 참조하면, 심박 센서(100)가 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간 동안 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터로 만든 심박 변이도(heart rate variability(HRV))를 추출하면, 수면 단계 판정 장치(200)가 추출된 심박 변이도를 입력 받는다(S100).5 is a flowchart illustrating a method of determining a sleep stage according to an exemplary embodiment of the present invention. 1 and 5, the heart rate sensor 100 measures a heart rate signal, and a heart rate variability in which a series of inter-beat intervals (IBI) is formed as time series data for a predetermined time from the measured heart rate signal. When the heart rate variability (HRV) is extracted, the sleep stage determination apparatus 200 receives the extracted heart rate variability (S100).

수면 단계 판정 장치(200)는 심박 센서(100)로부터 추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값을 계산한다(S200).The sleep stage determination apparatus 200 calculates fractal attribute values in each of different window size ranges from the heart rate variability extracted from the heart rate sensor 100 (S200).

실시 예에 따라, 프랙탈 속성 측정부(210)가 추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값들을 계산한다. 노이즈 감쇄부(230)가 계산된 프랙탈 속성값들의 노이즈를 감쇄시켜 노이즈가 감쇄된 프랙탈 속성값을 출력한다. According to an embodiment, the fractal attribute measurer 210 calculates fractal attribute values in each of different window size ranges from the extracted heart rate variability. The noise attenuation unit 230 attenuates the noise of the calculated fractal attribute values and outputs the fractal attribute values of which the noise is attenuated.

수면 단계 판정 장치(200)는 노이즈가 감쇄된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면 단계를 판정한다(S300).The sleep stage determination apparatus 200 determines a sleep stage by using a combination of the noise-reduced fractal attribute value and the window size ranges (S300).

구체적으로, 조합부(250)가 판정의 목적이 수면 상태인지 비수면 상태인지 여부, 수면 상태라면 렘(REM) 수면 상태인지, 넌램(non-REM) 수면 상태인지 여부, 또는 수면 상태라면 얕은 수면 상태인지 깊은 수면 상태인지 여부에 따라 서로 다른 윈도우 사이즈 범위들 중에서 적어도 하나의 윈도우 사이즈 범위를 결정한다.In detail, the combination unit 250 determines whether the purpose of the determination is a sleep state or a non-sleep state, a sleep state is a REM sleep state, a non-REM sleep state, or a sleep state is shallow sleep. At least one window size range is determined among different window size ranges depending on whether the state is in a deep sleep state.

수면 여부 판정부(270)와 수면 단계 판정부(290)는 결정된 적어도 하나의 윈도우 사이즈 범위에 해당하는 프랙탈 속성값들의 조합을 이용하여 수면 여부와 수면 단계를 판정한다.The sleep determination unit 270 and the sleep stage determination unit 290 determine sleep and sleep stages using a combination of fractal attribute values corresponding to the determined at least one window size range.

그리고, 본 발명의 또 다른 실시예로서, 하드웨어와 결합되어 상술한 수면 단계 판정 방법을 실행시키기 위하여 컴퓨터가 판독 가능한 매체에 저장된 컴퓨터 프로그램일 수 있다.And, as another embodiment of the present invention, it may be a computer program stored in a computer readable medium in combination with hardware to execute the above-described sleep step determination method.

즉, 본 발명의 실시예에 따른 장치로서, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, 광학 디스크, 자기 테이프, 플로피 디스크, 하드 디스크, 비휘발성 메모리 등을 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.That is, as an apparatus according to an embodiment of the present invention, it is possible to implement as computer readable codes on a computer readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored. Examples of the recording medium include ROM, RAM, optical disk, magnetic tape, floppy disk, hard disk, nonvolatile memory, and the like. The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

본 발명은 도면에 도시된 일 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.Although the present invention has been described with reference to one embodiment shown in the drawings, this is merely exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.

10; 수면단계 판정 시스템
100; 심박 센서
200; 수면단계 판정장치
300; 디스플레이 장치10; Sleep stage determination system
100; Heart rate sensor
200; Sleep stage determination device
300; Display device

Claims (10)

수면 단계 판정 장치가 수행하는 수면 단계 판정 방법에 있어서,
심박 센서가 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간 동안 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터로 만든 심박 변이도(heart rate variability(HRV))를 추출하면, 추출된 심박 변이도를 입력받는 단계;
추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값을 계산하는 단계; 및
계산된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면 단계를 판정하는 단계;를 포함하되,
상기 수면 단계를 판정하는 단계는,
상기 판정의 목적이 수면 상태인지 비수면 상태인지 여부, 수면 상태라면 렘(REM) 수면 상태인지 넌램(non-REM) 수면 상태인지 여부, 또는 수면 상태라면 얕은 수면 상태인지 깊은 수면 상태인지 여부에 따라 상기 서로 다른 윈도우 사이즈 범위들 중에서 적어도 하나의 윈도우 사이즈 범위를 결정하는 단계; 및
결정된 적어도 하나의 윈도우 사이즈 범위에 해당하는 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정하는 단계;를 포함하는 수면 단계 판정 방법.In the sleep step determination method performed by the sleep step determination device,
When the heart rate sensor measures the heart rate signal and extracts the heart rate variability (HRV) from the measured heart rate signal, a series of inter-beat intervals (IBI) is produced as time series data. Receiving the extracted heart rate variability;
Calculating fractal property values in each of different window size ranges from the extracted heart rate variability; And
Determining a sleep stage using a combination of the calculated fractal attribute value and the window size ranges;
Determining the sleep step,
Whether the purpose of the determination is a sleep state or a non-sleep state, whether a sleep state is a REM sleep state or a non-REM sleep state, or if a sleep state is a shallow sleep state or a deep sleep state. Determining at least one window size range from among the different window size ranges; And
And determining a sleep step by using a combination of fractal attribute values corresponding to the determined at least one window size range. 제1항에 있어서,
상기 수면 단계를 판정하는 단계는,
계산된 프랙탈 속성값의 노이즈를 감쇄시키는 단계; 및
노이즈가 감쇄된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면단계를 판정하는 단계를 포함하는 수면 단계 판정 방법.
The method of claim 1,
Determining the sleep step,
Attenuating the noise of the calculated fractal attribute values; And
And determining a sleep step using a combination of noise-damped fractal attribute values and the window size ranges.
제1항에 있어서,
상기 윈도우 사이즈는 상기 일정 시간 동안의 상기 HRV를 동일한 개수의 IBI들을 포함하도록 나누어진 구간들에 포함된 IBI 개수인 것을 특징으로 하는 수면 단계 판정 방법.
The method of claim 1,
The window size is a sleep step determination method, characterized in that the number of IBI included in the interval divided to include the same number of IBI the HRV for the predetermined time.
제1항에 있어서,
상기 수면 단계 판정 방법은
상기 윈도우 사이즈 범위들와 상기 계산된 프랙탈 속성값을 이용하여 수면 여부를 판정하는 단계;를 더 포함하되,
상기 수면 여부를 판정하는 단계에서 판단한 결과 비수면 상태라고 판단되면 프로세스가 종료되고, 수면 상태라고 판단이 되면 상기 수면 단계를 판정하는 단계를 실시하는 수면 단계 판정 방법.
The method of claim 1,
The sleep step determination method
Determining whether to sleep using the window size ranges and the calculated fractal property value;
And if it is determined that the sleep state is a non-sleep state, the process is terminated, and when it is determined that the sleep state is determined, the sleep step is determined.
제1항에 있어서,
상기 프랙탈 속성값을 계산하는 단계는,
각 윈도우 사이즈 범위에 대해 각 IBI의 발생 시점마다 계산된 프랙탈 속성값들을 시간 순으로 연결한 프랙탈 시계열 데이터를 계산하는 것을 특징으로 하는 수면 단계 판정 방법.
The method of claim 1,
Computing the fractal property value,
Sleep phase determination method characterized in that for each window size range calculates fractal time series data in chronological order of fractal attribute values calculated at each occurrence of each IBI.
심박 센서가 심박 신호를 측정하고, 측정된 심박 신호로부터 일정 시간 동안 연속적인 심박동간 간격(inter-beat interval(IBI))을 시계열 데이터로 만든 심박 변이도(heart rate variability(HRV))를 추출하면, 추출된 심박 변이도를 입력받고, 추출된 심박 변이도로부터 서로 다른 윈도우 사이즈 범위들 각각에서 프랙탈 속성값을 계산하는 프랙탈 속성 측정부;
판정의 목적이 수면 상태인지 비수면 상태인지 여부, 수면 상태라면 렘(REM) 수면 상태인지, 넌램(non-REM) 수면 상태인지 여부, 또는 수면 상태라면 얕은 수면 상태인지 깊은 수면 상태인지 여부에 따라 복수의 윈도우 사이즈 범위를 결정하는 조합부; 및
결정된 적어도 하나의 윈도우 사이즈 범위에 해당하는 프랙탈 속성값들의 조합을 이용하여 수면 단계를 판정하는 수면 단계 판정부;를 포함하는 수면 단계 판정 장치.
When the heart rate sensor measures the heart rate signal and extracts the heart rate variability (HRV) from the measured heart rate signal, a series of inter-beat intervals (IBI) is produced as time series data. A fractal attribute measuring unit configured to receive the extracted heart rate variability and calculate a fractal attribute value in each of different window size ranges from the extracted heart rate variability;
Whether the purpose of the decision is to sleep or not sleep, to sleep if it is REM sleep, to non-REM sleep, or to sleep, whether it is shallow or deep sleep. Combination unit for determining a plurality of window size range; And
And a sleep step determiner configured to determine a sleep step by using a combination of fractal attribute values corresponding to the determined at least one window size range.
제6항에 있어서,
상기 계산된 프랙탈 속성값의 노이즈를 감쇄시키는 노이즈 감쇄부;를 더 포함하고,
상기 수면 단계 판정부는 노이즈가 감쇄된 프랙탈 속성값과 상기 윈도우 사이즈 범위들의 조합을 이용하여 수면단계를 판정하는 수면 단계 판정 장치.
The method of claim 6,
And a noise attenuator configured to attenuate the noise of the calculated fractal attribute value.
The sleep stage determination unit determines a sleep stage by using a combination of the noise-reduced fractal attribute value and the window size ranges.
제6항에 있어서,
상기 조합부로부터 수신한 상기 윈도우 사이즈 범위 및 계산된 프랙탈 속성값들을 이용하여 수면 여부를 판정하는 수면 여부 판정부;를 더 포함하되,
상기 수면 단계 판정부는 상기 수면 여부 판정부에서 수면 상태라고 판단이 되면 수면 단계를 판정하는 수면 단계 판정 장치.
The method of claim 6,
And a sleep determination unit determining whether to sleep using the window size range and the calculated fractal attribute values received from the combination unit.
The sleep stage determination unit determines the sleep stage when the sleep determination unit determines that the sleep state.
제6항에 있어서,
상기 윈도우 사이즈는 상기 일정 시간 동안의 상기 HRV를 동일한 개수의 IBI들을 포함하도록 나누어진 구간들에 포함된 IBI 개수인 것을 특징으로 하는 수면 단계 판정 장치.
The method of claim 6,
The window size is the sleep stage determination device, characterized in that the number of IBI included in the sections divided into the HRV for the predetermined time to include the same number of IBI.
하드웨어와 결합되어 제1항 내지 제5항 중 어느 한 청구항에 따른 수면 단계 판정 방법을 실행시키기 위하여 컴퓨터가 판독 가능한 매체에 저장된 컴퓨터 프로그램.A computer program stored in a computer readable medium in combination with hardware for executing the method of determining a sleep stage according to any one of claims 1 to 5.
KR1020170172633A 2017-12-14 2017-12-14 Method and apparatus for determining sleep stages using fractal property of heart rate variability KR102007580B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170172633A KR102007580B1 (en) 2017-12-14 2017-12-14 Method and apparatus for determining sleep stages using fractal property of heart rate variability

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170172633A KR102007580B1 (en) 2017-12-14 2017-12-14 Method and apparatus for determining sleep stages using fractal property of heart rate variability

Publications (2)

Publication Number Publication Date
KR20190071523A KR20190071523A (en) 2019-06-24
KR102007580B1 true KR102007580B1 (en) 2019-08-05

Family

ID=67055981

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170172633A KR102007580B1 (en) 2017-12-14 2017-12-14 Method and apparatus for determining sleep stages using fractal property of heart rate variability

Country Status (1)

Country Link
KR (1) KR102007580B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013081707A (en) 2011-10-12 2013-05-09 Aisin Seiki Co Ltd Sleeping state discriminating apparatus and method

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2524647A1 (en) * 2011-05-18 2012-11-21 Alain Gilles Muzet System and method for determining sleep stages of a person
KR20140120513A (en) 2013-04-03 2014-10-14 삼성전자주식회사 Apparatus and method for determining sleep stages
KR101764503B1 (en) * 2015-12-15 2017-08-02 한국 한의학 연구원 Apparatus and method for providing classifying of mibyou using measured index of fractal dimension

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013081707A (en) 2011-10-12 2013-05-09 Aisin Seiki Co Ltd Sleeping state discriminating apparatus and method

Also Published As

Publication number Publication date
KR20190071523A (en) 2019-06-24

Similar Documents

Publication Publication Date Title
US10813583B2 (en) Sleep state prediction device
US10856777B2 (en) Method and device for identifying human movement state
CN105813558B (en) System and method for determining sleep stages based on sleep cycle
EP3410924B1 (en) Machine learnt model to detect rem sleep periods using a spectral analysis of heart rate and motion
US9848784B2 (en) Method for determining the physical and/or psychological state of a subject
WO1997043722A1 (en) Method and apparatus for detecting nonlinearity in a dynamical system
JP6943287B2 (en) Biometric information processing equipment, biometric information processing systems, biometric information processing methods, and programs
JP2015006258A (en) Sleep stage estimation device
US11445927B2 (en) Baseline correction and extraction of heartbeat profiles
JP6304050B2 (en) Biological state estimation device
WO2023061565A1 (en) Apparatus, system and method for determining whether a person is asleep
KR102007580B1 (en) Method and apparatus for determining sleep stages using fractal property of heart rate variability
CN111956197B (en) Sleep state detection method and device, electronic equipment and storage medium
JP7136341B2 (en) Stress estimation device, stress estimation method and program
CN111698939B (en) Method of generating heart rate fluctuation information associated with external object and apparatus therefor
CN111759277A (en) Detection device, method, equipment and storage medium for sleep apnea hypopnea
US20160354000A1 (en) Wearable device and determination method thereof
CN106821336A (en) Sleep monitor method and system
JP6468635B2 (en) Sleepiness estimation apparatus and sleepiness estimation program
US20220202298A1 (en) Unsupervised real-time classification for arterial blood pressure signals
JP6791708B2 (en) Drowsiness estimation device and drowsiness estimation program
JP7252542B2 (en) Arousal state estimation device and arousal state estimation method
JP7211441B2 (en) Arousal level estimation device, arousal level estimation method, and program
US20230397890A1 (en) Fatigue level estimation apparatus, fatigue level estimation method, and computer-readable recording medium
CN116327113A (en) Method and device for monitoring sleep and monitoring equipment

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant