TW202320087A - 睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式 - Google Patents

睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式 Download PDF

Info

Publication number
TW202320087A
TW202320087A TW111125518A TW111125518A TW202320087A TW 202320087 A TW202320087 A TW 202320087A TW 111125518 A TW111125518 A TW 111125518A TW 111125518 A TW111125518 A TW 111125518A TW 202320087 A TW202320087 A TW 202320087A
Authority
TW
Taiwan
Prior art keywords
sleep
wake
judging
aforementioned
wakefulness
Prior art date
Application number
TW111125518A
Other languages
English (en)
Other versions
TWI833276B (zh
Inventor
史蕭逸
香取真知子
山田陸裕
上田泰己
Original Assignee
日商優化睡眠股份有限公司
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 日商優化睡眠股份有限公司 filed Critical 日商優化睡眠股份有限公司
Publication of TW202320087A publication Critical patent/TW202320087A/zh
Application granted granted Critical
Publication of TWI833276B publication Critical patent/TWI833276B/zh

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Power Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本發明提供一種能夠使用較少的佩戴器具以足夠高的精度來判定睡眠及覺醒的睡眠覺醒判定系統等。根據本發明的一種態樣，其提供一種睡眠覺醒判定系統。前述睡眠覺醒判定系統包含至少一個處理器，前述至少一個處理器能夠執行電腦程式以執行以下各步驟。在取得步驟中，取得表示使用者身體的至少一部分的加速度的信號。在頻帶限制步驟中，將表示加速度的信號中包含的頻率成分限制為特定頻率成分。在變換步驟中，對由特定頻率成分構成的信號進行傅立葉轉換而生成判定用資料。在判定步驟中，基於判定用資料和預先設定的參照資訊，來判定使用者的睡眠及覺醒。

Description

睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式
本發明係有關於一種睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式。
衆所周知，要想保持人的良好健康狀態，必須確保健康的睡眠，而失眠症、睡眠呼吸障礙、嗜睡症等睡眠障礙是危害健康的原因。要想掌握某人的睡眠狀態，就有必要通過一晚至幾天的時間來檢查這個人的實際睡眠狀況。
作為檢查人的睡眠狀態者，專利文獻1等中提出的整晚睡眠多相儀（polysomnography；PSG）正在被開發。在PSG中，在檢查對象者的身體上安裝多個電極或感測器，通過將前述電極或感測器分別連接到專用的測量儀器上來測量腦波、心電圖、肌電圖、呼吸狀態等基礎資料，並根據前述基礎資料來檢查睡眠及覺醒的狀態。 [先前技術文獻] [專利文獻]
[專利文獻1]日本特開2013-99507號公報。
[發明所欲解決之課題]
在專利文獻1等使用PSG的睡眠檢查中，使用的測量儀器較多，並且檢查場所被限定在醫院或研究室。因此，很多人無法輕易進行複數日以上的長期檢查。另外，在與自己家不同的環境中，由於在身體上安裝了多個電極或感測器，會產生壓力並且難以入睡。因此，難以正確檢查平時的睡眠狀態。
本發明鑒於以上情況所完成，目的在於提供一種能夠使用較少的佩戴器具以足夠高的精度來判定睡眠及覺醒的睡眠覺醒判定系統等。 [用以解決課題之手段]
根據本發明的一種態樣，其提供一種睡眠覺醒判定系統。前述睡眠覺醒判定系統包含至少一個處理器，前述至少一個處理器能夠執行電腦程式以執行以下各步驟。在取得步驟中，取得表示使用者身體的至少一部分的加速度的信號。在頻帶限制步驟中，將表示加速度的信號中包含的頻率成分限制為特定頻率成分。在變換步驟中，對由特定頻率成分構成的信號進行傅立葉轉換而生成判定用資料。在判定步驟中，基於判定用資料和預先設定的參照資訊，來判定使用者的睡眠及覺醒。
根據這樣的態樣，能夠使用較少的佩戴器具以足夠高的精度來判定睡眠及覺醒。
以下利用圖式說明本發明的實施態樣。以下所示實施態樣中示出的各種特徵事項均可相互組合。
然而，用於實現本實施態樣中出現的軟體的電腦程式可作為電腦可讀取的非暫態的記憶媒體(Non-Transitory Computer-Readable Medium)提供，或從外部伺服器可下載來提供，亦或可提供為在外部電腦上啟動該電腦程式並在客戶終端機上實現其功能(亦即所謂雲端計算)。
此外，在本實施態樣中「部」可包括例如藉由廣義的電路所實施的硬體資源與可藉由該等硬體資源來具體實現的軟體資訊處理的組合。又雖然在本實施態樣中處理各種資訊，但這些資訊係以例如代表電壓或電流的信號值的物理意義的數值，亦或作為由0或1所構成的二進位的位元集(bit set)的信號值的高低，亦或藉由量子疊加(亦即所謂量子位元)來表示，且可在廣義的電路上執行通訊或運算。
另外，廣義的電路係藉由至少適當地組合電路(Circuit)、電路類(Circuitry)、處理器(Processor)以及記憶體(Memory)等來實現的電路。換言之，包含針對特定用途的積體電路(Application Specific Integrated Circuit；ASIC)、可程式邏輯裝置(例如，簡單可程式邏輯裝置(Simple Programmable Logic Device；SPLD)、複合可程式邏輯裝置(Complex Programmable Logic Device；CPLD)以及現場可程式閘陣列(Field Programmable Gate Array；FPGA))等。
1. 硬體結構 在本節中，將說明睡眠覺醒判定系統1的整體結構。
1.1 睡眠覺醒判定系統1 圖1係顯示本實施態樣的睡眠覺醒判定系統1的結構概要的圖。睡眠覺醒判定系統1係包含可穿戴設備2和資訊處理裝置3的系統，這些構成要件能夠通過電性通訊手段進行資訊交換。圖2係顯示圖1所示的睡眠覺醒判定系統1的硬體結構的方塊圖。
1.2 可穿戴設備2 圖3係顯示可穿戴設備2的示例的照片。如圖3所示，可穿戴設備2係例如可佩戴在使用者手臂上的小型裝置。另外，如圖2所示，可穿戴設備2具有通訊部21、記憶部22、控制部23、加速度感測器24，這些構成要件在可穿戴設備2的內部藉由通訊匯流排20進行電性連接。以下，對各構成要件作進一步說明。
通訊部21較佳為USB(Universal Serial Bus；通用序列匯流排)、IEEE(Institute of Electrical and Electronics Engineers；美國電機電子工程師學會)1394、Thunderbolt(註冊商標，中譯為雷電，是由英特爾發表的連接器標準)、有線LAN(Local Area Network；區域網路)網路通訊等有線通訊手段，或以根據需要包含無線LAN網路通訊、3G(Third Generation Mobile Communication；第三代行動通訊)／LTE(Long Term Evolution；長期演進技術)／5G(Fifth Generation Mobile Communication；第五代行動通訊)等行動通訊、藍牙(Bluetooth，註冊商標)通訊等的方式加以實施。特別是在本實施態樣中，通訊部21較佳構成為能夠將包含後述的加速度感測器24測量的時間序列的三維加速度向量v(x，y，z)的資訊寫入至外置的記憶媒體M中。記憶媒體M的種類或態樣沒有特別限定，例如，可以適當採用快閃記憶體、卡片型記憶體、光碟等。
記憶部22記憶前述說明所定義的各種資訊。其可例如作為固態驅動器(Sold State Drive；SSD)等存儲設備來實施，或者作為用於記憶程式運算有關的暫時必要資訊(參數、陣列等)的隨機存取記憶體(Random Access Memory；RAM)等的記憶體來實施。此外，亦可係這些的組合。特別是，能夠記憶包含後述的加速度感測器24測量的時間序列的三維加速度向量v(x，y，z)的資訊。需要注意的是，也可以實施為不藉由記憶部22而直接記憶在前述記憶媒體M中。
控制部23執行可穿戴設備2相關整體動作的處理及控制。控制部23係例如未圖示的中央處理器(Central Processing Unit；CPU)。控制部23藉由讀取記憶部22所記憶的預定電腦程式來實現可穿戴設備2相關的各種功能。亦即，藉由記憶於記憶部22的軟體進行的資訊處理由作為硬體示例的控制部23來具體實現，從而可作為包含在控制部23中的各功能部來執行。另外，控制部23並不限定為單個，亦可實施為按照各功能具有複數個控制部23。此外，亦可係這些的組合。
加速度感測器24構成為能夠測量使用者身體的一部分，例如手臂，的加速度作為三維向量資訊。亦即，能夠從使用者取得包含時間序列的三維加速度向量v(x，y，z)的資訊。
1.3 資訊處理裝置3 如圖2所示，資訊處理裝置3包括通訊部31、記憶部32和控制部33，這些構成要件藉由通訊匯流排30在資訊處理裝置3的內部進行電性連接。以下，對各構成要件作進一步說明。
通訊部31較佳為USB(Universal Serial Bus；通用序列匯流排)、IEEE(Institute of Electrical and Electronics Engineers；美國電機電子工程師學會)1394、Thunderbolt(註冊商標，中譯為雷電，是由英特爾發表的連接器標準)、有線LAN(Local Area Network；區域網路)網路通訊等有線通訊手段，或以根據需要包含無線LAN網路通訊、3G(Third Generation Mobile Communication；第三代行動通訊)／LTE(Long Term Evolution；長期演進技術)／5G(Fifth Generation Mobile Communication；第五代行動通訊)等行動通訊、藍牙(Bluetooth，註冊商標)通訊等的方式加以實施。特別是在本實施態樣中，通訊部31較佳作為能夠讀入記憶在外置的記憶媒體M中的資訊的記憶媒體讀入部來實施。在記憶媒體M中，記憶有包含藉由可穿戴設備2從使用者取得的時間序列的三維加速度向量v(x，y，z)的資訊。由此，作為記憶媒體讀入部的通訊部31構成為能夠讀入記憶在記憶媒體M中的三維加速度向量v(x，y，z)。
記憶部32記憶前述說明所定義的各種資訊。其可例如作為固態驅動器(Sold State Drive；SSD)等存儲設備來實施，或者作為用於記憶程式運算有關的暫時必要資訊(參數、陣列等)的隨機存取記憶體(Random Access Memory；RAM)等的記憶體來實施。此外，亦可係這些的組合。特別是，記憶部32記憶藉由控制部33執行的資訊處理裝置3相關的各種程式等。
此外，記憶部32還記憶學習了期望時期(Epoch)的特徵量f(N)、近過去時期的特徵量f(N±δ)、以及與使用者的睡眠及覺醒之相關性的已學習模型。這樣的機器學習的演算法較佳適當採用以往的演算法。例如，可以舉出邏輯迴歸(Logistic regression)、隨機森林(Random forest)、XGBoost ( eXtreme Gradient Boosting, 極限梯度提升)、多層感知器(Multilayer perceptron；MLP)等。另外，每次使用資訊處理裝置3時，能夠進一步實施將其作為教師資料的機器學習並且更新前述已學習模型。
控制部33(處理器的示例)執行資訊處理裝置3相關整體動作的處理及控制。控制部33係例如未圖示的中央處理器(Central Processing Unit；CPU)。控制部33藉由讀取記憶部32所記憶的預定電腦程式來實現資訊處理裝置3相關的各種功能。亦即，藉由軟體(記憶於記憶部32)進行的資訊處理藉由硬體(控制部33)來具體實現，從而可作為後述的各功能部來執行。另外，在圖2中，控制部33雖表述為單個，但實際上並不僅限於此，可實施為按照各功能具有複數個控制部33。此外，亦可係這些的組合。
2. 功能結構 在本節中，將描述本實施態樣的功能結構。如上所述，通過作為硬體示例的控制部33具體地實現記憶在記憶部32中的軟體的資訊處理，可以作為包含在控制部33中的各功能部來執行。圖4是資訊處理裝置3中的控制部33的功能方塊圖。亦即，控制部33具備以下各部。
取得部331構成為通過網路或記憶媒體M等從外部獲取各種資訊。例如，取得部331亦可取得表示使用者身體的至少一部分的加速度的信號。關於這一點將在之後進一步詳述。
頻帶限制部332構成為對由取得部331取得的信號執行頻帶限制處理。例如，頻帶限制部332亦可以限制為表示加速度的信號所包含的頻率成分中的特定頻率成分C。關於這一點將在之後進一步詳述。
變換部333構成為對由頻帶限制部332限制的特定頻率成分C所構成的信號執行傅立葉轉換處理。例如，亦可以對由特定頻率成分C所構成的信號進行傅立葉轉換，生成判定用資料。關於這一點將在之後進一步詳述。
修正部334構成為執行修正處理。例如，修正部334亦可以將由變換部333生成的判定用資料的頻率成分的分佈進行標準化並修正。關於這一點將在之後進一步詳述。
判定部335構成為判定使用者的睡眠及覺醒。例如，判定部335亦可以基於特定頻率成分C和預先設定的參照資訊IF來判定使用者的睡眠及覺醒。關於這一點將在之後進一步詳述。
顯示控制部336構成為生成各種顯示資訊並控制使用者可視的顯示內容。顯示資訊可以係畫面、圖像、圖標、文本等以使用者可視的態樣所生成的資訊，亦可以係用於使畫面、圖像、圖標、文本等顯示的渲染資訊(Rendering information)。
3. 資訊處理方法 在本節中，將說明前述睡眠覺醒判定系統1的資訊處理方法。
(流程概述) 圖5是顯示睡眠覺醒判定系統1的資訊處理流程的活動圖。以下將按照圖5中的各活動來概述資訊處理的流程。在此的使用者，係假設為希望使用睡眠覺醒判定系統1提供的服務來判定睡眠及覺醒。需要留意的是，此處的睡眠及覺醒的判定可以包括判定使用者是處於睡眠狀態還是覺醒狀態。使用者在例如自己的手臂上佩戴可穿戴設備2。
首先，使用者在自己身體的至少一部分，例如單臂上佩戴了可穿戴設備2的狀態下橫躺休息。在此期間，可穿戴設備2中的加速度感測器24依次檢測並測量使用者單臂的加速度(活動A101)。顯示被測量的加速度的信號的日誌資料被依次記憶在已插入至可穿戴設備2的記憶媒體M中。
隨後，在取得了表示加速度的信號的足夠日誌資料之後，通過將記憶媒體M從可穿戴設備2替換為資訊處理裝置3，將記憶在記憶媒體M中的表示加速度的信號移交至資訊處理裝置3。亦即，取得部331取得表示使用者身體的至少一部分的加速度的信號(活動A102)。被取得的表示加速度的信號可以由記憶部32的暫時記憶領域來讀取。
接下來，通過由控制部33讀取記憶在記憶部32中的預定電腦程式，將加速度的信號中包含的頻率成分限制為特定頻率成分C。亦即，頻帶限制部332將表示加速度的信號中包含的頻率成分限制為特定頻率成分C，並且尤其較佳為頻帶限制部332使用高通濾波器HF來限制為特定頻率成分C(活動A103)。根據這樣的態樣，可以將特定頻率成分C限制為截止頻率(Cutoff frequency)以上的高頻成分，從而可以更穩健地判定使用者的睡眠及覺醒。
然後，通過由控制部33讀取記憶在記憶部32中的預定電腦程式，對由特定頻率成分C構成的信號執行傅立葉轉換。這樣的傅立葉轉換較佳使用FFT(Fast Fourier Transformation；快速傅立葉轉換)的演算法。亦即，變換部333對由特定頻率成分C所構成的信號執行傅立葉轉換並生成判定用資料(活動A104)。
隨後，通過由控制部33讀取記憶在記憶部32中的預定電腦程式，執行所生成的判定用資料的頻率成分的標準化。亦即，修正部334將判定用資料的頻率成分(特定頻率成分C的分佈)進行標準化並修正(活動A105)。
接著，將標準化了的判定用資料作為以預定時間t單位所規定的時期E來處理。具體而言，通過由控制部33讀取記憶在記憶部32中的預定電腦程式，來運算每個時期E的特徵量f(N)(活動A106)。此處的N是時期E的序列號，將在之後進一步詳述。
之後，控制部33讀取記憶在記憶部32中的參照資訊IF(活動A107)，將期望的時期E的特徵量f和在其周邊規定的時期E的特徵量f提供給參照資訊IF，由此顯示關於使用者的睡眠及覺醒的判定結果。尤其較佳為參照資訊IF係學習了特定頻率成分C與睡眠及覺醒之間的相關性的已學習模型IF1。根據這樣的態樣，能夠使用機器學習來高精度地判定使用者的睡眠及覺醒。
亦即，判定部335基於包含特定頻率成分C的判定用資料和預先設定的參照資訊IF，來判定使用者的睡眠及覺醒。較佳地，判定部335基於特定頻率成分C，按照預定時間t規定的每個時期E來特定特徵量f。另外，判定部335基於時期E中的期望時期E的特徵量f、在時間序列上比期望時期E更早的近過去時期E的特徵量f、以及作為參照資訊IF的示例的已學習模型IF1，來判定使用者的睡眠及覺醒。然後，顯示控制部336進行控制，以使前述判定結果以可向使用者提示的方式顯示(活動A108)。根據這樣的態樣，可以更高精度地判定使用者的睡眠及覺醒。
綜上所述，前述睡眠覺醒判定方法包括睡眠覺醒判定系統1中的各步驟。在取得步驟中，取得表示使用者身體的至少一部分的加速度的信號。在頻帶限制步驟中，將表示加速度的信號中包含的頻率成分限制為特定頻率成分C。在變換步驟中，對由特定頻率成分C構成的信號進行傅立葉轉換而生成判定用資料。在判定步驟中，基於判定用資料和預先設定的參照資訊，來判定使用者的睡眠及覺醒。
根據這樣的態樣，能夠使用較少的佩戴器具以足夠高的精度來判定睡眠及覺醒。特別是，通過在先進行頻帶限制之後進行傅立葉轉換，能夠使判定用資料中的特徵量f顯著，其結果有助於睡眠及覺醒的判定。另外，由於不依賴於裝置取得信號的採樣頻率，因此能夠更穩健地判定使用者的睡眠及覺醒。
(資訊處理的詳情) 在此，將說明圖5所概述的資訊處理的詳細部分。圖6及圖7係用於說明時期E的概念圖。圖8係揭示了顯示每個時期的加速度的L2範數的圖(圖8A)以及顯示實際睡眠的睡眠經過圖(Hypnogram)(圖8B)的圖。圖9係顯示各採樣頻率的已學習模型IF1的精度的圖。圖10係顯示類比數位轉換中各位元率的睡眠覺醒判定的精度的圖。圖11係顯示由修正部334執行的標準化處理的概要圖。
如圖6所示，時期E係以預定時間t所規定的加速度的信號日誌資料。前述預定時間t係例如5秒至600秒，較佳為10秒至120秒，且進一步較佳為20秒至60秒，具體而言例如為10、20、30、40、50、60、70、80、90、100、110、120、130、140、150、160、170、180、190、200、210、220、230、240、250、260、270、280、290、300、310、320、330、340、350、360、370、380、390、400、410、420、430、440、450、460、470、480、490、500、510、520、530、540、550、560、570、580、590、600秒，亦可以在以上所示數值的任意兩個之間的範圍內。
在本實施態樣中，將表示加速度的信號作為複數個時期E來處理。假設在時間序列中第N個時期E被稱為期望時期E，並將比此稍早的例如第N-1至N-4個時期E稱為近過去時期E。在本實施態樣中，將期望時期E的特徵量f(N)和近過去時期E的特徵量f(N-δ)作為輸入，基於記憶在記憶部32中的前述已學習模型，來判定使用者的睡眠及覺醒。
δ值具體而言例如為0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50，亦可以在以上所示數值的任意兩個之間的範圍內。當然，時期的數值僅為示例，並不僅限於此。此外，如圖7所示，亦可以採用特徵量f(N±δ)來代替特徵量f(N-δ)。在這種情況下，例如第N-4至N+4個時期E亦可以被稱為周邊時期E。
此外，時期E的特徵量f並無特別限定。例如，雖然對表示加速度的三維加速度向量v(x，y，z)等實施了高通濾波器HF、FFT及標準化處理，但是亦可以從L2範數提取特徵量f(N)，將其用於睡眠及覺醒的判定。具體而言，例如特徵量f(N)可以是針對L2範數等的標量值或其對數以複數個臨限值劃分等級而生成的直方圖，亦可以是基於標量值乘以窗函數的乘積的功率譜。例如，圖8A顯示加速度的時間差的對數功率譜。圖8B顯示與圖8A相關的睡眠經過圖。
接著，如圖9所示，可知在生成已學習模型IF1時，判定的精度根據教師資料的採樣頻率發生變化。具體而言，按照圖8A至圖8D的順序，將教師資料的採樣頻率設為50Hz、25Hz、10Hz及5Hz，生成已學習模型IF1。
整體而言，當教師資料的採樣頻率和輸入此的樣本信號的採樣頻率相匹配時，準確率(Accuracy)的分數(Score)呈上升趨勢。進而，特別是在已學習模型IF1生成時教師資料的採樣頻率在25Hz以上的情況下，即使輸入的樣本信號的採樣頻率較低，亦能夠實現較高精度。在改變採樣頻率時，執行重新採樣(Resampling)處理的情況和執行細化(Thinning)處理的情況之間沒有較大差異。
綜上所述，較佳為已學習模型IF1係通過以採樣頻率5Hz以上取得信號來學習特定頻率成分C與睡眠及覺醒的相關性的已學習模型IF1。此外，輸入至已學習模型IF1的樣本信號的採樣頻率也較佳為5Hz以上。對於這樣的已學習模型，當輸入樣本的採樣頻率與學習時的採樣頻率相匹配時，可以實現高精度的判定。
特別較佳為，已學習模型IF1係通過以採樣頻率25Hz以上取得信號來學習特定頻率成分C與睡眠及覺醒的相關性的已學習模型IF1。根據這種態樣，即使輸入樣本的採樣頻率比學習時的採樣頻率更低，亦能夠實現高精度的判定。
亦即，在已學習模型IF1的學習中使用的信號的採樣頻率具體例如為5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100Hz，亦可以在以上所示數值的任意兩個之間的範圍內。
此外，如圖10所示，確認了類比數位轉換時的位元率影響判定的精度。根據圖10可知，在進行重新採樣處理的情況下，4位元與6位元之間可以看到差異，在進行細化處理的情況下，6位元與8位元之間可以看到差異。亦即，較佳為取得部331將位元率設為8位元以上，對加速度進行類比數位轉換來取得信號。具體而言，可例如為8、10、12、14、16、32、48、64位元，亦可以在此所示數值的任意兩個之間的範圍內。根據這樣的態樣，可以將類比數位轉換的信號維持在較高精度，從而可以更加穩健地判定使用者的睡眠及覺醒。類比數位轉換本身可以以8位元以上進行，亦可以以所取得的信號結果為8位元以上的方式進行。
進而，如圖11所示，確認了可穿戴設備2的每個產品的頻率靈敏度不同。在此，例示了可穿戴設備2a和可穿戴設備2b的情況。在本實施態樣中，為了緩和這樣根據每個產品的頻率靈敏度的分散引起的誤差，導入了由修正部334執行的標準化處理。通過實施標準化處理，可穿戴設備2a、可穿戴設備2b都變化為大致均勻的頻率靈敏度分佈。亦即，在本實施態樣中，通過包含由修正部334執行的標準化處理，能夠無關乎產品而減輕頻率靈敏度的影響，從而能夠更穩健地判定使用者的睡眠及覺醒。
4. 其他 關於本實施態樣的睡眠覺醒判定系統1，亦可以採用以下的態樣。
在以上的實施態樣中雖說明了睡眠覺醒判定系統1的結構，然亦可以向至少一台電腦提供執行睡眠覺醒判定系統1中的各步驟的電腦程式。根據這種態樣，能夠使用較少的佩戴器具以足夠高的精度判定睡眠及覺醒。另外，由於不依賴於裝置獲取信號的採樣頻率，因此能夠更穩健地判定使用者的睡眠及覺醒。
亦可以不經由記憶媒體M，而經由網際網路、內部網路亦或專用無線通訊等通訊網路進行從可穿戴設備2向資訊處理裝置3的表示加速度的信號的日誌資料的交接。此外，亦可將藉由可穿戴設備2的加速度的測量以及藉由資訊處理裝置3的睡眠及覺醒的判定以略即時地以一定的延遲在線上執行。
在本實施態樣中，將取得部331、頻帶限制部332、變換部333、修正部334、判定部335以及顯示控制部336作為由資訊處理裝置3的控制部33實現的功能部進行了說明，然亦可以將其中至少一部分作為由可穿戴設備2的控制部23實現的功能部來實施。
此外，可穿戴設備2和資訊處理裝置3可以作為一體化構成。亦即，資訊處理裝置3可以係使用者能夠穿戴在身體一部分上的可穿戴設備2，並且可以進一步包括加速度感測器24，加速度感測器24可以構成為能夠測量加速度的三維加速度向量v(x，y，z)。
頻帶限制部332亦可以構成為使用帶通濾波器代替高通濾波器HF來限制為特定頻率成分C。根據這樣的態樣，可以將特定頻率成分限制為較佳成分，從而可以更穩健地判定使用者的睡眠和覺醒。
亦可以將圖5所示的活動A103和A104的順序顛倒。亦即，修正部334可以將所取得的信號的頻率成分分佈進行標準化並修正，並且頻帶限制部332可以將經標準化的頻率成分限制為特定頻率成分C。根據這樣的態樣，可以減輕每個裝置上不同頻率靈敏度的影響，從而可以更穩健地判定使用者的睡眠和覺醒。
除了本實施態樣的加速度感測器24之外，還可以適當地添加其它感測器。例如，可以添加SpO2感測器、環境光感測器、心率感測器等。亦可實施為SpO2感測器可以測量經皮動脈血氧飽和度，並將其結果附加地用於睡眠和覺醒的判定。亦可實施為環境光感測器可以測量使用者的環境光強度，並將其結果附加地用於睡眠和覺醒的判定。亦可實施為心率感測器可以測量使用者的心率，並將其結果附加地用於睡眠和覺醒的判定。
此外，亦可以提供以下所記載之各態樣。
(1) 一種睡眠覺醒判定系統，其包含至少一個處理器，前述至少一個處理器能夠執行電腦程式以執行以下各步驟：在取得步驟中，取得表示使用者身體的至少一部分的加速度的信號；在頻帶限制步驟中，將表示前述加速度的信號中包含的頻率成分限制為特定頻率成分；在變換步驟中，對由前述特定頻率成分構成的信號進行傅立葉轉換而生成判定用資料；在判定步驟中，基於前述判定用資料和預先設定的參照資訊，來判定前述使用者的睡眠及覺醒。
(2) 如前述(1)所記載之睡眠覺醒判定系統，其中在前述頻帶限制步驟中，使用高通濾波器或帶通濾波器來限制為前述特定頻率成分。
(3) 如前述(1)或(2)所記載之睡眠覺醒判定系統，其中進一步在修正步驟中，將前述判定用資料的頻率成分的分佈標準化並進行修正。
(4) 如前述(1)或(2)所記載之睡眠覺醒判定系統，其中進一步在修正步驟中，將所取得的前述信號的頻率成分的分佈標準化並進行修正，在前述頻帶限制步驟中，將經標準化的前述頻率成分限制為前述特定頻率成分。
(5) 如前述(1)至(4)中任一項所記載之睡眠覺醒判定系統，其中在前述取得步驟中，將位元率設為8位元以上，對前述加速度進行類比數位轉換，取得前述信號。
(6) 如前述(1)至(5)中任一項所記載之睡眠覺醒判定系統，其中前述參照資訊係學習了前述特定頻率成分與前述睡眠及覺醒的相關性的已學習模型。
(7) 如前述(6)所記載之睡眠覺醒判定系統，其中前述已學習模型是通過以採樣頻率5Hz以上取得前述信號來學習前述特定頻率成分與前述睡眠及覺醒的相關性的已學習模型。
(8) 如前述(7)所記載之睡眠覺醒判定系統，其中前述已學習模型是通過以採樣頻率25Hz以上取得前述信號來學習前述特定頻率成分與前述睡眠及覺醒的相關性的已學習模型。
(9) 如前述(1)至(8)中任一項所記載之睡眠覺醒判定系統，其中在前述判定步驟中,基於前述判定用資料，按照預定時間所規定的每個時期來確定特徵量，基於前述時期中的期望時期的前述特徵量、在時間序列上比前述期望時期更早的近過去時期的前述特徵量、以及前述參照資訊，來判定前述使用者的睡眠及覺醒。
(10) 一種睡眠覺醒判定方法，其包含前述(1)至(9)中任一項所記載之睡眠覺醒判定系統中的各步驟。
(11) 一種電腦程式，其使至少一台電腦執行前述(1)至(9)中任一項所記載之睡眠覺醒判定系統中的各步驟。 當然，並不僅限於此。
最後，雖然本發明已以各種實施態樣說明如上，然其僅係提示作為範例而並非用以限定本發明之範圍。該新穎實施態樣得以其他各種形態加以實施，在不脫離本發明之精神之範圍內，當可作各種省略、置換及變動。該實施態樣及其變形均包含在發明之範圍及主旨中，並且包含在申請專利範圍所記載之發明及其均等之範圍內。
1:睡眠覺醒判定系統 2:可穿戴設備 2a:可穿戴設備 2b:可穿戴設備 3:資訊處理裝置 20:通訊匯流排 21:通訊部 22:記憶部 23:控制部 24:加速度感測器 30:通訊匯流排 31:通訊部 32:記憶部 33:控制部 331:取得部 332:頻帶限制部 333:變換部 334:修正部 335:判定部 336:顯示控制部 A101~A108:活動 C:特定頻率成分 E:時期 HF:高通濾波器 IF:參照資訊 IF1:已學習模型 M:記憶媒體 f:特徵量 t:預定時間 v:三維加速度向量
[圖1]係表示本實施態樣的睡眠覺醒判定系統1的結構概要的圖。 [圖2]係表示圖1所示的睡眠覺醒判定系統1的硬體結構的方塊圖。 [圖3]係顯示可穿戴設備2的一例的照片。 [圖4]係資訊處理裝置3的控制部33的功能方塊圖。 [圖5]係顯示睡眠覺醒判定系統1的資訊處理流程的活動圖。 [圖6]係用於說明時期(Epoch)E的概念圖。 [圖7]係用於說明時期E的概念圖。 [圖8]係揭示了顯示每個時期的加速度的L2範數的圖(圖8A)以及顯示實際睡眠的睡眠經過圖(Hypnogram)(圖8B)的圖。 [圖9]係顯示各採樣頻率的已學習模型IF1的精度的圖。 [圖10]係顯示類比數位轉換(Analog-digital conversion)中各位元率的睡眠覺醒判定的精度的圖。 [圖11]係顯示由修正部334執行的標準化處理的概要圖。
1:睡眠覺醒判定系統
2:可穿戴設備
3:資訊處理裝置

Claims (11)

  1. 一種睡眠覺醒判定系統，其包含： 至少一個處理器，前述至少一個處理器能夠執行電腦程式以執行以下各步驟， 在取得步驟中，取得表示使用者身體的至少一部分的加速度的信號， 在頻帶限制步驟中，將表示前述加速度的信號中包含的頻率成分限制為特定頻率成分， 在變換步驟中，對由前述特定頻率成分構成的信號進行傅立葉轉換而生成判定用資料， 在判定步驟中，基於前述判定用資料和預先設定的參照資訊，來判定前述使用者的睡眠及覺醒。
  2. 如請求項1所記載之睡眠覺醒判定系統，其中在前述頻帶限制步驟中，使用高通濾波器或帶通濾波器來限制為前述特定頻率成分。
  3. 如請求項1或2所記載之睡眠覺醒判定系統，其中進一步在修正步驟中，將前述判定用資料的頻率成分的分佈進行標準化並修正。
  4. 如請求項1或2所記載之睡眠覺醒判定系統，其中進一步在修正步驟中，將所取得的前述信號的頻率成分的分佈進行標準化並修正， 在前述頻帶限制步驟中，將經標準化的前述頻率成分限制為前述特定頻率成分。
  5. 如請求項1至4中任一項所記載之睡眠覺醒判定系統，其中在前述取得步驟中，將位元率設為8位元以上，對前述加速度進行類比數位轉換(Analog-digital conversion)，取得前述信號。
  6. 如請求項1至5中任一項所記載之睡眠覺醒判定系統，其中前述參照資訊係學習了前述特定頻率成分與前述睡眠及覺醒的相關性的已學習模型。
  7. 如請求項6所記載之睡眠覺醒判定系統，其中前述已學習模型是通過以採樣頻率5Hz以上取得前述信號來學習前述特定頻率成分與前述睡眠及覺醒的相關性的已學習模型。
  8. 如請求項7所記載之睡眠覺醒判定系統，其中前述已學習模型是通過以採樣頻率25Hz以上取得前述信號來學習前述特定頻率成分與前述睡眠及覺醒的相關性的已學習模型。
  9. 如請求項1至8中任一項所記載之睡眠覺醒判定系統，其中在前述判定步驟中， 基於前述判定用資料，按照預定時間所規定的每個時期(Epoch)來確定特徵量， 基於前述時期中的期望時期的前述特徵量、在時間序列上比前述期望時期更早的進過去時期的前述特徵量、以及前述參照資訊，來判定前述使用者的睡眠及覺醒。
  10. 一種睡眠覺醒判定方法，其包含請求項1至9中任一項所記載之睡眠覺醒判定系統中的各步驟。
  11. 一種電腦程式，其使至少一台電腦執行請求項1至9中任一項所記載之睡眠覺醒判定系統中的各步驟。
TW111125518A 2021-07-27 2022-07-07 睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式 TWI833276B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-122223 2021-07-27
JP2021122223 2021-07-27

Publications (2)

Publication Number Publication Date
TW202320087A true TW202320087A (zh) 2023-05-16
TWI833276B TWI833276B (zh) 2024-02-21

Family

ID=85086790

Family Applications (2)

Application Number Title Priority Date Filing Date
TW112127470A TW202345166A (zh) 2021-07-27 2022-07-07 睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式
TW111125518A TWI833276B (zh) 2021-07-27 2022-07-07 睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW112127470A TW202345166A (zh) 2021-07-27 2022-07-07 睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式

Country Status (6)

Country Link
EP (1) EP4356834A1 (zh)
JP (1) JPWO2023008099A1 (zh)
KR (1) KR20240028476A (zh)
CN (1) CN117615710A (zh)
TW (2) TW202345166A (zh)
WO (1) WO2023008099A1 (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009297474A (ja) * 2008-06-12 2009-12-24 Sleep System Kenkyusho:Kk 睡眠段階判定装置
JP5430034B2 (ja) 2011-10-14 2014-02-26 株式会社タニタ 睡眠評価処理システム及び睡眠評価装置
WO2013061415A1 (ja) * 2011-10-26 2013-05-02 株式会社日立製作所 呼吸測定システム及びｒｅｍ睡眠判定システム
WO2017040331A1 (en) * 2015-08-28 2017-03-09 Awarables, Inc. Determining sleep stages and sleep events using sensor data
JP6358768B2 (ja) * 2016-02-15 2018-07-18 ヘルスセンシング株式会社 睡眠状態測定装置、δ波推定方法、位相コヒーレンス算出装置及びストレス状態測定装置
CN113272908B (zh) * 2018-12-24 2024-04-12 皇家飞利浦有限公司 用于利用感官刺激增强rem睡眠的系统和方法

Also Published As

Publication number Publication date
JPWO2023008099A1 (zh) 2023-02-02
EP4356834A1 (en) 2024-04-24
KR20240028476A (ko) 2024-03-05
WO2023008099A1 (ja) 2023-02-02
TW202345166A (zh) 2023-11-16
CN117615710A (zh) 2024-02-27
TWI833276B (zh) 2024-02-21

Similar Documents

Publication Publication Date Title
JP7367099B2 (ja) せん妄患者の脳症の存在をスクリーニングするためのシステム
US20190038148A1 (en) Health with a mobile device
JP2008520311A (ja) 鬱病検出装置
JP5322179B2 (ja) 感性評価装置、感性評価方法、及び感性評価プログラム
JP2011083393A (ja) 睡眠ステージ自動判定の装置と方法およびそのためのコンピュータプログラム
Rohit et al. Iot based health monitoring system using raspberry PI-review
JP2008253727A (ja) モニタ装置、モニタシステム及びモニタ方法
TW202320087A (zh) 睡眠覺醒判定系統、睡眠覺醒判定方法以及電腦程式
CN108742538B (zh) 基于大数据与人工智能的体征测量方法和医疗机器人系统
JP7180216B2 (ja) 生体情報解析装置、生体情報解析方法、および生体情報解析システム
CN114340483A (zh) 一种血压标定选择方法及其建模方法
JP7180259B2 (ja) 生体情報解析装置、生体情報解析方法、および生体情報解析システム
Villar et al. A Low Cost IoT Enabled Device for the Monitoring, Recording and Communication of Physiological Signals.
JP2015029609A (ja) 嗜好性評価方法、嗜好性評価装置およびプログラム
WO2024014875A1 (ko) 심박 변이도에 대한 특징 추출의 정확도를 향상시키는 방법, 프로그램 및 장치
Anicai et al. IoT and Machine Learning Enabled Estimation of Health Indicators from Ambient Data
EP3995077A1 (en) Sleep-wakefulness determination device and program
Tsiartas et al. A novel Hot-Flash classification algorithm via multi-sensor features integration
CN116779166A (zh) 数据处理方法及装置、健康评估方法及装置、电子设备和可读存储介质
Freire et al. IEEE1451. 4 multi-sensing platform for wheelchair users assessment
BR112018011326B1 (pt) Sistema para rastreamento de delírio de paciente
WO2024099868A1 (en) Cardiotocographic scanning session duration
CN113384253A (zh) 用于无线健康监测和紧急状况预测的装置
CZ37158U1 (cs) Systém pro měření biometrických parametrů jedince