KR102313552B1 - 수면 모니터링을 위한 장치 및 방법 - Google Patents

Abstract

수면 모니터링을 위한 장치 및 방법, 특히 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 장치 및 방법과 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 장치 및 방법에 관한 것이다. 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 방법은 사용자의 동작을 나타내는 동작 데이터를 수득하는 단계; 제1 임계값 초과 시간(TAT) 임계값 및 제1 비례 적분법(PIM) 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하는 단계; 및 제2 TAT 임계값 및 제2 PIM 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면 동안의 비수면 주기들을 검출하는 단계를 포함한다.

Description

수면 모니터링을 위한 장치 및 방법

본 발명은 대체로 수면 모니터링을 위한 장치 및 방법에 관한 것으로서, 특히 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 장치와 방법 및 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 장치와 방법에 관한 것이다.

밤에 잘 자는 것은 낮 시간 동안에 최선을 발휘하고 건강과 행복을 유지하는 데 중요한 요소이다.

많은 조사 연구들이 수면 문제들과 우울증, 심장 질환, 비만 및 보다 단축된 기대 수명을 포함하는 다양한 심각한 건강 상태들 사이의 주요한 연결이 존재하는 점을 나타내고 있다. 몇몇 밤들에서 단지 한 시간의 수면의 손실이 성과, 학습 기술, 분위기 및 안전에 상당히 부정적인 영향을 야기할 수 있다. 9시간 또는 그 이상을 자는 밤에 길게 자는 사람들도 관상동맥 심장 질환의 위험 및 뇌졸중의 위험을 나타낸다.

수면 모니터링을 위한 개인용 장치가 이에 따라 바람직하다.

수면 상태를 추적하기 위해, 여기서 언급되는 바와 같은 중요한 변수들은 수면에 걸리는 시간(time-to-sleep), 전체 침대에 누워있는 시간(time-in-bed), 전체 수면 시간(sleep time), 수면 동안에 깨어있는 시간(time awake during sleep), 수면 효율(sleep efficiency) 및 수면의 질(sleep quality)(아키텍처(architecture)/단계들)이다.

수면에 걸리는 시간은 또한 수면 잠복기(sleep latency) 또는 수면 개시(sleep onset)로 호칭된다. 상당한 수면 박탈이 없는 정상적인 사람들은 통상적으로 잠이 드는 데에 20분 이상 걸린다. 수면에 걸리는 시간은 또한 다음의 표 1에 나타내는 MSLT(수면잠복기 반복검사: Multiple Sleep Latency Test) 표에서 참조되는 수면 박탈과 상호 관련된다. MSLT는 잠이 드는 데 걸리는 시간으로부터 대상의 졸림 및 이들의 수면 빚(sleep debt)의 심각도를 제공한다.

MSLT 스코어들
분	졸림
0-5	심함
5-10	괴로움
10-15	관리 가능함
15-20	우수함

전체 침대에 누워있는 시간은 상기 사용자가 이들이 상기 수면 모니터링 모드로 들어가고 나올 때에 전체적으로 침대에서 보내는 기록된 시간이다.

전체 수면 시간은 상기 전체 침대에 누워 있는 시간과 상기 수면 동안의 깨어 있는 시간 사이의 차이인 기록되는 전체 수면 시간이다.

수면 동안에 깨어있는 시간은 수면 동안에 확인되는 잠들지 않음(wakefulness)/불안정(restlessness)의 주기들 및 깨어 있는 시간들 및 이들의 기간의 숫자의 기록이다.

수면 효율은 상기 전체 침대에 누워 있는 시간에 대한 전체 수면의 비율에 의해 결정된다.

수면의 질은 전체 수면 시간, REM, NREM 수면 및 수면 단계들의 양, 운동의 양 그리고 잠들지 않음 및 수면 일기, 즉, 일일 수면 시간들의 기록 및 어떻게 많은 수면이 개인을 위해 필수적인 지를 인식하기 위한 다음 날의 느낌의 하나 또는 그 이상에 의해 결정될 수 있다.

REM은 때때로 "꿈(dream)" 수면으로도 언급된다. NREM은 N1, N2 및 N3으로 호칭되는 3 단계들을 포함한다.

뇌파 활성, 호흡 및 심박수와 같은 많은 사용자의 생체 기능들은 REM 수면 동안에 상당히 변화되지만, NREM 수면에서는 극히 규칙적이다.

REM 수면 동안에, 뇌가 회복되며, 학습이 발생되게 하는 등의 기억들을 포착하는 점이 발견되었다. 심박수, 혈압 및 체온은 통상적으로 상승될 것이다. 일반적으로, 전체 수면 시간의 20%-25%는 REM 수면이다. N1은 잠들지 않음과 수면 사이의 전이이다. N2는 상기 심박수가 보다 느려지는 얕은 수면 동안에 존재한다. 일반적으로, 전체 수면 시간의 50%-55%는 N2 수면이다. N3은 체온 및 혈압이 통상적으로 상승할 것인 신체를 회복하게 하는 깊은 수면 동안에 존재한다.

수면 주기는 연속적인 REM 및 NREM 수면 단계들로 구성된다. 각 주기에 대한 평균 기간은 약 90분 내지 110분이며, 하룻밤에 걸친 정상적인 수면 시간들에 대해 약 4 내지 6의 주기들이 존재한다.

수면 효율 또는 질을 모니터하는 몇몇 장치들이 시판되고 있다. 수면다원검사(polysomnography: PSG)는 수면 장래를 진단하기 위한 수면 연구에 대한 현재의 우수한 기준이다. PSG는 심박 변이도(heart rate variability: HRV), 호흡, 뇌파 검사(electroencephalography: EEG), 근전도 검사(eletromyography: EMG), 안구 전위도(electrooculagram: EOG) 등과 같은 많은 다른 생체 신호들의 모니터링을 포함하며, 수면 전문가들의 감독 하에서 수면 실험실에서 수행될 필요가 있다. 비록 PSG가 수면 진단을 위한 중요한 도구이지만, 특히 여러 날의 밤 동안의 관찰이 요구될 때에 불편하며 비용이 비싸다. 일부 착용형 장치들이 또한 이들 불편을 덜기 위해 개발되었다. 그러나, 이들 장치들은 대체로 수면의 질도 수면 효율도 정확하게 측정할 수 없다.

본 발명의 실시예들은 적어도 수면 모니터링을 위한 선택적인 장치 및 방법을 제공한다.

본 발명의 제1 측면에 따르면, 수면에 걸리는 시간(time-to-sleep) 및 수면 동안의 비수면 주기(wake period)들을 결정하기 위한 방법이 제공되며, 상기 방법은 사용자의 동작을 나타내는 동작 데이터를 수득하는 단계; 제1 임계값 초과 시간(time-above-threshold: TAT) 임계값 및 제1 비례 적분법(proportional integration method: PIM) 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하는 단계; 및 제2 TAT 임계값 및 제2 PIM 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면 동안의 비수면 주기들을 검출하는 단계를 포함한다.

본 발명의 제2 측면에 따르면, 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 장치가 제공되며, 상기 장치는 사용자의 동작을 나타내는 동작 데이터를 수득하기 위한 센서; 및 제1 임계값 초과 시간(TAT) 임계값 및 제1 비례 적분 장치(proportional integration device: PIM) 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하고, 제2 TAT 임계값 및 제2 PIM 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면 동안의 비수면 주기들을 검출하기 위한 프로세서를 포함한다.

본 발명의 제3 측면에 따르면, 급속 안구 운동(rapid eye movement: REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 방법이 제공되며, 상기 방법은 사용자의 생체 신호 데이터를 수득하는 단계; 상기 생체 신호 데이터를 각각의 데이터 서브세트들로 나누는 단계; 및 각 HRV 특징에 대한 적응 임계값들에 기초하여 각 데이터로부터 추출되는 하나 또는 그 이상의 심박 변이도(heart rate variability: HRV) 특징들을 기초로 하여 각 데이터 내의 REM 수면 및 비REM(NREM) 수면을 검출하는 단계를 포함한다.

본 발명의 제4 측면에 따르면, 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 장치가 제공되며, 상기 장치는 사용자의 생체 신호 데이터를 수득하기 위한 센서; 및 상기 생체 신호 데이터를 각각의 데이터 서브세트들로 나누고, 각 HRV 특징에 대한 적응 임계값들에 기초하는 각 데이터 서브세트로부터 추출되는 하나 또는 그 이상의 심박 변이도(HRV) 특징들을 기초로 하여 각 데이터 서브세트 내의 REM 수면 및 비REM(NREM) 수면을 검출하기 위한 프로세서를 포함한다.

본 발명의 실시예들은 다음에 기재된 설명과 예시적인 것으로서만 도면들과 함께 해당 기술 분야에서 통상의 지식을 가진 자에게 보다 잘 이해되고, 쉽게 명백해질 것이며, 첨부 도면들에 있어서,
도 1은 사람의 통상적인 수면 프로파일을 나타낸다.
도 2는 예시적인 실시예에 따른 착용형 장치의 개략적인 블록도이다.
도 3은 예시적인 실시예에 따라 수득된 수면 효율, 수면의 질 및 최종 수면 단계를 나타내는 그래프들을 도시한다.
도 4는 예시적인 실시예에 따른 방법을 나타내는 흐름도를 도시한다.
도 5(a) 및 도 5(b)는 예시적인 실시예에 따른 도 4의 방법의 세부 사항들을 나타내는 흐름도 및 그래프들을 도시한다.
도 6은 예시적인 실시예에 따른 생체 신호로부터 HRV 특징들을 이용하여 기준 PSG 장치 대 알고리즘의 비교 데이터를 도시한다.
도 7(a) 및 도 7(b)는 각기 예시적인 실시예에 따른 연속 및 온/오프 검출을 이용하여 처리 사이의 비교를 나타내는 그래프들을 도시한다.
도 8(a) 내지 도 8(d)는 각기 예시적인 실시예에 따른 REM 및 NREM 검출을 나타내는 그래프들을 도시한다.
도 9(a) 및 도 9(b)는 각기 예시적인 실시예에 따른 TAT 및 PIM 계산들을 나타내는 그래프들을 도시한다.
도 10은 예시적인 실시예에 따른 방법을 나타내는 흐름도를 도시한다.
도 11(a) 내지 도 11(c)는 각기 예시적인 실시예에 따른 로우 동작 데이터, 합성 크기 데이터 그리고 TAT 및 PIM 스코어들을 나타내는 그래프들을 도시한다.
도 12는 예시적인 실시예에 따른 수면 개시 결정을 나타내는 그래프를 도시한다.
도 13은 예시적인 실시예에 따른 수면 동안의 깨어 있는 결정을 나타내는 그래프를 도시한다.
도 14는 예시적인 실시예에 따른 방법 및 장치의 사용을 나타내는 흐름도를 도시한다.
도 15는 예시적인 실시예에 따른 손목시계의 형태로의 착용형 장치를 포함하는 어셈블리를 나타내는 개략적인 도면을 도시한다.
도 16은 예시적인 실시예에 따른 착용형 장치를 포함하는 어셈블리를 나타내는 개략적인 블록도를 도시한다.
도 17은 도 15의 착용형 장치에 대한 반사도 모드로의 측정을 위한 바람직한 LED-PD 구성을 나타내는 개략적인 도면을 도시한다.
도 18은 예시적인 실시예에 따른 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 방법을 나타내는 흐름도를 도시한다.
도 19는 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 장치를 나타내는 개략적인 블록도를 도시한다.
도 20은 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 방법을 나타내는 흐름도를 도시한다.
도 21은 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 장치를 나타내는 개략적인 블록도를 도시한다.

본 발명의 실시예들은 수면 모니터링을 위한, 특히 수면 상태, 특히 수면 단계들(REM, NREM) 및/또는 수면 및 비수면 상태들을 결정하기 위한 장치 및 방법을 제공한다.

설명되는 예시적인 실시예들에 있어서, 상기 수면 단계들은 수면 주기들을 결정하기 위해 심박 변이도(heart rate variability: HRV)에 기초하고 데이터-서브세트의 평균으로부터 유래되는 적응 임계값(adaptive threshold)들을 통해 결정된다. 수면 및 비수면 상태들은 가속도 크기와 TAT(임계값 초과 시간: Time-above-threshold) 및 PIM(비례 적분법: Proportional Integration Method) 임계값들의 결합에 기초하여 확인될 수 있다.

유리하게는, 본 발명의 실시예들은 효율적인 전력 소모로 정확하고 효과적으로 수면 단계들을 측정할 수 있으므로, 상기 착용형 장치에 대한 배터리 소모를 감소시킨다.

또한, 설명되는 예시적인 실시예들은 유리하게는 수면 동안 및 이전의 동작들을 더 구별하도록 다른 임계값 레벨들의 이용을 통해 수면 개시 잠복기(sleep-onset latency)(잠드는 데 걸리는 시간)의 정확한 검출을 제공한다. 각 레벨 내의 엄격한 TAT 및 PIM 임계값들이 잠들지 않음(wakefulness) 및 수면과 관련된 동작들을 구별하기 위해 적용된다.

일 실시예에 있어서, 수면 동안의 비수면, REM 수면 및 NREM 수면의 세 단계들은 동작 데이터, 예를 들면 가속도계(accelerometer: ACC) 센서 또는 자이로스코프(gyroscope)에 의해 측정되는 가속도 신호 및 생체 신호(physiological signal) 데이터, 예를 들면 PPG 센서에 의해 측정되는 광용적맥파(photoplethysmography: PPG) 신호를 이용하여 동시에 계산된다.

예시적인 실시예들은 양 조건들이 만족될 때에 잠들지 않음 및 수면과 관련된 동작들을 구별하기 위해 실험 데이터로부터 수득된 엄격한 TAT 및 PIM 임계값들을 이용한다. 수면 개시 잠복기의 정확한 검출은 바람직하게는 수면 동안과 잠들기 위해 노력할 때에 동작들을 더 구별하도록 설정되는 높은/낮은 임계값 레벨들의 결합된 사용들 통해 가능해진다. 유리하게는, 높은 감도의 임계값들은 잠들기 위해 노력할 때에 동작들에 민감하고, 낮은 감도의 임계값들은 수면 동안의 동작들에 민감하다.

본 명세서에는 또한 상기 방법들의 동작들을 수행하기 위해 예시적인 실시예들에서 착용형 장치의 내부 및/또는 외부에 있을 수 있는 장치가 개시된다. 이러한 장치는 요구되는 목적들을 위해 특별히 구성될 수 있거나, 컴퓨터 내에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성되는 범용 컴퓨터 또는 다른 장치를 포함할 수 있다. 여기서 제시되는 알고리즘들 및 디스플레이들은 임의의 특정한 컴퓨터 또는 다른 장치와 본질적으로 관련되지는 않는다. 다양한 범용 기계들이 여기서의 교시들에 따른 프로그램들로 사용될 수 있다. 선택적으로, 요구되는 방법 단계들을 수행하기 위해 보다 구체화된 장치의 구성이 적절할 수 있다. 종래의 범용 컴퓨터의 구조는 다음의 설명으로부터 분명해질 것이다. 또한, 본 명세서에는 여기에 설명되는 방법의 개별적인 단계들이 컴퓨터 코드에 의해 실행될 수 있는 점이 해당 기술 분야의 숙련자에게 분명할 수 있는 컴퓨터 프로그램도 함축적으로 개시된다. 상기 컴퓨터 프로그램은 임의의 특정한 프로그래밍 언어 및 이의 구현에 한정되는 것으로 의도되지는 않는다. 다양한 프로그래밍 언어들 및 그 코딩이 여기에 포함되는 본 발명의 교시들을 구현하는 데 사용될 수 있는 점이 이해될 것이다. 더욱이, 상기 컴퓨터 프로그램은 임의의 특정한 제어 흐름에 한정되는 것으로 의도되지는 않는다. 본 발명의 사상 또는 범주를 벗어나지 않고 제어 흐름들을 이용할 수 있는 상기 컴퓨터 프로그램의 많은 변형들이 존재한다.

또한, 상기 컴퓨터 프로그램의 단계들의 하나 또는 그 이상은 순차적이기 보다는 병렬로 수행될 수 있다. 이와 같은 컴퓨터 프로그램은 임의의 컴퓨터 판독 가능 매체 상에 저장될 수 있다. 상기 컴퓨터 판독 가능 매체는 자기 혹은 광디스크들, 메모리 칩들, 또는 범용 컴퓨터와 상호 작용을 위해 적합한 다른 저장 장치들과 같은 저장 장치를 포함할 수 있다. 상기 컴퓨터 판독 가능 매체는 또한 인터넷 시스템 내에 예시되는 바와 같은 고정된 매체 또는 GSM 이동 전화 시스템 내에 예시되는 바와 같은 무선 매체를 포함할 수 있다. 상기 컴퓨터 프로그램은 이와 같은 범용 컴퓨터에 탑재되거나 실행될 때에 효과적으로 바람직한 방법의 단계들을 구현하는 장치를 가져온다.

본 발명은 또한 하드웨어 모듈들로서 구현될 수 있다. 보다 상세하게는, 하드웨어적인 의미로서, 모듈은 다른 구성 요소들이나 모듈들과의 사용을 위해 설계된 기능성 하드웨어 유닛이다. 예를 들면, 모듈은 별도의 전자 구성 요소들을 사용하여 구현될 수 있거나, 응용 주문형 집적 회로(ASIC)와 같은 전체 전자 회로의 일부를 형성할 수 있다. 수많은 다른 가능성들이 존재한다. 해당 기술 분야의 숙련자는 상기 시스템이 또한 하드웨어 및 소프트웨어 모듈들의 결합으로서 구현될 수 있는 점을 이해할 것이다.

여기에 설명되는 본 발명의 기술된 실시예들은 ACC 및/또는 자이로스코프와 같은 동작 센서로 사용자로부터 획득되는 동작 신호들을 기초로 하고, PPG 센서와 같은 센서로 상기 사용자로부터 획득되는 생체 신호(physiological signal)들을 기초로 하는 수면 모니터링을 위한 착용형 장치 및 방법에 관한 것이다.

일 실시예에 있어서, 상기 장치는 발광 다이오드-광 검출기(LED-PD) 장치가 상기 PPG 신호를 획득하고, 상기 3축 ACC가 동작 신호들을 획득하도록 충분한 피부 면적으로 상기 사용자의 임의의 위치에 착용될 수 있다.

도 2에 도시한 예시적인 실시예에 따른 장치(200)는 가속도계 및 PPG 센서를 구비하는 손목 활동 기록기(actigraphy)의 형태이다. 상기 장치(200)는PPG 센서(202)에 의해 측정되는 상기 PPG 신호로부터 심박 변이도(HRV)를 측정하고, REM/NREM 수면을 검출한다. 상기 가속도계(204)는 운동을 검출하고, 수면 및 수면 동안의 비수면 시간(wake-during-sleep time), 수면 개시 잠복기(잠드는 데 걸리는 시간) 그리고 수면 효율(전체 수면 시간/전체 침대에 누워있는 시간)을 측정한다.

예시적인 실시예에서의 전체적인 수면 평가

도 3을 참조하면, 비수면 또는 수면(곡선 300)의 결정 및 REM 또는 NREM(곡선 302)의 결정이 예시적인 실시예에서 동시에 수행되며, 양 결과들은 최종 결과(곡선 304) 비수면, REM 수면 및 NREM 수면 시간의 최종 결과(곡선 304)를 제공하도록 결합된다.

예시적인 실시예에서의 REM 및 NREM 수면의 분류

도 4는 예시적인 실시예에서 REM 및 NREM 수면의 분류를 나타내는 흐름도(400)를 도시한다. 주파수 도메인 및 시간 도메인 내의 HRV 특징들은 온/오프(on/off) 동작 모드에서 3분의 기간으로 PPG 신호로부터 추출된다. 보다 상세하게는, 저주파/고주파(LF/HF) 비율 및 평균 심박수(평균 HR)에 대한 전체 밤 동안의 데이터가 각각의 3분의 기간으로 상기 PPG 신호로부터 추출된다(단계 402). 예를 들면, 상기 LF 범위는 약 0.04㎐로부터 0.15㎐까지가 될 수 있고, 상기 HF 범위는 약 0.15㎐로부터 0.4㎐까지가 될 수 있다. 종래 기술에서 이해될 수 있는 바와 같이, LF/HF는 보다 큰 부교감 신경 변조로 인해 NREM 수면에서 감소하고, 보다 큰 교감 신경 변조로 인해 REM 수면에서 증가한다. 상기 심박수의 변이를 나타내는 평균 HR은 NREM 수면에서 감소되거나 안정되고, REM 수면에서 증가되거나 변화된다. 선택적으로, 상기 LF/HF 데이터 및 상기 평균 HR 데이터의 평활화가, 예를 들어, 밤 동안의 전체 데이터 세트에 대한 이동 평균 평활화가 수행된다(단계 404).

상기 전체 수면 데이터는 각 추정된 수면 주기 기간(단계 406)에 상응하는 서브세트들로 나누어지며, 임계값들이 설정된다(단계 408). 예를 들면, 수면 주기는 1시간으로 산정된다. 임계값들은 상기 예시적인 실시예에서 각 서브세트/산정된 수면 주기 동안의 평균을 기초로 하여 설정된다.

REM 수면은 상기 HRV 특징들이 상기 임계값들보다 클 때에 결정되며, 그렇지 않을 때에는 NREM 수면으로 결정된다(단계 410-412). REM 수면이 전체 밤 동안의 데이터의 초기 주기 내, 예를 들면 처음 45분 내에 해당되는 데이터에 대해 결정될 경우(단계 414), 상기 결정은 NREM으로 변경되고(단계 412), 그렇지 않을 경우에는 상기 REM 결정이 유지된다(단계 416). 상기 REM 수면 및 NREM 수면 결정들의 결합은 상기 수면 단계들에 대한 처음 또는 중간 결과를 생성하는 데 이용되며(단계 418), 여기서 S(i)는 예시적인 실시예에서 각 3분의 측정 간격으로 상기 수면 단계 결과를 나타낸다. 예를 들면, REM 단계 결과에 대해 S(i)=3이고, NREM 단계 결과에 대해 S(i)=2이다.

3분의 측정 간격 동안에 수면 단계 결과들의 가장 이웃하는 것을 점검함에 의한 평활화(단계 420)가 최종 수면 단계 결과의 출력 이전에 허위 상태들을 제거하기 위해 수행된다(단계 422). 예시적인 실시예에서 가장 이웃하는 것의 점검 방법의 세부 사항들이 도 5(a)의 상기 흐름도(500)에 도시된다. 단계 502에서, S(i)는 점검되는 3분의 측정 간격 동안의 수면 단계 결과이다. 단계 504에서, S(i)이 S(i-1)과 동일하지 않은 지, S(i)가 S(i+1)과 동일하지 않은 지, 그리고 S(i-1)이 S(i+1)과 동일한 지가 결정된다. 모든 조건들이 이행될 경우, 단계 506에서 바와 같이 S(i)는 S(i-1) 또는 S(i+1)로 대체된다(조건들이 이행될 경우에 아무 것도 S(i-1)=S(i+1)이 아니다). 그렇지 않을 경우에 S(i)가 유지된다. 즉, 단계 508에서와 같이 S(i)=S(i)가 된다. 도 5(b)는 예시적인 실시예에 따른 허위 수면 단계 제거 이전 및 이후의 수면 단계 결과들을 나타내는 그래프들(510, 512)을 도시한다.

도 6은 예시적인 실시예에 따른 생체 신호로부터의 HRV 특징들을 이용하여 기준 PSG 장치("PSG REM %" 및 "PSG NREM %") 대 알고리즘("알고리즘 REM %" 및 "알고리즘 NREM %")의 비교 데이터를 나타낸다.

앞서 언급한 바와 같이, 상기 HRV 특징들은 예시적인 실시예에서 3분의 온/오프 기간으로 상기 PPG 신호로부터 추출된다. 연속적인 모니터링은 이상적인 것으로 간주될 수 있지만 배터리를 소모하게 된다. 본 발명자들은 온/오프 기간, 예를 들면 3분의 온/오프 기간으로의 측정이 연속적인 모니터링과 비교하여 유사한 결과를 제공할 수 있는 점을 예기치 않게 발견하였다. 도 7(a) 및 도 7(b)는 각기 연속적인 모니터링(즉, 각 3분의 기간의 135의 윈도우(window)들)을 기초로 하고, 온/오프 기간(여기서는 동일한 전체 시간 간격에 대해 각기 3분의 68의 윈도우들)을 기초로 하는 결과들을 나타낸다. 이에 따라, 허용될 수 있는 정확도를 유지하면서 전력 소모가 예시적인 실시예에 따른 착용형 장치에 대해 유리하게 감소될 수 있다.

예시적인 실시예에 따른 수면 주기 결과들

상기 수면 주기는 예시적인 실시예에서 1시간으로 산정되며, 실험 결과들은 PSG 기준과 비교하여 밀접한 관련을 나타낸다. 상기 수면 주기를 1시간으로 산정함에 의해, 본 발명자들은 계산 과정을 간단하고 효율적으로 할 수 있었다. 도 8(a) 내지 도 8(d)는 각기 PSG 기준 데이터(곡선 800), 예시적인 실시예에 따른 LF/HF 비율 측정 데이터(곡선 802), 예시적인 실시예에 따른 평균 HR 측정 데이터(곡선 804), 그리고 예시적인 실시예에 따른 상기 수면 단계들의 알고리즘 출력(곡선 806)을 나타내는 그래프들을 도시한다. 도 8(b) 및 도 8(c)에서, 각 산정된 수면 주기 세브세트에 대한 상기 적응 임계값들, 예를 들면 808, 810 또한 도시된다.

예시적인 실시예에 따른 수면 및 비수면 평가

도 9(a)에 도시한 바와 같이, 예시적인 실시예에서 TAT(임계값 초과 시간)는 상기 가속도 진폭이 설정된 임계값(하나의 예에서 약 0.15G로 설정되고, 다른 실시예들에서 약 0.1G-0.2G의 범위 내로 설정된) 위일 때에 횟수들을 카운트한다. 즉, TAT는 운동들의 기간 및 빈도를 반영한다.

도 9(b)에 도시한 바와 같이, PIM(비례 적분법)은 예시적인 실시예에서 상기 가속도 크기 신호를 적분하고, 도 9(b)에 도시한 식을 이용하여 상기 곡선 아래의 면적을 계산한다.

TAT 및 PIM 모두를 이용함에 의해, 예시적인 실시예에서 상기 결과들은 기간, 주파수, 가속도 및 크기를 포함하여 실질적으로 운동의 중요한 인자들을 모두 유리하게 반영한다.

반면에, 본 발명자들은 현재의 기술들에 자주 이용되는 ZCM(제로 크로싱 모드: Zero-Crossing Mode) 변수가 상기 운동을 완전하게 설명하지 못하며, 저크(jerk) 또는 토스(toss) 운동과 연관된 정보를 덜 제공하는 점을 예기치 않게 발견하였다. 이는 다음의 표 2에 예시된다.

운동들	TAT 스코어	PIM 스코어	ZCM 스코어
저크(1x)	0	12	5
저크(3x)	0	17	16
빠른 토스(1x)	147	100	3
빠른 토스(2x)	417	226	2
느린 토스(1x)	118	74	3
느린 토스(2x)	346	158	6

수면 동안의 큰 운동들(즉, 토스)은 물리적 회복을 위해 신체가 둔화되기 때문에 얕고 깊은 수면 동안에 매우 비통상적으로 가정된다. 그러나 갑작스런 근육 저크들을 가질 가능성이 있지만, 이들은 잠들지 않은 것과 관련된다.

예시적인 실시예에 있어서, 수면 동안의 비수면을 검출하기 위한 보다 낮은 감도 레벨의 임계값들이 TAT 및 PIM 스코어(score)들에 대한 수면 값들 동안에 "느린 토스(Slow Toss)(1x)"의 90%까지 설정되며, 예시적인 실시예가 앞서 설명하고 표 2에 나타낸 이유들을 위해 ZCM 스코어들을 의도적으로 이용하지 않는 것은 다시 일어나지 않는다.

매우 작은 운동들(즉, 저크)에 대해, TAT 및 PIM의 값들은 매우 낮다. 상기 예시적인 실시예에 있어서, 상기 임계값들은 작은 운동들을 확인하기 위해 "저크(Jerk)(1x)"에 대한 값들에 기초하여 보다 높은 감도 레벨로 설정된다. 작은 운동들이 깨어 있을 때에 이루어지는 운동들과 낮은 가능성으로 연관되기 때문에, 이들 보다 높은 감도 레벨의 임계값들은 예시적인 실시예에서 수면에 걸리는 시간(time-to-sleep)을 확인하기 위해 이용된다.

앞서 언급한 바와 같이, 보다 큰 운동들(즉, 토스)에 대해, 상기 TAT 및 PIM의 값들이 훨씬 높아진다. 상기 임계값들은 여기서는 수면 동안의 비수면 주기(wake period), 또는 수면 동안의 비수면으로도 언급되는 수면 동안의 잠들지 않음/불안정을 확인하기 위하여 예시적인 실시예들에서 수면 동안의 불안정/잠들지 않음에 보다 잘 상호 관련되는 보다 큰 운동들을 확인하도록 이러한 보다 낮은 감도 레벨로 설정된다.

일 실시예에 있어서, TAT 및 PIM에 대한 상기 보다 높은 감도의 임계값 레벨들은 각기 1 및 10이 되게 설정되며, TAT 및 PIM에 대한 상기 보다 낮은 감도의 임계값 레벨들은 각기 100 및 62가 되게 설정된다. 수면 동안의 비수면 상태 및 수면에 걸리는 시간을 확인하기 위해, TAT 및 PIT 스코어로부터 유래되는 양 기준들이 유리하게 상기 결과가 보다 정확하게 되도록 예시적인 실시예에서 만족될 필요가 있는 점에 다시 유의한다. ZCM 스코어들은 이러한 예시적인 실시예에서 이용되지 않는다.

도 10은 예시적인 실시예에 따른 수면 동안의 비수면 상태 및 수면에 걸리는 시간 결정 알고리즘을 나타내는 흐름도(1000)를 도시한다. 도 11(a) 내지 도 11(c)는 각기 예시적인 실시예에서 수득된 로우(raw) 3-축 동작 데이터(그래프 1100), 계산된 합산 크기 신호(곡선 1102), 그리고 각각의 1분의 주기들에서 상기 TAM 및 PIM 스코어들(그래프 1104)을 나타내는 그래프들을 도시한다.

도 10을 참조하면, 가속도 크기 데이터는 전체 수면 기간 동안의 초 당 20개의 샘플들에서 손목 착용 3-축 가속도계로부터 수집된다(단계 1002). 대역 통과 필터링(단계 1004) 후, 상기 3축 가속도 크기의 합산이 RMS(단계 1006)에 의해 계산된다. 상기 예시적인 실시예에서 관심 주파수 범위는 약 0.16㎐ 내지 2.5㎐이다. 상기 가속도 크기는 TAT 및 PIM 활동 기록기 스코어들을 얻도록 매 60초로 처리된다(단계 1008).

여섯 개의 수면 변수들이 예시적인 실시예에서 계산될 수 있다. 상기 여섯 개의 변수들은 수면에 걸리는 시간, 깨어 있는 횟수, 실제 수면 주기 동안의 전체 깨어있는 시간, 전체 수면 시간, 전체 침대에 누워있는 시간, 그리고 수면 효율이다.

수면에 걸리는 시간(수면 개시 잠복기)은 높은 감도의 임계값들(단계 1010 및 단계 1012)을 기초로 하여 확인된다. TAT 및 PIM 스코어들 모두가 상기 높은 감도 임계값들보다 낮을 경우, 60초의 윈도우가 침묵 기간으로 분류되며, 침묵 기간은 연속하는 'N'의 윈도우들, 즉 운동이 작거나 없는 N의 윈도우들을 만족시켜야 한다. N은 예시적인 실시예들에서 약 5-20, 바람직하게는 약 8-15가 될 수 있다. 수면 동안의 비수면 주기들은 TAT 및 PIM 스코어들이 소정의 낮은 감도 임계값들(단계 1010 및 단계 1014)을 초과할 때에 확인된다. TAT 및 PIM 모두가 상기 낮은 감도 임계값들 보다 높을 경우, 상기 60초의 윈도우는 수면 동안의 비수면 주기로 분류된다.

도 12는 예시적인 실시예에 따라 상기 낮은 감도 임계값들을 기초로 하여 결정되는 상기 연속적인 N의 윈도우들(상기 예시적인 실시예에서의 분들)(1200)을 예시하는 측정된 TAT 및 PIM 스코어들, 그리고 이후의, 즉 잠든 이후의 상기 높은 감도 임계값들(부호 1202로 나타냄)의 적용을 나타낸다. 수평 라인들(1204, 1206)은 각기 TAT 및 PIM에 대한 상기 낮은 감도 임계값들을 나타낸다. 도 13은 예시적인 실시예에 따라 연장된 기간에 대해 측정된 TAT 스코어들을 나타내며, 상기 수평 라인들(1300, 1302)이 각기 TAT 및 PIM에 대한 상기 높은 감도 임계값들을 나타내는 점에 유의한다.

수면 효율은 전체 수면 시간/전체 침대에 누워 있는 시간을 계산하여 결정된다. 활동적인 피드백이 수면 효율, MSLT 스코어, 수면 빚(sleep debt) 및 최적 알람 기능에 대해 제공될 수 있다. 수면 효율이 약 85%보다 클 경우, 이는 현재의 이해에 따르면 정상으로 간주될 수 있다. 상기 MSLT 스코어는 상기 사용자의 수면 박탈이 어떻게 심각한 지를 나타내는 데 이용될 수 있다. 수면 빚은 상기 사용자가 충분한 수면 시간들을 취하고 있는 지를 나타낸다. 최적 알람 기능이 설정될 수 있으며, 진동이 예시적인 실시예에서 사용될 수 있다.

예시적인 실시예에 따른 사용 흐름도

도 14는 예시적인 실시예에 따른 장치 및 방법의 사용을 나타내는 흐름도(1400)를 도시한다. 수면의 질에 대한 HRV 특징들(평균 HR 및 LF/HF 비율)은 전체 밤 동안에 상기 생체 신호 센서 데이터로부터 실시간으로 계산된다. 단계 1402, 단계 1404(온/오프로 인해 6분의 해상 단계(resolution stage)들을 가짐) 및 단계 1406(6분의 해상을 1분의 해상 수면 단계들로 전환시킴)에서 나타내는 수면 단계들(REM/NREM)에 대한 데이터 처리는 상기 사용자가 나가면 개시되며, 수면 모드. 수면 효율 데이터(즉, 수면/수면 단계들 동안의 비수면을 결정)가 단계 1408에서 나타내는 상기 동작 센서 데이터로부터 실시간으로 계산된다. 단계 1410에서 1분의 해상 단계들에 대한 데이터 처리는 상기 사용자가 나가면 개시되고, 상기 수면 모드. 결과들은 단계 1414에서의 최종 수면 단계들의 결과들의 출력을 위해 단계 1412에서 결합된다.

도 15는 예시적인 실시예에 따른 손목시계(1501) 형태로의 착용형 장치를 포함하는 어셈블리(1500)를 나타낸다. 다른 실시예들에서 상기 장치는 또한 그의/그녀의 팔, 손목, 엉덩이 또는 발과 같은 상기 사용자의 신체의 임의의 부위에 착용되기에 적합한 다른 형태가 될 수 있는 점이 이해될 것이다. 상기 손목시계(1501)는 사용자로부터 생체 측정들 및 동작 데이터를 수득하고, 상기 데이터를 처리하며, 결과(들)를 표시하고, 상기 결과(들)를 이동 전화(1502) 또는 다른 휴대용 전자 장치들과 같은 상기 어셈블리(1500)의 전기 통신 장치, 또는 데스크톱 컴퓨터들, 랩톱 컴퓨터, 탭 컴퓨터들 등과 같은 계산 장치들과 에 무선으로 통신한다.

도 16은 사용자로부터 생체 측정들을 수득하고, 상기 생체 측정들 내의 잡음(artifact)들을 제거하기 위해 예시적인 실시예에 따른 착용형 장치(1601)를 포함하는 어셈블리(1600)의 개략적인 블록도를 도시한다. 상기 장치(1601)는 상기 사용자의 동작 정보를 수득하기 위해 가속도계 또는 자이로스코프와 같은 제1 신호 감지 모듈(1602)을 포함한다.

상기 장치 내에 사용되기 위해 채용될 수 있는 바람직한 가속도계의 제한적이지 않은 예는 프리스케일 세미컨덕터사(Freescale Semiconductor, Inc)로부터 입수할 수 있는 삼중-축 가속도계 MMA8652FC이다. 이러한 가속도계는 단일 패키지로 세 방향들 모두로 가속을 측정하는 이점을 제공할 수 있다. 선택적으로는, 3축 감지를 제공하도록 배향되는 몇몇 단일-축 가속도계들이 다른 실시예들에서 사용될 수 있다.

상기 장치(1601)는 또한 상기 사용자의 생체 신호를 수득하기 위해 LED-PD 모듈과 같은 제2 감지 모듈(1603)을 포함한다. 상기 장치(1601)는 또한 상기 신호 감지 모듈(1602)로부터의 가속도 정보 및 상기 측정 모듈(1603)로부터의 상기 생체 신호를 수신하고 처리하도록 배치되는 프로세서와 같은 데이터 처리 및 계산 모듈(1604)을 포함한다. 상기 장치(1601)는 또한 상기 장치(1601)의 사용자에게 결과를 표시하고, 터치스크린 기술을 통해 사용자 입력을 수신하기 위한 디스플레이 유닛(1606)을 포함한다. 이러한 실시예에서 상기 장치(1601)는 상기 어셈블리(1600)의 전기 통신 장치(1610)와 무선으로 통신하도록 배치되는 무선 전송 모듈(1608)을 더 포함한다. 상기 전기 통신 장치(1610)는 상기 착용형 장치(1601)로부터 신호들을 수신하기 위한 무선 수신기 모듈(1012), 상기 전기 통신 장치(1010)의 사용자에게 결과를 표시하고 터치스크린 기술을 통해 사용자 입력을 수신하기 위한 디스플레이 유닛(1614) 등을 포함한다.

도 17은 손목시계(1701) 형태로의 착용형 장치에 대한 반사도 모드(reflectance mode)에서의 측정을 위한 바람직한 LED-PD 구성의 개략적인 예시를 나타낸다. 상기 측정은 상기 측정은 두 개의 PD들(7102, 1704)로 다시 반사되는 LED(1700)에 의한 광의 양에 기초한다. 상기 장치 내의 사용을 위해 적용될 수 있는 바람직한 LED-PD 모듈의 제한적이지 않은 예는 하나의 LED, 예를 들면 하나 또는 다중 PD들, 예를 들면 주변 광 센서 TEMD5510FX01과 쌍을 이루는 하나의 백색 표면 실장(White Surface Mount) PLCC-2 LED 인디케이터(Indicator) ASMT-UWB1-NX302로 구성된다. 선택적으로는, 상기 LED-PD 모듈은 하나 또는 다중의 PD들과 쌍을 이루는 다중의 LED들로 구성될 수 있다.

도 18은 예시적인 실시예에 따른 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 방법을 예시하는 흐름도(1800)를 나타낸다. 단계 1802에서, 사용자의 동작을 나타내는 동작 데이터가 수득된다. 단계 1804에서, 상기 수면에 걸리는 시간이 제1 임계값 초과 시간(TAT) 임계값 및 제1 비례 적분법(proportional integration method: PIM) 임계값을 기초로 하여 상기 동작 데이터로부터 검출된다. 단계 1806에서, 상기 수면 동안의 비수면 주기들이 제2 TAT 임계값 및 제2 PIM 임계값을 기초로 하여 상기 동작 데이터로부터 검출된다.

상기 제1 및 제2 TAT 임계값들은 상이할 수 있다. 상기 제1 TAT 임계값은 상기 제2 TAT 임계값보다 낮을 수 있다.

상기 제1 및 제2 PIM 임계값들은 다를 수 있다. 상기 제1 PIM 임계값은 상기 제2 PIM 임계값보다 낮을 수 있다.

상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하는 단계는 상기 동작 데이터를 시간 윈도우(time window)들로 분할하는 단계, 각 시간 윈도우에 대한 TAT 및 PIM 스코어들을 결정하는 단계, 그리고 상기 TAT 및 PIM 스코어들이 상기 제1 TAT 임계값 및 상기 제1 PIM 임계값 아래인 윈도우들을 확인하는 단계를 포함할 수 있다.

상기 동작 데이터로부터 상기 수면 동안의 비수면 주기들을 검출하는 단계는 상기 동작 데이터를 시간 윈도우들로 분할하는 단계, 각 시간 윈도우에 대한 TAT 및 PIM 스코어들을 결정하는 단계, 그리고 상기 TAT 및 PIM 스코어들이 상기 제2 TAT 임계값 및 상기 제2 PIM 임계값을 초과하는 윈도우들을 확인하는 단계를 포함할 수 있다.

상기 동작 데이터는 다중-축 동작 신호들을 포함할 수 있다. 상기 방법은 대역 통과 필터링 및 제곱 평균 제곱근(RMS) 계산을 이용하여 상기 다중-축 신호들의 합산 크기를 계산하는 단계를 더 포함할 수 있다.

상기 제1 및 제2 TAT 임계값들은 가속도 임계값 위의 상기 동작 데이터로부터 유래되는 크기의 각각의 횟수들이 될 수 있다. 상기 가속도 임계값은 0.1G부터 to 0.2G까지의 범위가 될 수 있고, 바람직하게는 약 0.15G가 될 수 있다.

상기 제1 및 제2 PIM 임계값들은 상기 동작 데이터로부터 유래되는 크기 곡선 아래의 각각의 면적들이 될 수 있다. 상기 각각의 면적들은 사다리꼴 규칙을 이용하여 산정될 수 있다.

상기 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하는 단계는 상기 동작 데이터에 기초하는 제로-크로싱-모드 검출을 기초로 하지 않을 수 있다.

도 19는 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하기 위한 장치(1900)를 나타내는 개략적인 블록도를 도시한다. 상기 장치(1900)는 사용자의 동작을 나타내는 동작 데이터를 수득하기 위한 센서(1902) 및 제1 임계값 초과 시간(TAT) 임계값 및 제1 비례 적분 장치(PIM) 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하고, 제2 TAT 임계값 및 제2 PIM 임계값을 기초로 하여 상기 동작 데이터로부터 상기 수면 동안의 비수면 주기들을 검출하기 위한 프로세서를 포함한다.

상기 제1 및 제2 TAT 임계값들은 다를 수 있다. 상기 제1 TAT 임계값은 상기 제2 TAT 임계값 보다 낮을 수 있다.

상기 제1 및 제2 PIM 임계값들은 다를 수 있다. 상기 제1 PIM 임계값은 상기 제2 PIM 임계값 보다 낮을 수 있다.

상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하는 것은 상기 동작 데이터를 시간 윈도우들로 분할하는 것, 각 시간 윈도우에 대한 TAT 및 PIM 스코어들을 결정하는 것, 그리고 상기 TAT 및 PIM 스코어들이 상기 제1 TAT 임계값 및 상기 제1 PIM 임계값 아래인 윈도우들을 확인하는 것을 포함할 수 있다.

상기 동작 데이터로부터 상기 수면에 걸리는 시간을 검출하는 것은 상기 동작 데이터를 시간 윈도우들로 분할하는 것, 각 시간 윈도우에 대한 TAT 및 PIM 스코어들을 결정하는 것, 그리고 상기 TAT 및 PIM 스코어들이 상기 제2 TAT 임계값 및 상기 제2 PIM 임계값을 초과하는 윈도우들을 확인하는 것을 포함할 수 있다.

상기 동작 데이터는 다중-축 동작 신호들을 포함할 수 있다. 상기 프로세서는 상기 다중-축 동작 신호들의 합성 크기 using 대역 통과 필터링 및 제곱 평균 제곱근(RMS) 계산을 이용하여 상기 다중-축 동작 신호들의 합산 크기를 계산하기 위해 더 구성될 수 있다.

상기 제1 및 제2 TAT 임계값들은 가속도 임계값 위에 있는 상기 동작 데이터로부터 유래되는 크기의 각각의 횟수들이 될 수 있다. 상기 가속도 임계값은 0.1G부터 0.2G까지의 범위 이내일 수 있고, 바람직하게는 약 0.15G일 수 있다.

상기 제1 및 제2 PIM 임계값들은 상기 동작 데이터로부터 유래되는 크기 곡선 아래의 각각의 면적들이 될 수 있다. 상기 각각의 면적들은 사다리꼴 규칙을 이용하여 산정될 수 있다.

상기 수면에 걸리는 시간 및 수면 동안의 비수면 주기들을 결정하는 것은 상기 동작 데이터에 기초하는 제로-크로싱-모드 검출을 기초로 하지 않을 수 있다.

도 20은 급속 안구 운동(rapid eye movement: REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 방법을 나타내는 흐름도(2000)를 도시한다. 단계 2002에서, 사용자의 생체 신호 데이터가 수득된다. 단계 2004에서, 상기 생체 신호 데이터가 각각의 데이터 서브세트들로 나누어진다. 단계 2006에서, REM 수면 및 비REM(NREM) 수면이 각 HRV 특징에 대한 적응 임계값들에 기초하는 각 데이터 서브세트로부터 추출되는 하나 또는 그 이상의 심박 변이도(HRV) 특징들을 기초로 하여 각 데이터 서브세트 내에서 검출된다.

REM 수면 및 NREM 수면을 검출하는 단계는 상기 데이터 서브세트 내의 각각의 시간 윈도우들 내의 REM 수면을 검출하는 단계를 포함할 수 있다. 상기 시간 윈도우들 상기 생체 신호 데이터에 대한 검출기(detector)의 개시-단계(on-stage)들에 상응할 수 있으며, 상기 검출기는 온/오프(on/off) 동작 모드로 동작한다. 상기 개시-단계는 약 3분이 될 수 있고, 상기 검출기는 약 50%의 온/오프 동작 모드로 동작할 수 있다.

각 시간 윈도우 내에서 REM 수면 및 NREM 수면은 상기 적응 임계값들을 기초로 하여 검출될 수 있다.

상기 방법은 상기 검출된 REM 수면이 상기 수득된 생체 신호 데이터의 초기 시간 간격 내이 있을 경우에 검출된 REM 수면을 검출된 NREM 수면으로 변경시키는 단계를 더 포함할 수 있다. 상기 초기 시간 간격은 약 45분이 될 수 있다.

상기 방법은 하나의 시간 윈도우에 대한 REM 수면 및 NREM 수면 검출 결과를 이에 가장 이웃하는 시간 윈도우들에 대한 각각의 결과들과 비교하는 단계를 더 포함할 수 있다. 상기 방법은 상기 검출 결과가 상기 가장 이웃하는 시간 윈도우들에 대한 상기 각각의 결과들과 유사할 경우에 상기 하나의 윈도우 내의 상기 검출 결과를 유지시키고, 그렇지 않을 경우에 상기 검출 결과를 변경시키는 단계를 더 포함할 수 있다.

상기 HRV 특징들은 상기 생체 신호 데이터로부터 유래되는 평균 심박수(평균 HR) 및 저주파/고주파(LF/HF) 비율을 포함할 수 있다.

제1 적응 임계값은 각 데이터 서브세트 내의 제1 HRV 특징의 평균이 될 수 있다. 제2 적응 임계값은 각 데이터 서브세트 내의 제2 HRV 특징의 평균이 될 수 있다. 상기 제1 HRV 특징이 상기 제1 적응 임계값 위에 있고, 상기 제2 HRV 특징이 상기 제2 적응 임계값 위에 있을 경우에 REM 수면이 검출될 수 있고, 그렇지 않을 경우에 NREM 수면이 검출될 수 있다.

도 21은 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 장치(2100)를 나타내는 개략적인 블록도를 도시한다. 상기 장치(2100)는 사용자의 생체 신호 데이터를 수득하기 위한 센서(2102), 그리고 상기 생체 신호 데이터를 각각의 데이터 서브세트들로 나누고, 각 HRV 특징에 대한 적응 임계값들에 기초하는 각 데이터 서브세트로부터 추출되는 하나 또는 그 이상의 심박 변이도(HRV) 특징들을 기초로 하여 각 데이터 서브세트 내의 REM 수면 및 비REM(NREM) 수면을 검출하기 위한 프로세서(2104)를 포함한다.

REM 수면 및 NREM 수면을 검출하는 것은 상기 데이터 서브세트 내의 각각의 시간 윈도우들 내의 REM 수면을 검출하는 것을 포함할 수 있다. 상기 시간 윈도우들은 상기 생체 신호 데이터에 대한 검출기의 개시-단계들에 상응할 수 있으며, 상기 검출기는 온/오프 동작 모드로 동작한다. 상기 개시-단계는 약 3분이 될 수 있고, 상기 검출기는 약 50%의 온/오프 동작 모드로 동작할 수 있다.

각 시간 윈도우 내에서 REM 수면 및 NREM 수면은 상기 적응 임계값들을 기초로 하여 검출될 수 있다.

상기 프로세서(2104)는 상기 검출된 REM 수면이 상기 수득된 상기 생체 신호 데이터의 초기 시간 간격 내에 있을 경우에 검출된 REM 수면을 검출된 NREM 수면으로 변경시키기 위해 더 구성될 수 있다. 상기 초기 시간 간격은 약 45분이 될 수 있다.

상기 프로세서(2104)는 하나의 시간 윈도우에 대한 REM 수면 및 NREM 수면 검출 결과를 이에 가장 이웃하는 시간 윈도우들에 대한 결과들과 비교하도록 더 구성될 수 있다. 상기 프로세서(2104)는 상기 검출 결과가 상가 가장 이웃하는 시간 윈도우들에 대한 상기 각각의 결과들과 유사할 경우에 상기 하나의 윈도우 내의 상기 검출 결과를 유지시키고, 그렇지 않을 경우에 상기 검출 결과를 변경시키기 위해 더 구성될 수 있다.

상기 HRV 특징들은 상기 생체 신호 데이터로부터 유래되는 평균 심박수(평균 HR) 및 저주파/고주파(LF/HF) 비율을 포함할 수 있다.

제1 적응 임계값은 각 데이터 서브세트 내의 제1 HRV 특징의 평균이 될 수 있다. 제2 적응 임계값은 각 데이터 서브세트 내의 제2 HRV 특징의 평균이 될 수 있다. REM 수면은 상기 제1 HRV 특징이 상기 제1 적응 임계값 웨에 있고, 상기 제2 HRV 특징이 상기 제2 적응 임계값 위에 있을 경우에 검출될 수 있으며, 그렇지 않을 경우에 NREM 수면이 검출될 수 있다.

해당 기술 분야의 숙련자에게는 수많은 변형들 및/또는 변경들이 폭넓게 설명한 바와 같이 본 발명의 사상 또는 범주를 벗어나지 않고 특정 실시예들에서 도시된 바와 같이 본 발명에 대해 구현될 수 있는 점이 이해될 것이다. 본 발명의 실시예들은 이에 따라 예시적이고 제한적이지 않은 모든 관점들로 고려될 수 있다. 또한, 본 발명은 비록 특징들이나 특징들의 조합이 다음의 특허청구범위나 본 발명의 실시예들에서 명백하게 설명되지 않더라도 특징들의 임의의 조합들, 특히 다음의 특허청구범위의 특징들의 임의의 조합을 포함한다.

예를 들면, 손목 착용 장치가 일부 실시예들에서 설명되지만, 상기 장치는 상기 사용자의 팔, 엉덩이, 허리 또는 발의 임의의 부위들에 착용될 수 있다.

또한, 현재 이해되고 있는 바와 같은 인간 수면 행동에 따르면, 심박수 및 혈압의 감소가 NREM 수면 동안에 일어난다. REM 수면에서, 혈압 및 심박수를 전체적으로 증가시킬 수 있는 심혈관계 활동의 보다 많은 변동이 존재한다. 설명되는 예시적인 실시예들은 HRV 특징들로서 평균 HR 및 LF/HF를 채용한다. 그러나, 다른 HRV 특징들(예를 들면, 관심 기간의 심박수의 표준 편차(SDHR), 이전(NN)과 다른 관심 기간의 NN 간격들＞50ms인 퍼센트(PNN50), 관심 기간의 NN 간격의 연속적인 차이들의 평균 제곱근(RMSSD) 및 혈류 특징들(예를 들면, 관심 기간의 평균 맥압(평균 PP), 관심 기간의 평균 맥압의 평균 표준 편차(ASDPP))이 성능을 개선하기 위해 다른 실시예들에서 추가적으로 또는 선택적으로 적용될 수 있는 점이 이해될 것이다.

Claims (54)

1. 급속 안구 운동(rapid eye movement: REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 방법에 있어서,
   사용자의 생체 신호 데이터를 수득하는 단계;
   상기 생체 신호 데이터를 각각의 데이터 서브세트들로 나누는 단계; 및
   각 HRV 특징에 대한 하나 또는 그 이상의 적응 임계값들에 기초하여 각 데이터 서브세트로부터 추출되는 하나 또는 그 이상의 심박 변이도(heart rate variability: HRV) 특징들을 기초로 하여 각 데이터 서브세트 내의 REM 수면 및 비REM(NREM) 수면을 검출하는 단계를 포함하며, 상기 하나 또는 그 이상의 HRV 특징들은 제1 HRV 특징으로서 평균 심박수를 포함하고, 상기 하나 또는 그 이상의 적응 임계값들은 제1 적응 임계값으로서 각 데이터 서브세트 동안의 적어도 상기 심박수의 평균을 포함하는 것을 특징으로 하는 방법.
2. 제 1 항에 있어서, 상기 REM 수면 및 NREM 수면을 검출하는 단계는 상기 데이터 서브세트 내의 각각의 시간 윈도우(time window)들 내의 REM 수면을 검출하는 단계를 포함하는 것을 특징으로 하는 방법.
3. 제 2 항에 있어서, 상기 시간 윈도우들은 상기 생체 신호 데이터를 위한 검출기의 개시-단계(on-stage)들에 상응하며, 상기 검출기는 온/오프(on/off) 동작 모드로 동작하는 것을 특징으로 하는 방법.
4. 제 3 항에 있어서, 상기 개시-단계는 3분이며, 상기 검출기는 50%의 온/오프 동작 모드로 동작하는 것을 특징으로 하는 방법.
5. 제 1 항에 있어서, 각 시간 윈도우 내의 REM 수면 및 NREM 수면은 상기 적응 임계값들을 기초로 하여 검출되는 것을 특징으로 하는 방법.
6. 제 1 항에 있어서, 검출된 REM 수면이 상기 수득된 생체 신호 데이터의 초기 시간 간격 내에 있을 경우에 상기 검출된 REM 수면을 검출된 NREM 수면으로 변경시키는 단계를 더 포함하는 것을 특징으로 하는 방법.
7. 제 6 항에 있어서, 상기 초기 시간 간격은 45분인 것을 특징으로 하는 방법.
8. 제 1 항에 있어서, 상기 HRV 특징들은 상기 생체 신호 데이터로부터 유래되는 저주파/고주파(LF/HF) 비율을 더 포함하는 것을 특징으로 하는 방법.
9. 제 1 항에 있어서, 상기 하나 또는 그 이상의 HRV 특징들은 상기 평균 심박수와 다른 제2 HRV 특징을 더 포함하고, 상기 하나 또는 그 이상의 적응 임계값들은 각 데이터 서브세트 내의 상기 제2 HRV 특징의 평균인 제2 적응 임계값을 포함하는 것을 특징으로 하는 방법.
10. 제 9 항에 있어서, 상기 제1 HRV 특징이 상기 제1 적응 임계값 위에 있고, 상기 제2 HRV 특징이 상기 제2 적응 임계값 위에 있을 경우에 REM 수면이 검출되며, 그렇지 않을 경우에 NREM 수면이 검출되는 것을 특징으로 하는 방법.
11. 급속 안구 운동(REM) 수면 및 비REM(NREM) 수면을 결정하기 위한 장치에 있어서,
    사용자의 생체 신호 데이터를 수득하기 위한 센서; 및
    상기 생체 신호 데이터를 각각의 데이터 서브세트들로 나누고, 각 HRV 특징에 대한 하나 또는 그 이상의 적응 임계값들에 기초하는 각 데이터 서브세트로부터 추출되는 하나 또는 그 이상의 HRV 특징들을 기초로 하여 각 데이터 서브세트 내의 REM 수면 및 NREM 수면을 검출하기 위한 프로세서를 포함하며, 상기 하나 또는 그 이상의 HRV 특징들은 제1 HRV 특징으로서 평균 심박수를 포함하고, 상기 하나 또는 그 이상의 적응 임계값들은 제1 적응 임계값으로서 각 데이터 서브세트 동안의 적어도 상기 심박수의 평균을 포함하는 것을 특징으로 하는 장치.
12. 제 11 항에 있어서, REM 수면 및 NREM 수면을 검출하는 것은 상기 각 데이터 서브세트 내의 각각의 시간 윈도우들 내의 REM 수면을 검출하는 것을 포함하는 것을 특징으로 하는 장치.
13. 제 12 항에 있어서, 상기 시간 윈도우들은 상기 생체 신호 데이터를 위한 검출기의 개시-단계들에 상응하며, 상기 검출기는 온/오프 동작 모드로 동작하는 것을 특징으로 하는 장치.
14. 제 13 항에 있어서, 상기 개시-단계는 3분이며, 상기 검출기는 50%의 온/오프 동작 모드로 동작하는 것을 특징으로 하는 장치.
15. 제 11 항에 있어서, 각 시간 윈도우 내의 REM 수면 및 NREM 수면은 상기 적응 임계값들을 기초로 하여 검출되는 것을 특징으로 하는 장치.
16. 제 11 항에 있어서, 검출된 REM 수면이 상기 수득된 생체 신호 데이터의 초기 시간 간격 내에 있을 경우에 상기 검출된 REM 수면을 검출된 NREM 수면으로 변경시키는 것을 더 포함하는 것을 특징으로 하는 장치.
17. 제 16 항에 있어서, 상기 초기 시간 간격은 45분인 것을 특징으로 하는 장치.
18. 제 11 항에 있어서, 상기 HRV 특징들은 상기 생체 신호 데이터로부터 유래되는 저주파/고주파(LF/HF) 비율을 더 포함하는 것을 특징으로 하는 장치.
19. 제 11 항에 있어서, 상기 하나 또는 그 이상의 HRV 특징들은 상기 평균 심박수와 다른 제2 HRV 특징을 더 포함하고, 상기 하나 또는 그 이상의 적응 임계값들은 각 데이터 서브세트 내의 상기 제2 HRV 특징의 평균인 제2 적응 임계값을 포함하는 것을 특징으로 하는 장치.
20. 제 19 항에 있어서, 상기 제1 HRV 특징이 상기 제1 적응 임계값 위에 있고, 상기 제2 HRV 특징이 상기 제2 적응 임계값 위에 있을 경우에 REM 수면이 검출되며, 그렇지 않을 경우에 NREM 수면이 검출되는 것을 특징으로 하는 장치.
21. 삭제
22. 삭제
23. 삭제
24. 삭제
25. 삭제
26. 삭제
27. 삭제
28. 삭제
29. 삭제
30. 삭제
31. 삭제
32. 삭제
33. 삭제
34. 삭제
35. 삭제
36. 삭제
37. 삭제
38. 삭제
39. 삭제
40. 삭제
41. 삭제
42. 삭제
43. 삭제
44. 삭제
45. 삭제
46. 삭제
47. 삭제
48. 삭제
49. 삭제
50. 삭제
51. 삭제
52. 삭제
53. 삭제
54. 삭제

Images