WO2020089539A1 - Procédé, dispositif et système de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne - Google Patents

Procédé, dispositif et système de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne Download PDF

Info

Publication number
WO2020089539A1
WO2020089539A1 PCT/FR2019/052440 FR2019052440W WO2020089539A1 WO 2020089539 A1 WO2020089539 A1 WO 2020089539A1 FR 2019052440 W FR2019052440 W FR 2019052440W WO 2020089539 A1 WO2020089539 A1 WO 2020089539A1
Authority
WO
WIPO (PCT)
Prior art keywords
person
acoustic
acoustic stimulation
signal
effect
Prior art date
Application number
PCT/FR2019/052440
Other languages
English (en)
Inventor
Valentin THOREY
Clémence PINAUD
Original Assignee
Dreem
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 Dreem filed Critical Dreem
Priority to US17/290,025 priority Critical patent/US20210407646A1/en
Publication of WO2020089539A1 publication Critical patent/WO2020089539A1/fr

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/38—Acoustic or auditory stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H23/00—Percussion or vibration massage, e.g. using supersonic vibration; Suction-vibration massage; Massage with moving diaphragms
    • A61H23/02—Percussion or vibration massage, e.g. using supersonic vibration; Suction-vibration massage; Massage with moving diaphragms with electric or magnetic drive
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5007—Control means thereof computer controlled
    • A61H2201/501—Control means thereof computer controlled connected to external computer devices or networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/02—Head

Definitions

  • the invention relates to methods and devices for predicting an effect of acoustic stimulation of the brain waves of a person during sleep.
  • Such methods use acoustic stimulation of brain waves to promote the generation of slow brain waves during deep sleep.
  • the process implemented makes it possible to perform acoustic stimulation only when the impact of this stimulation is positive for the person.
  • the use of artificial intelligence also makes it possible to obtain an exact prediction.
  • the neural network can be continuously learning which allows it to be personalized according to the person using the device.
  • the measurement signal section to be analyzed is therefore large enough to effectively predict the effect of acoustic stimulation.
  • the window is sufficiently reduced so that the duration of analysis of the acquired signals is rapid.
  • FIG. 7 illustrates a temporal form of a cerebral slow wave, an acoustic signal and predefined temporal patterns according to an exemplary embodiment of the invention.
  • the acquisition means 3, the transmission means 4, the processor 5 and the memory 6 are also functionally linked together and capable of exchanging information and orders.
  • the device 1 may comprise at least two electrodes 3 including at least one reference electrode 3a and at least one EEF measurement electrode 3b.
  • the device 1 can also include a ground electrode 3c.
  • the neural network receives data as input, to which a weight can be associated. By learning, the neural network converges to obtain, at the output, the desired information.
  • the neural network is able to predict the effect of an acoustic stimulation on the person P by analyzing a measurement signal S acquired in the time interval preceding an acoustic stimulation. From the result of the prediction, the transmission means 4 may or may not emit an audible signal audible by the person P, as described below.
  • measurement signals S of a plurality of people are acquired at least before and after an acoustic stimulation of the brain waves of each of the people.
  • the communication means 11 of the device 1 may in particular be able to transfer the measurement signals S acquired by the acquisition means 3 to the data transmission means 12 of the remote server 9.
  • the acoustic transducer (s) 13 are capable of emitting an acoustic signal stimulating at least one inner ear of the person P.
  • control electronics 14 is for example able, from the measurement signal S, to first determine a temporal form F of the slow brain wave C such that illustrated in figure 7.
  • control electronics 14 is capable of determining at least one time instant I of synchronization between a predefined time pattern M1 of the slow brain wave C and a predefined time pattern M2 of the acoustic signal
  • the acoustic signal A can be a continuous signal.
  • the duration of the acoustic signal A can then in particular be greater than a period of the cerebral slow wave C.
  • continuous signal is meant in particular a signal of great duration before a period of the cerebral slow wave C.
  • FIG. 7 illustrates an example of predefined time patterns Ml and M2.
  • control electronics 14 controls the emission of an acoustic signal A by at least one acoustic transducer 13 according to the result of the prediction of the effect of the acoustic stimulation. More specifically, the control electronics 14 controls the emission of an acoustic signal by the acoustic transducer 13 as a function of the effect predicted by the neural network as a function of the measurement signal S of the person P, acquired and analyzed. by said neural network.

Abstract

Un procédé mis en oeuvre par des moyens informatiques, de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne, le procédé comportant les étapes de : - acquisition d'au moins un signal de mesure, représentatif d'un signal physiologique de la personne par un dispositif (1) de stimulation acoustique des ondes cérébrales apte à être porté par la personne, - analyse du signal de mesure par une intelligence artificielle entraînée pour prédire l'effet d'une stimulation acoustique, et - détermination si une stimulation acoustique doit être effectuée par le dispositif (1).

Description

Procédé, dispositif et système de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne
[001] L’invention est relative aux procédés et aux dispositifs de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne durant son sommeil.
[002] Actuellement, il existe des procédés permettant de stimuler les ondes cérébrales d’une personne, notamment au cours des différentes phases de sommeil de la personne.
[003] Généralement, de tels procédés mettent en œuvre une stimulation acoustique des ondes cérébrales pour promouvoir la génération d’ondes lentes cérébrales au cours du sommeil profond.
[004] Notamment, un encéphalogramme de la personne peut être analysé pour déterminer si la personne a atteint un stade de sommeil profond, et est donc dans un état de sommeil propice à la stimulation.
[005] Toutefois, de tels procédés ne sont pas assez précis. En effet, seul l’encéphalogramme de la personne est pris en considération. Ainsi, la stimulation acoustique peut n’entraîner aucune génération d’ondes lentes ou peut même réveiller la personne.
[006] Il existe donc un réel besoin de développer un procédé permettant d’assurer qu’une stimulation acoustique va être bénéfique pour le sommeil de la personne, par exemple en générant des ondes lentes, avant d’effectuer cette stimulation.
[007] La présente invention vient améliorer la situation.
[008] A cet effet, elle propose un procédé, mis en œuvre par des moyens informatiques, de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne, le procédé comportant les étapes de :
acquisition d’au moins un signal de mesure, représentatif d’un signal physiologique de la personne par un dispositif de stimulation acoustique des ondes cérébrales apte à être porté par la personne,
analyse dudit signal de mesure par une intelligence artificielle entraînée pour prédire l’effet d’une stimulation acoustique, et
détermination si une stimulation acoustique doit être effectuée par le dispositif.
[009] Grâce à ces dispositions, le procédé mis en œuvre permet d’effectuer des stimulations acoustiques uniquement lorsque l’impact de cette stimulation sera positif pour la personne. L’utilisation d’une intelligence artificielle permet en outre d’obtenir une prédiction exacte.
[010] Les réalisations décrites ci-dessous sont combinables entre elles.
[011] Selon une réalisation, l’intelligence artificielle est un réseau de neurones, le procédé comportant une étape d’apprentissage préalable comprenant : une pluralité de stimulations acoustiques, successives, des ondes cérébrales de ladite personne,
une acquisition des signaux de mesure représentatifs d’un signal physiologique de ladite personne au moins avant et après chacune des stimulations acoustiques de ladite pluralité de stimulations acoustiques,
pour chacune des stimulations acoustiques, détermination d’une modification des signaux de mesures acquis après une stimulation acoustique par rapport au signal de mesure acquis avant cette stimulation acoustique, et association d’un effet à ladite modification,
entraînement dudit réseau de neurones jusqu’à atteindre un seuil de convergence, et
stockage dudit réseau de neurones.
[012] L’apprentissage du réseau de neurones est basé sur les signaux de mesure acquis sur la personne elle-même. L’apprentissage est donc personnalisé, ce qui permet d’assurer que le résultat de la prédiction est exact.
[013] Selon une réalisation, l’étape d’apprentissage comprend en outre l’indication de données physiologiques de ladite personne, le réseau de neurones étant en outre entraîné pour prédire l’effet d’une stimulation acoustique en fonction desdites données physiologiques de ladite personne.
[014] Les données physiologiques permettent de prendre en compte des données globales de la personne et non uniquement locales - à savoir les signaux de mesure. Les données physiologiques non mesurables peuvent ainsi être prises en compte pour améliorer la robustesse du procédé.
[015] Selon une réalisation, l’intelligence artificielle est un réseau de neurones, le procédé comportant une étape d’apprentissage préalable comprenant :
au moins une stimulation acoustique des ondes cérébrales d’une pluralité de personnes,
une acquisition de signaux de mesure représentatifs d’un signal physiologique de ladite pluralité de personnes au moins avant et après ladite stimulation acoustique, détermination d’une modification des signaux de mesures acquis après ladite stimulation acoustique par rapport aux signaux de mesure acquis avant ladite stimulation acoustique, et association d’un effet à ladite modification,
entraînement dudit réseau de neurones jusqu’à atteindre un seuil de convergence, et
stockage dudit réseau de neurones.
[016] Ainsi, L’apprentissage peut également être fait en fonction de signaux de mesure acquis sur une pluralité de personnes. Cela permet, d’une part, d’augmenter la vitesse de convergence du réseau de neurones puisqu’il est alimenté avec plus de données en moins de temps qu’avec une seule personne. D’autre part, puisque les signaux de mesure sont acquis sur une pluralité de personnes différentes, la robustesse du réseau de neurones est augmentée. [017] Selon une variante, lors de l’étape d’apprentissage, les stimulations acoustiques des ondes cérébrales sont imperceptibles.
[018] Le réseau de neurones est ainsi plus robuste puisque l’apprentissage se fait en analysant des signaux suite à deux types de stimulations : perceptibles et imperceptibles. Cela permet de bien identifier lorsqu’une modification des signaux de la personne est due à une stimulation ou à son cycle de sommeil naturel.
[019] Selon une réalisation, l’étape d’apprentissage comprend en outre l’indication de données physiologiques de ladite pluralité de personnes, le réseau de neurones étant en outre entraîné pour prédire l’effet d’une stimulation acoustique en fonction desdites données physiologiques de ladite pluralité de personnes.
[020] De même, les données non mesurables peuvent être prises en compte. Cela permet d’accroître encore plus la robustesse du procédé de prédiction.
[021] Selon une réalisation, des signaux de mesure représentatifs d’un signal physiologique de ladite personne sont acquis en continu, le réseau de neurones étant en outre entraîné en continu et en temps réel pour prédire l’effet d’une stimulation acoustique en fonction desdits signaux de mesure de ladite personne.
[022] De cette manière, le réseau de neurones peut continuellement être en apprentissage ce qui lui permet d’être personnalisé en fonction de la personne utilisant le dispositif.
[023] Selon une réalisation, l’intelligence artificielle prédit un effet d’une stimulation acoustique en analysant des sections des signaux de mesure représentatifs d’un signal physiologique de ladite personne, acquises sur une fenêtre de temps glissante.
[024] Ainsi, l’intelligence artificielle est apte à prédire un effet d’une stimulation acoustique en analysant uniquement sur une section du signal de mesure.
[025] Selon une réalisation, ladite section est acquise pendant une durée d’acquisition comprise entre 10 secondes et une minute, et de préférence de l’ordre de 30 secondes.
[026] La section de signal de mesure à analyser est donc suffisamment importante pour prédire efficacement l’effet d’une stimulation acoustique. Par ailleurs, la fenêtre est suffisamment réduite pour que la durée d’analyse des signaux acquis soit rapide.
[027] Selon une réalisation, une stimulation acoustique comprend l’émission d’un signal acoustique, le procédé comprenant en outre une modification d’au moins un paramètre du signal acoustique à émettre en fonction d’un résultat de la prédiction de l’effet de la stimulation acoustique par l’intelligence artificielle.
[028] Le procédé permet donc, outre la prédiction d’un effet de la stimulation acoustique, d’ajuster les paramètres de la stimulation acoustique pour générer un effet positif. [029] Selon une réalisation, l’effet comprend l’un et/ou l’autre de :
un réveil de la personne,
une absence de réveil de la personne,
un changement de phase de sommeil de la personne.
[030] Les effets induits par une stimulation peuvent donc être prédits de manière exhaustive par le procédé.
[031] Selon une réalisation, le signal physiologique comprend au moins l’un et/ou l’autre de :
un signal électrique physiologique de type un électroencéphalogramme, un électrooculogramme ou un électrocardiogramme,
un signal d’activité cardiaque,
une respiration,
un mouvement.
[032] La présente invention vise également un dispositif de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne comprenant :
des moyens d’acquisition d’au moins un signal de mesure représentatif d’un signal physiologique de la personne,
un processeur communiquant avec les moyens d’acquisition et adapté pour analyser ledit au moins un signal de mesure représentatif d’un signal physiologique de la personne par une intelligence artificielle entraînée pour prédire l’effet d’une stimulation acoustique.
[033] Selon une réalisation, le dispositif comprend en outre des moyens d’émission conçus pour émettre un signal acoustique, audible par la personne, et communiquant avec ledit processeur, ledit signal acoustique étant émis ou non en fonction d’un résultat de la prédiction de l’effet de ladite stimulation acoustique par l’intelligence artificielle.
[034] Selon une réalisation, l’intelligence artificielle comprend un réseau de neurones entraîné pour prédire l’effet d’une stimulation acoustique et dans lequel le dispositif de stimulation acoustique comprend en outre une mémoire stockant ledit réseau de neurones.
[035] La présente invention vise également un système de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne, comprenant :
un dispositif de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne selon l’invention,
un serveur distant du dispositif.
[036] Selon une réalisation, le serveur est apte à stocker une base de données comprenant une pluralité de signaux de mesure représentatifs d’un signal physiologique d’au moins une personne, ladite pluralité de signaux de mesure ayant été acquise par ledit dispositif. [037] Selon une réalisation, le système comprend une pluralité de dispositifs, la pluralité de dispositifs étant en communication avec le serveur.
[038] Cela permet d’acquérir les signaux de mesure d’une pluralité de personnes, et d’en donner l’accès au réseau de neurones.
[039] La présente invention vise également un dispositif de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne, le dispositif étant apte à être porté par ladite personne et comprenant :
des moyens d’acquisition pour acquérir au moins un signal de mesure, représentatif d’un signal physiologique de la personne,
un processeur comprenant une intelligence artificielle apte à analyser ledit signal de mesure et entraînée pour prédire l’effet d’une stimulation acoustique, le processeur étant apte à déterminer si une stimulation acoustique doit être effectuée.
[040] Le dispositif comprend en outre des moyens d’émission aptes à effectuer une pluralité de stimulations acoustiques, successives, des ondes cérébrales de ladite personne, les moyens d’acquisition étant configurés pour acquérir des signaux de mesure représentatifs d’un signal physiologique de ladite personne au moins avant et après chacune des stimulations acoustiques de ladite pluralité de stimulations acoustiques, le réseau de neurones étant configuré pour être entraîné avec au moins lesdits signaux de mesures acquis avant et après chaque stimulation acoustique de manière à déterminer une modification des signaux de mesures acquis après une stimulation acoustique par rapport au signal de mesure acquis avant cette stimulation acoustique et à associer un effet à ladite modification, le dispositif comprenant en outre une mémoire apte à stocker le réseau de neurones lorsque ledit réseau de neurones a atteint un seuil de convergence prédéfini.
[041] le dispositif comprend un module d’entrée utilisateur configuré pour permettre à la personne d’entrer des données physiologiques, le réseau de neurones étant configuré pour être alimenté avec lesdites données physiologiques de ladite personne, et pour prédire l’effet d’une stimulation acoustique en fonction desdites données physiologiques de ladite personne.
[042] Selon une réalisation, l’intelligence artificielle est un réseau de neurones, le dispositif comprenant en outre des moyens d’émission apte à effectuer au moins une stimulation acoustique des ondes cérébrales d’une pluralité de personnes, les moyens d’acquisition étant configurés pour acquérir, pour chaque personne de la pluralité de personnes, des signaux de mesure représentatifs d’un signal physiologique de ladite personne au moins avant et après chacune des stimulations acoustiques de ladite pluralité de stimulations acoustiques, le réseau de neurones étant configuré pour être entraîné avec au moins lesdits signaux de mesures acquis avant et après chaque stimulation acoustique de manière à déterminer une modification des signaux de mesures acquis après une stimulation acoustique par rapport au signal de mesure acquis avant cette stimulation acoustique et à associer un effet à ladite modification, le dispositif comprenant en outre une mémoire apte à stocker le réseau de neurones lorsque ledit réseau de neurones a atteint un seuil de convergence prédéfini. [043] Selon une réalisation, le réseau de neurones est en outre configuré pour être alimenté avec des données physiologiques de ladite pluralité de personnes, le réseau de neurones étant apte à prédire l’effet d’une stimulation acoustique en fonction desdites données physiologiques de ladite pluralité de personnes.
[044] Selon une réalisation, les moyens d’acquisition sont configurés pour acquérir des signaux de mesure représentatifs d’un signal physiologique de ladite personne en continu, le réseau de neurones étant en outre entraîné en continu et en temps réel pour prédire l’effet d’une stimulation acoustique en fonction desdits signaux de mesure de ladite personne.
[045] Selon une réalisation, les moyens d’acquisition sont aptes à acquérir une pluralité de sections des signaux de mesure représentatifs d’un signal physiologique de ladite personne, chaque section étant acquise sur une fenêtre de temps glissante et analysée par l’intelligence artificielle pour prédire un effet d’une stimulation acoustique.
[046] Selon une réalisation, ladite section est acquise pendant une durée d’acquisition comprise entre 10 secondes et une minute, et de préférence de l’ordre de 30 secondes.
[047] Selon une réalisation, une stimulation acoustique comprend l’émission d’un signal acoustique, le dispositif comprenant une électrique de contrôle adaptée pour modifier au moins un paramètre du signal acoustique à émettre en fonction d’un résultat de la prédiction de l’effet de la stimulation acoustique par l’intelligence artificielle.
[048] Selon une réalisation, l’effet comprend l’un et/ou l’autre de :
un réveil de la personne,
une absence de réveil de la personne,
un changement de phase de sommeil de la personne.
[049] Selon une réalisation, le signal physiologique comprend au moins l’un et/ou l’autre de :
un signal électrique physiologique de type un électroencéphalogramme, un électrooculogramme ou un électrocardiogramme,
un signal d’activité cardiaque,
une respiration,
un mouvement.
[050] D’autres avantages et caractéristiques de l’invention apparaîtront à la lecture de la description détaillée ci-après d’exemples de réalisation de l’invention, et à l’examen des dessins annexés sur lesquels :
la figure 1 est une vue schématique d’un dispositif de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne selon un mode de réalisation de l’invention,
la figure 2 est une vue schématique d’un dispositif de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne selon une autre vue, la figure 3 est un schéma synoptique d’un système comprenant un dispositif selon un mode de réalisation de l’invention,
la figure 4 est un schéma synoptique d’un système comprenant une pluralité de dispositifs selon un mode de réalisation de l’invention,
la figure 5 illustre l’acquisition et l’analyse de sections d’un signal de mesure représentatif d’un signal physiologique d’une personne,
la figure 6 illustre l’apprentissage de l’intelligence artificielle à partir de l’acquisition et de l’analyse d’un signal de mesure de la personne,
la figure 7 illustre une forme temporelle d’onde lente cérébrale, un signal acoustique et des motifs temporels prédéfinis selon un exemple de réalisation de l’invention.
[051] Sur les différentes figures, les mêmes références désignent des éléments identiques ou similaires.
[052] Les figures 1 à 3 illustrent plus précisément un dispositif 1 de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne, ou « dispositif 1 ».
[053] Par « effet » ou « évènement » ou « impact », on entend une réaction ou une absence de réaction à la stimulation acoustique par la personne P. Plus précisément, l’effet ou l’évènement ou l’impact induit une modification ou une absence de modification des ondes cérébrales de la personne P suite à la stimulation acoustique.
[054] Le dispositif 1 est apte à mettre en œuvre un procédé de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne.
[055] Le dispositif 1 est apte à être porté par une personne P, par exemple au cours d’une période de sommeil de la personne P.
[056] Le dispositif 1 est par exemple apte à être porté sur la tête de la personne P.
[057] A cette fin, le dispositif 1 peut comporter un ou plusieurs éléments supports 2 aptes à entourer au moins partiellement la tête de la personne P, de sorte à y être maintenu. Les éléments supports 2 prennent par exemple la forme d’une ou plusieurs branches pouvant être disposées de sorte à entourer la tête de la personne P pour y maintenir le dispositif 1.
[058] Le dispositif 1 comporte également des moyens d’acquisition 3 d’au moins un signal de mesure, des moyens d’émission 4 conçus pour émettre un signal acoustique audible par la personne P et au moins un processeur 5 comprenant une intelligence artificielle apte à analyser le signal de mesure. L’intelligence artificielle est par exemple un réseau de neurones, entraînés pour prédire un effet d’une stimulation acoustique des ondes cérébrales d’une personne.
[059] Le réseau de neurones peut être stocké dans une mémoire 6 du dispositif 1. [060] Les moyens d’acquisition 3, les moyens d’émission 4, le processeur 5 et la mémoire 6 permettent au dispositif 1 de mettre en œuvre une stimulation acoustique des ondes cérébrales de la personne P.
[061] La stimulation acoustique des ondes cérébrales de la personne P peut être réitérée une ou plusieurs fois.
[062] Ainsi, la stimulation peut être réitérée une pluralité de fois par le dispositif 1 au cours d’une période de fonctionnement du dispositif 1, par exemple lors d’une période de sommeil de la personne P.
[063] Une telle période de fonctionnement du dispositif 1 peut s’étendre sur une durée de plusieurs heures, par exemple au moins huit heures, c'est-à-dire environ une nuit de sommeil.
[064] Dans un mode de réalisation de l’invention, le dispositif 1 est apte à mettre en œuvre la stimulation de manière autonome. Ainsi, le dispositif 1 peut comporter une batterie 7. La batterie 7 peut être montée sur l’élément support 2. La batterie 7 est de préférence apte à fournir de l’énergie sur une durée de plusieurs heures sans recharge, préférentiellement au moins huit heures de manière à couvrir une période de sommeil moyenne d’une personne P.
[065] Par « autonome », on entend que le dispositif 1 peut fonctionner pendant une période prolongée, de préférence de plusieurs heures, en particulier au moins huit heures, sans avoir besoin d’être rechargé en énergie électrique, de communiquer avec des éléments extérieurs ou encore d’être relié structurellement à un dispositif extérieur comme un élément de fixation tel qu’un bras ou une potence.
[066] De cette manière, le dispositif 1 est apte à être utilisé dans la vie quotidienne d’une personne P sans imposer de contraintes particulières.
[067] Pour permettre la mise en œuvre de la stimulation acoustique, les moyens d’acquisition 3, les moyens d’émission 4, le processeur 5 et la mémoire 6 sont par ailleurs reliés fonctionnellement entre eux et aptes à échanger des informations et des commandes.
[068] A cette fin, les moyens d’acquisition 3, les moyens d’émission 4, le processeur 5 et la mémoire 6 peuvent être montés sur l’élément support 2.
[069] La mémoire 6 est apte à enregistrer des données qui seront détaillées dans la suite de la description et peuvent comprendre au moins l’un des éléments suivants : un signal de mesure S acquis par les moyens d’acquisition 3, un réseau de neurones N apte à analyser le signal de mesure.
[070] Le signal de mesure S peut notamment être représentatif d’un signal électrique physiologique de la personne P. [071] Le signal électrique physiologique peut par exemple comporter un électroencéphalogramme (EEG), un électromyogramme (EMG), un électrooculogramme (EOG), un électrocardiogramme (ECG) ou tout autre biosignal mesurable sur la personne P.
[072] A cette fin, les moyens d’acquisition 3 comportent par exemple une pluralité d’électrodes 3 aptes à être en contact avec la personne P, et notamment avec la peau de la personne P pour acquérir au moins un signal de mesure S représentatif d’un signal électrique physiologique de la personne P.
[073] Le signal électrique physiologique comporte avantageusement un électroencéphalogramme (EEG) de la personne P.
[074] A cette fin, le dispositif 1 peut comporter au moins deux électrodes 3 dont au moins une électrode de référence 3a et au moins une électrode de mesure EEF 3b. le dispositif 1 peut en outre comporter une électrode de masse 3c.
[075] Les électrodes de mesure EEG 3c sont par exemple disposées à la surface du cuir chevelu de la personne P.
[076] Dans d’autres modes de réalisation, le dispositif 1 peut comporter en outre une électrode de mesure EMG et une électrode de mesure EOG.
[077] Les électrodes de mesure 3 peuvent être des électrodes sèches ou des électrodes recouvertes d’un gel de contact. Les électrodes 3 peuvent également être des électrodes textiles ou en silicone.
[078] Les moyens d’acquisition 3 peuvent également comporter des dispositifs d’acquisition de signaux de mesure S non uniquement électrique.
[079] Un signal de mesure S peut ainsi être représentatif d’un signal physiologique de la personne P.
[080] Le signal de mesure S peut en particulier être représentatif d’un signal physiologique de la personne P non électrique ou non-totalement électrique, par exemple un signal d’activité cardiaque, tel qu’un rythme cardiaque, une respiration de la personne P ou encore des mouvements de la personne P.
[081] A cette fin, les moyens d’acquisition 3 peuvent comporter un détecteur de rythme cardiaque, un détecteur de respiration, un accéléromètre, un capteur de bio-impédance ou encore un microphone.
[082] Les moyens d’acquisition 3 peuvent encore comporter des dispositifs d’acquisition de signaux de mesure S représentatifs de l’environnement de la personne. [083] Par exemple le signal de mesure S est représentatif d’une qualité de l’air environnement la personne P, par exemple un taux de dioxyde de carbone, une température ou un niveau de bruit ambiant.
[084] Enfin, les moyens d’acquisition 3 peuvent comporter un module d’entrée utilisateur permettant à la personne P d’entrer des données physiologiques telles que son âge, la qualité de sa nuit, le type de dormeur que la personne estime être.
[085] Le signal de mesure S peut alors être représentatif d’une donnée physiologique de la personne P.
[086] Dans un mode de réalisation de l’invention, le signal de mesure S peut subir un traitement.
[087] Le traitement du signal de mesure S peut comporter, par exemple, au moins l’un des traitements suivants :
filtrage fréquentiel,
amplification du signal de mesure S,
échantillonnage du signal de mesure S au moyen d’un convertisseur analogique-digital.
[088] Ainsi, les moyens d’acquisition 3 peuvent comporter un module analogique ou numérique. En variante, les électrodes 3 sont aptes à réaliser l’un des prétraitements ci-dessus.
[089] Les signaux de mesure S traités ou non traités peuvent être transmis au processeur 5 de sorte que l’intelligence artificielle est apte à prédire l’effet d’une stimulation acoustique des ondes cérébrales de la personne P.
[090] Notamment, durant la période de sommeil de la personne P, la personne P peut être soumise à plusieurs stimulations acoustiques. Plus précisément, les stimulations acoustiques sont émises lorsque la personne est dans un état de sommeil appelé « sommeil profond ».
[091] L’intelligence artificielle peut notamment être configurée pour analyser ces signaux de mesure selon une fenêtre de temps glissante dont une taille correspond à une durée d’acquisition d’une section s du signal de mesure S à analyser.
[092] Autrement dit, les signaux de mesure sont découpés temporellement. Chaque section s du signal de mesure S représente une portion du signal de mesure acquis durant une durée d’acquisition. Cette durée d’acquisition peut notamment être comprise entre dix secondes et une minutes, et de préférence être de l’ordre de trente secondes.
[093] Selon une mode de réalisation illustré sur la figure 5, la fenêtre glissante, définissant notamment un instant d’une stimulation potentielle, glisse en fonction de la durée d’acquisition. [094] Plus précisément, à l’instant tl, une section sl du signal de mesure S est acquise par les moyens d’acquisition 3 durant la durée d’acquisition dl de la fenêtre glissante fl. A la fin de la durée d’acquisition dl, la section sl du signal de mesure est analysée par l’intelligence artificielle pour déterminer si une stimulation acoustique peut être effectuée au moment al de la stimulation acoustique potentielle pour la section de signal sl.
[095] Puis, à l’instant t2, une section s2 du signal de mesure S est acquise par les moyens d’acquisition 3 durant la durée d’acquisition d2 de la fenêtre glissante f2. A la fin de la durée d’acquisition d2, la section s2 du signal de mesure est analysée par l’intelligence artificielle pour déterminer si une stimulation acoustique peut être effectuée au moment a2 de la stimulation acoustique potentielle pour la section de signal s2.
[096] La fenêtre glissante glisse donc de durée d’acquisition en durée d’acquisition. Par exemple, la fenêtre glissante glisse de trente secondes en trente secondes. Ainsi, les sections s du signal de mesure S à analyser ne se chevauchent pas.
[097] En variante, la fenêtre glissante glisse selon un intervalle de temps plus court. Par exemple, la fenêtre glissante glisse de seconde en seconde de cinq secondes en cinq secondes. De cette manière, les sections s de signal de mesure S à analyser se chevauchent.
[098] Afin de déterminer si une stimulation acoustique peut être effectuée, l’intelligence artificielle prédit un effet que produirait la stimulation acoustique potentielle si elle était effectuée au moment al, a2 de la stimulation acoustique potentielle.
[099] Par « moment de la stimulation acoustique potentielle », on entend un moment non figé dans le temps. Notamment, si une stimulation acoustique est réellement effectuée, le moment où la stimulation acoustique est effectuée peut être différent du moment de la stimulation acoustique potentielle.
[0100] Cela peut notamment être dû à l’absence d’onde lente dans le signal S au moment de la stimulation acoustique potentielle. Il est alors possible d’attendre l’apparition d’une onde lente pour effectuer la stimulation acoustique.
[0101] L’effet peut être :
un réveil de la personne P,
une absence de réveil de la personne P,
un changement de phase de sommeil de la personne P.
[0102] L’effet peut en outre comprendre une évolution de phase de sommeil de la personne P.
[0103] Notamment, l’effet peut être :
l’apparition d’ondes lentes dans l’EEG de la personne P,
la multiplication des ondes lentes dans l’EEG de la personne P, l’augmentation de l’amplitude des ondes lentes dans l’EEG de la personne P, la génération de spindles, l’augmentation de la densité des spindles.
[0104] En outre, la stimulation acoustique peut engendrer une absence d’effet, c’est-à-dire que la stimulation acoustique n’aura aucun impact sur la personne.
[0105] Comme décrit précédemment, l’intelligence artificielle peut être un réseau de neurones. Le réseau de neurones est entraîné pour détecter l’effet d’une stimulation acoustique lors d’une étape d’apprentissage préalable.
[0106] Un réseau de neurones est un système dont la conception est inspirée du fonctionnement des neurones biologiques. Les réseaux de neurones sont optimisés par des méthodes d’apprentissage, notamment des méthodes probabilistes.
[0107] Le réseau de neurones reçoit en entrée des données, auxquelles un poids peut être associé. A force d’apprentissage, le réseau de neurones converge pour obtenir, en sortie, l’information désirée.
[0108] Ici, les données en entrée sont les signaux de mesure de la personne P et l’information obtenue en sortie du réseau de neurones est l’effet induit par une stimulation acoustique potentielle.
[0109] Plus précisément, le réseau de neurones peut être alimenté par les signaux de mesure S acquis au moins avant et après une stimulation acoustique de la personne P.
[0110] Selon une réalisation, les signaux de mesure S sont également acquis pendant la stimulation acoustique.
[0111] Notamment, les signaux de mesure de la personne P comprennent au moins l’un et/ l’autre d’un signal d’activité cardiaque, des mouvements, d’un signal EEG et/ou d’un signal de respiration de la personne P.
[0112] Les signaux de mesure peuvent être traités tel que décrits précédemment ou les signaux de mesure peuvent être bruts, c'est-à-dire non traités.
[0113] Le réseau de neurones peut en outre être alimenté avec les données physiologiques entrées par l’utilisateur via le dispositif d’entrée des moyens d’acquisition 3.
[0114] Le réseau de neurones peut également être alimenté avec les données passées de l'utilisateur. Notamment, le réseau de neurones peut être alimenté avec les données récoltées durant les nuits précédentes. Ces données comprennent par exemple l’effet des simulations réalisées lors des nuits précédentes.
[0115] Le réseau de neurones peut également être alimenté avec les données récoltées durant la nuit. Ces données comprennent par exemple l’effet des simulations effectuées précédemment, ou encore le nombre de simulations déjà effectuées. [0116] Le réseau de neurones peut donc être entraîné en fonction d’une multitude de signaux de mesure de la personne P. Cela permet, d’une part, d’augmenter la robustesse du réseau de neurones, puisque l’effet de la stimulation acoustique peut être prédit en fonction d’une pluralité de signaux de mesure. D’autre part, cela permet également de prédire l’effet d’une stimulation acoustique sur la base d’un seul type de signal de mesure (EEG, EOG, signal d’activité cardiaque, mouvements, respiration, etc).
[0117] Le réseau de neurones comprend par exemple plusieurs couches convolutives couplées à des fonctions linéaires rectifiées et à des opérations de compression. Cela permet d’extraire les données utiles à l’entraînement et à la prédiction par le réseau de neurones à partir des signaux bruts ou des données physiologiques brutes alimentant le réseau de neurones.
[0118] Le réseau de neurones est en outre apte à effectuer cette prédiction de manière automatique.
[0119] Notamment, le réseau de neurones peut être couplé à un prédicteur chargé de faire la prédiction. Le prédicteur peut être de type réseau de neurones, une machine à vecteurs de support (ou « support machine vector » en anglais), un arbre de décision, un modèle ensembliste, etc.
[0120] Le réseau de neurones peut être entraîné sur la base de 100. 000 échantillons, découpés entre échantillons d’entraînement et échantillons de test dans une proportion équivalente, par exemple une proportion 1 :1.
[0121] La durée d’entraînement d’un tel réseau de neurones est par exemple de l’ordre de l’heure sur un processeur graphique (ou « graphie processing unit » en anglais).
[0122] Linalement, l’utilisation d’un réseau de neurones permet de limiter l’intervention humaine dans le processus de prédiction, voire supprimer toute intervention humaine. Ainsi, le nombre d’erreurs dans la prédiction d’un effet est grandement réduit, voire nul.
[0123] Une modification entre le signal de mesure S acquis avant la stimulation acoustique et le signal de mesure S acquis après la stimulation acoustique peut être détectée. Cette modification peut alors être associée à un effet prédéfini.
[0124] Cela est plus précisément illustré sur la figure 6, sur un signal de mesure S d’une personne est acquis. Le réseau de neurones reçoit par exemple en entrée la section s3 du signal de mesure S. La section s3 du signal de mesure S correspond à une section du signal de mesure S acquise pendant la durée d’acquisition d3 définie ci-avant.
[0125] Une stimulation acoustique A est ensuite effectuée à l’instant t, suivant la fin de la durée d’acquisition d3.
[0126] Le signal de mesure S de la personne est ensuite analysé pendant une durée d’analyse r3. Cela correspond donc à l’analyse d’une deuxième section s’3 du signal de mesure S, acquis durant la durée d’analyse r3. A partir de la section s’3, l’effet généré par la stimulation acoustique A peut être déterminé.
[0127] A partir de ces données, le réseau de neurones est entraîné jusqu’à atteindre un seuil de convergence.
[0128] Ce seuil de convergence pouvant être utilisé est la Fl-mesure (ou « Fl-score » en anglais). Par exemple, un seuil de convergence supérieure à 0.65, et de préférence supérieur ou égal à 0.75 en F-mesure peut être choisi.
[0129] Puis, le réseau de neurones est apte à prédire l’effet d’une stimulation acoustique sur la personne P en analysant un signal de mesure S acquis dans l’intervalle de temps précédent une stimulation acoustique. A partir du résultat de la prédiction, les moyens d’émission 4 émettent ou non un signal acoustique audible par la personne P, tel que décrit ci-après.
[0130] Dans un autre mode de réalisation de l’invention, éventuellement combinable avec le mode de réalisation détaillé ci-avant, l’étape d’apprentissage préalable du réseau de neurones est accomplie par l’acquisition d’une pluralité de signaux de mesures d’une pluralité de personnes.
[0131] Plus précisément, une pluralité de personnes est équipée d’un dispositif 1 tel que décrit. Les moyens d’acquisition 3 de chaque dispositif 1 sont aptes à acquérir des signaux de mesure S de chacune des personnes de la pluralité de personnes.
[0132] Plus précisément, des signaux de mesures S d’une pluralité de personnes sont acquis au moins avant et après une stimulation acoustique des ondes cérébrales de chacune des personnes.
[0133] Selon une réalisation, les signaux de mesure S sont également acquis pendant la stimulation acoustique.
[0134] Notamment, pour chacune des personnes de la pluralité de personnes les signaux de mesure comprennent au moins l’un et/ l’autre d’un signal d’activité cardiaque, des mouvements, d’un signal EEG et/ou d’un signal de respiration.
[0135] Les signaux de mesure peuvent être traités tel que décrits précédemment ou les signaux de mesure peuvent être bruts, c'est-à-dire non traités.
[0136] Le réseau de neurones peut en outre être alimenté avec des données physiologiques entrées par chaque personne via le dispositif d’entrée des moyens d’acquisition 3.
[0137] Pour chaque signal de mesure, une modification entre le signal de mesure S acquis avant la stimulation acoustique et le signal de mesure S acquis après la stimulation acoustique peut être détectée. Cette modification peut alors être associée à un effet prédéfini. [0138] A partir de ces données, le réseau de neurones est entraîné jusqu’à ce qu’il converge.
[0139] Les signaux de mesure de la pluralité de personnes ainsi acquis peuvent être stockés. Par exemple, les signaux de mesure de la pluralité de personnes sont regroupés sous forme d’une base de données 8, elle-même stockée.
[0140] Selon une réalisation, la base de données 8 est stockée dans un serveur 9, distant du dispositif 1. Le dispositif 1 et le serveur 9 forment un système 10 de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne.
[0141] Avantageusement, la base de données 8 comprend également les signaux de mesure S de la personne P.
[0142] Le processeur 5 du dispositif 1 est par exemple en communication avec le serveur 9, via des moyens de communication 11.
[0143] Selon une réalisation, les moyens de communication 11 peuvent comprendre un module de communication sans-fil, par exemple un module mettant en œuvre un protocole tel que le Bluetooth et/ou le Wi-Fi.
[0144] Le serveur 9 peut également comporter des moyens de transmission de données 12. Les moyens de communication 11 du dispositif 1 et les moyens de transmission de données 12 du serveur distant 9 sont aptes à communiquer entre eux, directement (communication point à point) ou par l’intermédiaire d’un réseau étendu, par exemple le réseau internet.
[0145] Plus précisément, les moyens de communication 11 du dispositif 1 et les moyens de transmission de données 12 du serveur distant 9 sont aptes à échanger des données.
[0146] Ainsi, les moyens de communication 11 du dispositif 1 peuvent notamment être aptes à transférer les signaux de mesure S acquis par les moyens d’acquisition 3 aux moyens de transmission de données 12 du serveur distant 9.
[0147] De même, le réseau de neurones peut avoir accès aux signaux de mesure S acquis par des moyens d’acquisition d’autres dispositifs, sur d’autres personnes, et qui sont stockés dans la base de données 8 du serveur 9.
[0148] Avantageusement, le réseau de neurones est entraîné non seulement avec les signaux de mesure S de la personne P, mais également avec les signaux de mesures S de la pluralité de personnes, compris dans la base de données. La robustesse du réseau de neurones est ainsi grandement améliorée.
[0149] D’autre part, le réseau de neurones étant également entraîné avec les signaux de mesure S de la personne P, le réseau de neurones est personnalisé pour la personne P. [0150] Selon le mode de réalisation de la figure 4, le système 10 comprend le serveur 9 et une pluralité de dispositifs 1.
[0151] La pluralité de dispositifs 1 communique avec le serveur 9 via leurs moyens de communication 11 respectifs. Notamment, les signaux de mesure S acquis sur chacune des personnes munies d’un dispositif 1 parmi la pluralité de dispositifs 1 sont stockés dans la base de données 8. Ainsi, chaque réseau de neurones est alimenté en continu avec des signaux de mesure S.
[0152] En variante, le réseau de neurones peut être stocké sur le serveur 9.
[0153] Enfin, les moyens d’émission 4 peuvent émettre un signal acoustique, en fonction du résultat de la prédiction de l’effet d’une stimulation acoustique.
[0154] A cette fin, les moyens d’émission 4 sont conçus pour émettre en temps réel souple un signal acoustique, audible par la personne.
[0155] Par « audible », on entend un signal acoustique pouvant être perçu par la personne P lorsqu’elle est endormie.
[0156] Par « temps réel souple » (en anglais « soft real-time »), on entend une mise en œuvre de l’opération de stimulation telle que des contraintes temporelle sur cette opération, notamment sur la durée ou la fréquence de répétition de cette opération, soient respectées en moyenne sur une durée totale de mise en œuvre prédéfinie, par exemple de quelques heures. On entend notamment que la mise en œuvre de ladite opération puisse à certains moments dépasser lesdites contraintes temporelles tant que le fonctionnement moyen du dispositif 1 et la mise en œuvre moyenne du procédé les respecte sur la durée totale de mise en œuvre prédéfinie. Des limites temporelles peuvent notamment être prédéfinies au-delà desquelles la mise en œuvre de l’opération de stimulation doit être arrêtée ou mise en pause.
[0157] Les moyens acoustiques 4 peuvent comporter au moins un transducteur acoustique 13 et une électronique de contrôle 14.
[0158] Le ou les transducteurs acoustiques 13 sont aptes à émettre un signal acoustique stimulant au moins une oreille interne de la personne P.
[0159] Par exemple, le transducteur acoustique 13 est un dispositif ostéophonique stimulant l’oreille interne de la personne P par conduction osseuse.
[0160] Le transducteur acoustique 13 peut également être un haut-parleur stimulant l’oreille interne de la personne P par un conduit auditif menant à l’oreille interne de la personne P.
[0161] Le signal acoustique est un signal modulé appartenant au moins partiellement à une gamme de fréquence audible par une personne P. [0162] L’électronique de contrôle 14 est notamment apte, en temps réel souple, à communiquer avec le processeur 5 pour commander l’émission par le transducteur acoustique 13 d’un signal acoustique, audible par la personne, en fonction d‘un résultat de la prédiction.
[0163] Comme décrit ci-avant, la stimulation acoustique peut ne pas être effectuée immédiatement après l’obtention du résultat de la prédiction. La stimulation acoustique peut être effectuée de manière à avoir l’impact le plus important sur la personne P. Plus précisément, la stimulation acoustique peut être effectuée de manière à être synchronisée avec un motif temporel prédéfini d’une onde lente cérébral de la personne P.
[0164] En effet, le procédé décrit permet notamment de stimuler les ondes cérébrales de la personne, et plus précisément les ondes lentes cérébrales de la personne P.
[0165] Par « onde lente cérébrale », on entend notamment une onde électrique cérébrale de la personne P présentant une fréquence inférieure à 5 Hz et supérieure à 0,3 Hz. Par « onde lente cérébrale », on peut entendre une onde électrique cérébrale de la personne P présentant une amplitude crête à crête comprise par exemple entre 10 et 200 microvolts. Outre les ondes de fréquences très faibles inférieures à lHz, on entend ainsi également par onde lente cérébrale, notamment, les ondes delta de fréquences plus élevées (usuellement entre 1,6 et 4 Hz). On peut encore entendre par onde lente cérébrale, tout type d’onde présentant les caractéristiques de fréquence et d’amplitude mentionnées ci-dessus. Ainsi par exemple, les ondes de sommeil de phase 2 dénommées « K-Complexes » peuvent être considérées comme des ondes lentes cérébrales.
[0166] De manière générale, la mise en œuvre du procédé peut par exemple avoir lieu lors d’une phase de sommeil de la personne P (telles qu’identifiées par exemple dans les standards AASM, acronyme de « American Academy of Sleep Medicine »), par exemple une phase de sommeil profond de la personne P (communément appelé stade 3 ou stade 4) ou au cours d’autre phases de sommeil, par exemple lors du sommeil léger de la personne (appelé usuellement stade 2).
[0167] Le procédé peut être également être mis en œuvre lors d’une phase d’éveil, d’endormissement ou de réveil de la personne P. Les ondes cérébrales peuvent alors différer des ondes lentes cérébrales.
[0168] Pour effectuer la stimulation acoustique des ondes cérébrales, l’électronique de contrôle 14 est par exemple apte, à partir du signal de mesure S, à déterminer tout d’abord une forme temporelle F d’onde lente cérébrale C telle qu’illustrée sur la figure 7.
[0169] Dans un premier mode de réalisation, la forme temporelle F est une série de point échantillonnés de valeurs d’amplitudes du signal de mesure S, éventuellement prétraité comme mentionné ci-dessus, ladite série de points de mesure étant éventuellement interpolée ou ré-échantillonnée. [0170] Dans un second mode de réalisation, la forme temporelle F est une série de valeurs d’amplitudes générée par une boucle à phase asservie, ou boucle à verrouillage de phase, (communément désignée par PLL, acronyme du terme anglo-saxon « Phase locked loop »).
[0171] La boucle à verrouillage de phase est telle que la phase instantanée de la forme temporelle F en sortie de ladite boucle est asservie sur la phase instantanée du signal de mesure S.
[0172] La boucle à verrouillage de phase peut être mise en œuvre par des moyens analogiques ou des moyens numériques.
[0173] On comprend donc que la forme temporelle F est une représentation de l’onde cérébrale C qui peut être directement obtenue ou peut être obtenue par une boucle à verrouillage de phase qui permet d’obtenir un signal plus propre. En particulier, la phase instantanée de la forme temporelle F et de l’onde cérébrale C sont synchronisées temporellement. Dans la présente description, on entend donc le cas échéant par « onde cérébrale C » les valeurs prises par la forme temporelle F.
[0174] A partir de cette forme temporelle F, l’électronique de contrôle 14 est apte à déterminer au moins un instant temporel I de synchronisation entre un motif temporel prédéfini Ml d’onde lente cérébrale C et un motif temporel prédéfini M2 du signal acoustique
A.
[0175] Puis, l’électronique de contrôle 14 est apte à commander le transducteur acoustique 13 pour que le motif temporel prédéfini M2 du signal acoustique A soit émis à l’instant temporel I de synchronisation.
[0176] Le motif temporel prédéfini Ml d’onde lente cérébrale C est donc un motif de valeurs d’amplitude et/ou de phases de la forme temporelle F qui représente l’onde lente cérébrale C. En particulier, le motif temporel prédéfini Ml peut être une succession de valeurs de phases de la forme temporelle F et peut donc être notamment indépendant de la valeur absolue de l’amplitude de la forme temporelle F.
[0177] Le motif temporel prédéfini Ml peut également être une succession de valeurs relatives de l’amplitude de la forme temporelle F. Lesdites valeurs relatives sont par exemple relatives à un maximum d’amplitude de la forme temporelle F prédéfini ou mémorisé.
[0178] Dans un mode de réalisation de l’invention, le motif temporel prédéfini Ml peut ainsi par exemple correspondre à un maximum temporel local de l’onde lente cérébrale C, un minimum temporel local de l’onde lente cérébrale C ou encore une succession prédéfinie d’au moins un maximum temporel local et au moins un minimum temporel local de l’onde lente cérébrale C. [0179] Le motif temporel prédéfini Ml peut également correspondre à une portion d’un tel maximum, minimum ou d’une telle une succession, par exemple un front montant, un front descendant ou encore un plateau.
[0180] De la même manière, le motif temporel prédéfini M2 du signal acoustique peut être un motif de valeurs d’amplitude et/ou de phases du signal acoustique A.
[0181] Dans un premier mode de réalisation, le signal acoustique est par exemple un signal intermittent comme illustré sur la figure 7. Ce signal intermittent est par exemple émis pendant une durée inférieure à une période d’une onde lente cérébrale. La durée du signal intermittent est par exemple inférieure à quelques secondes, préférentiellement inférieure à une seconde.
[0182] Dans un exemple donné à titre purement indicatif et non-limitatif, le signal acoustique A est par exemple une impulsion de bruit rose de type l/f d’une durée temporelle de 50 à 100 millisecondes avec un temps de montée et de descente de quelques millisecondes. Toujours à titre non-limitatif et pour fixer les idées, dans cet exemple le motif temporel prédéfini Ml d’onde lente cérébrale C peut par exemple correspondre à un front montant d’un maximum local de l’onde lente cérébrale C. Le motif temporel prédéfini M2 du signal acoustique A peut alors être par exemple un front montant de l’impulsion de bruit rose. Dans cet exemple, l’instant temporel I de synchronisation entre le motif temporel prédéfini Ml d’onde lente cérébrale C et le motif temporel prédéfini M2 du signal acoustique A peut-être par exemple défini de sorte à ce que le front montant de l’impulsion de bruit rose A et le front montant du maximum local de l’onde lente cérébrale C soit synchronisés, c’est-à-dire concomitants.
[0183] Dans un autre mode de réalisation, le signal acoustique A peut être un signal continu. La durée du signal acoustique A peut alors notamment être supérieure à une période de l’onde lente cérébrale C. Par « signal continu », on entend notamment un signal d’une durée grande devant une période de l’onde lente cérébrale C.
[0184] Dans ce mode de réalisation, le signal acoustique A peut être modulé temporellement en amplitude, fréquence ou phase et le motif temporel prédéfini M2 du signal acoustique A peut alors être une telle modulation temporelle.
[0185] Alternativement, le signal acoustique A continu peut ne pas être modulé temporellement, par exemple d’une manière qui va maintenant être décrite.
[0186] Le dispositif 1 peut comporter au moins deux transducteurs acoustiques 13, notamment un premier transducteur acoustique 13a et un second transducteur acoustique l3b comme illustré sur la figure 3. Le premier transducteur acoustique l3a est apte à émettre un signal acoustiques stimulant une oreille interne droite de la personne P. Le second transducteur acoustique l3b est apte à émettre un signal acoustique stimulant une oreille interne gauche de la personne P. [0187] Il est alors possible en particulier contrôler le premier et le second transducteur acoustique l3a, l3b de telle sorte que les signaux acoustiques émis respectivement par chaque transducteur soient des signaux acoustiques binauraux. A cette fin, ces signaux acoustiques peuvent par exemple être des signaux continus de fréquences différentes.
[0188] De tels signaux acoustiques sont connus pour générer des impulsions intermittentes dans le cerveau de la personne P, appelées notamment battements binauraux.
[0189] Toujours à titre non-limitatif et pour fixer les idées, dans cet exemple le motif temporel prédéfini Ml d’onde lente cérébrale C peut par exemple, à nouveau, correspondre à un front montant d’un maximum local de l’onde lente cérébrale C. Les motifs temporaux prédéfinis M2 des signaux acoustiques émis par les transducteurs acoustiques l3a, l3b peuvent par ailleurs être des plages des signaux acoustiques correspondant temporellement auxdites impulsions intermittentes générées dans le cerveau de la personne P. Dans cet exemple, l’instant temporel I de synchronisation entre le motif temporel prédéfini Ml d’onde lente cérébrale C et les motifs temporaux prédéfinis M2 de ces signaux acoustiques peuvent être par exemple définis de sorte à ce qu’une impulsion intermittente générée dans le cerveau de la personne P soit synchronisée temporellement avec le front montant du maximum local de l’onde lente cérébrale C.
[0190] La figure7 illustre un exemple de motifs temporels prédéfini Ml et M2.
[0191] L’un et/ou l’autre parmi un niveau sonore, une durée, un spectre et un motif temporel M2 du signal acoustique A peuvent être prédéfinis et enregistrés dans la mémoire 6 du dispositif 1.
[0192] Comme dit précédemment, l’électronique de contrôle 14 commande l’émission d’un signal acoustique A par au moins un transducteur acoustique 13 en fonction du résultat de la prédiction de l’effet de la stimulation acoustique. Plus précisément, l’électronique de contrôle 14 commande l’émission d’un signal acoustique par le transducteur acoustique 13 en fonction de l’effet prédit par le réseau de neurones en fonction du signal de mesure S de la personne P, acquis et analysé par ledit réseau de neurones.
[0193] A titre d’exemple non limitatif, lorsque le réseau de neurones prédit que la stimulation acoustique va générer l’effet « réveil de la personne P », l’électronique de contrôle 14 ne commande pas l’émission du signal acoustique audible par la personne P.
[0194] En variante, au moins un paramètre du signal acoustique A peut être modifié par l’électronique de contrôle 14. Le signal acoustique A modifié peut être émis lors d’une prochaine stimulation acoustique.
[0195] Notamment un paramètre du signal acoustique peut comprendre un volume sonore, une fréquence, une durée et/ou un motif acoustique. [0196] Lorsque le réseau de neurones prédit que la stimulation acoustique ne va générer aucun effet, l’électronique de contrôle 14 est par exemple apte à modifier au moins un paramètre du signal acoustique audible par la personne P, avant émission de ce signal acoustique afin de générer un effet.
[0197] Notamment un paramètre du signal acoustique peut comprendre un volume sonore, une fréquence, une durée et/ou un motif acoustique.
[0198] Selon une variante de réalisation, l’électronique de contrôle 14 peut ne pas commander l’émission du signal acoustique audible par la personne P. Au moins un paramètre du signal acoustique est modifié par l’électronique de contrôle 14. Le signal acoustique modifié peut être émis lors de la prochaine stimulation acoustique.
[0199] Lorsque le réseau de neurones prédit que la stimulation acoustique va générer l’un ou l’autre des effets « apparition d’ondes lentes dans l’EEG de la personne P », « multiplication des ondes lentes dans l’EEG de la personne P », « augmentation de l’amplitude des ondes lentes dans l’EEG de la personne P » ou « changement de phase de sommeil de la personne P », l’électronique de contrôle 14 commande l’émission d’un signal acoustique audible par la personne P.
[0200] Selon un mode de réalisation, le réseau de neurones prédit que la stimulation acoustique va générer l’un ou l’autre des effets « apparition d’ondes lentes dans l’EEG de la personne P », « multiplication des ondes lentes dans l’EEG de la personne P », « augmentation de l’amplitude des ondes lentes dans l’EEG de la personne P » ou « changement de phase de sommeil de la personne P ». Une stimulation acoustique peut donc être effectuée.
[0201] Toutefois, un paramètre du signal acoustique A peut être modifié pour amplifier l’un ou l’autre de ces effets. Dans ce cas, l’électronique de contrôle 14 est par exemple apte à modifier au moins un paramètre du signal acoustique audible par la personne P, avant émission de ce signal acoustique afin d’amplifier l’effet.
Référence : dispositif 1 base de données 8 transducteur acoustique élément support 2 serveur 9 13
moyens d’acquisition 3 système 10 électronique de contrôle moyens d’émission 4 moyens de 14
processeur 5 communication 11
mémoire 6 moyens de transmission
batterie 7 de données 12

Claims

Revendications
1. Procédé, mis en œuvre par des moyens informatiques, de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne, le procédé comportant les étapes de :
acquisition d’au moins un signal de mesure, représentatif d’un signal physiologique de la personne par un dispositif (1) de stimulation acoustique des ondes cérébrales apte à être porté par la personne,
analyse dudit signal de mesure par une intelligence artificielle entraînée pour prédire l’effet d’une stimulation acoustique, et
détermination si une stimulation acoustique doit être effectuée par le dispositif
(1).
2. Procédé selon la revendication 1, dans lequel l’intelligence artificielle est un réseau de neurones, le procédé comportant une étape d’apprentissage préalable comprenant : une pluralité de stimulations acoustiques, successives, des ondes cérébrales de ladite personne,
une acquisition des signaux de mesure représentatifs d’un signal physiologique de ladite personne au moins avant et après chacune des stimulations acoustiques de ladite pluralité de stimulations acoustiques,
pour chacune des stimulations acoustiques, détermination d’une modification des signaux de mesures acquis après une stimulation acoustique par rapport au signal de mesure acquis avant cette stimulation acoustique, et association d’un effet à ladite modification,
entraînement dudit réseau de neurones jusqu’à atteindre un seuil de convergence, et
stockage dudit réseau de neurones.
3. Procédé selon la revendication 2, dans lequel l’étape d’apprentissage comprend en outre l’indication de données physiologiques de ladite personne, le réseau de neurones étant en outre entraîné pour prédire l’effet d’une stimulation acoustique en fonction desdites données physiologiques de ladite personne.
4. Procédé selon l’une des revendications 1 à 3, dans lequel l’intelligence artificielle est un réseau de neurones, le procédé comportant une étape d’apprentissage préalable comprenant :
au moins une stimulation acoustique des ondes cérébrales d’une pluralité de personnes,
une acquisition de signaux de mesure représentatifs d’un signal physiologique de ladite pluralité de personnes au moins avant et après ladite stimulation acoustique, détermination d’une modification des signaux de mesures acquis après ladite stimulation acoustique par rapport aux signaux de mesure acquis avant ladite stimulation acoustique, et association d’un effet à ladite modification,
entraînement dudit réseau de neurones jusqu’à atteindre un seuil de convergence, et
stockage dudit réseau de neurones.
5. Procédé selon la revendication 4, dans lequel l’étape d’apprentissage comprend en outre l’indication de données physiologiques de ladite pluralité de personnes, le réseau de neurones étant en outre entraîné pour prédire l’effet d’une stimulation acoustique en fonction desdites données physiologiques de ladite pluralité de personnes.
6. Procédé selon l’une des revendications 2 à 5, dans lequel des signaux de mesure représentatifs d’un signal physiologique de ladite personne sont acquis en continu, le réseau de neurones étant en outre entraîné en continu et en temps réel pour prédire l’effet d’une stimulation acoustique en fonction desdits signaux de mesure de ladite personne.
7. Procédé selon l’une des revendications 1 à 6, dans lequel une stimulation acoustique comprend l’émission d’un signal acoustique, le procédé comprenant en outre une modification d’au moins un paramètre du signal acoustique à émettre en fonction d’un résultat de la prédiction de l’effet de la stimulation acoustique par l’intelligence artificielle.
8. Dispositif (1) de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne comprenant :
des moyens d’acquisition (3) d’au moins un signal de mesure représentatif d’un signal physiologique de la personne,
un processeur (5) communiquant avec les moyens d’acquisition (3) et adapté pour analyser ledit au moins un signal de mesure représentatif d’un signal physiologique de la personne par une intelligence artificielle entraînée pour prédire l’effet d’une stimulation acoustique.
9. Dispositif (1) selon la revendication 8, comprenant en outre :
des moyens d’émission (4) conçus pour émettre un signal acoustique, audible par la personne, et communiquant avec ledit processeur (5), ledit signal acoustique étant émis ou non en fonction d’un résultat de la prédiction de l’effet de ladite stimulation acoustique par l’intelligence artificielle.
10. Dispositif (1) selon l’une des revendications 8 ou 9, dans lequel l’intelligence artificielle comprend un réseau de neurones entraîné pour prédire l’effet d’une stimulation acoustique et dans lequel le dispositif (1) de stimulation acoustique comprend en outre une mémoire (6) stockant ledit réseau de neurones.
11. Système (10) de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne, comprenant :
un dispositif (1) de prédiction d’un effet d’une stimulation acoustique des ondes cérébrales d’une personne selon l’une quelconque des revendications 8 à 10, un serveur (9) distant dudit dispositif (1).
12. Système (10) selon la revendication 11, dans lequel le serveur (9) est apte à stocker une base de données (8) comprenant une pluralité de signaux de mesure représentatifs d’un signal physiologique d’au moins une personne, ladite pluralité de signaux de mesure ayant été acquise par ledit dispositif (1).
13. Système (10), selon l’une des revendications 11 ou 12, comprenant une pluralité de dispositifs (1), la pluralité de dispositifs (1) étant en communication avec le serveur
(9).
PCT/FR2019/052440 2018-10-30 2019-10-16 Procédé, dispositif et système de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne WO2020089539A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/290,025 US20210407646A1 (en) 2018-10-30 2019-10-16 Method, device and system for predicting an effect of acoustic stimulation of the brain waves of an individual

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1860050A FR3087661A1 (fr) 2018-10-30 2018-10-30 Procede, dispositif et systeme de prediction d'un effet d'une stimulation acoustique des ondes cerebrales d'une personne
FR1860050 2018-10-30

Publications (1)

Publication Number Publication Date
WO2020089539A1 true WO2020089539A1 (fr) 2020-05-07

Family

ID=66218147

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2019/052440 WO2020089539A1 (fr) 2018-10-30 2019-10-16 Procédé, dispositif et système de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne

Country Status (3)

Country Link
US (1) US20210407646A1 (fr)
FR (1) FR3087661A1 (fr)
WO (1) WO2020089539A1 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3836153A1 (fr) * 2019-12-11 2021-06-16 Koninklijke Philips N.V. Systèmes et procédés pour une thérapie du sommeil audible

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016083598A1 (fr) * 2014-11-27 2016-06-02 Dreem Dispositif et procede de stimulation des ondes lentes cerebrales
US20160310698A1 (en) * 2013-02-06 2016-10-27 Daniel Carleton Schoonover Dream Enhancement Apparatus and Method
FR3039773A1 (fr) * 2015-08-04 2017-02-10 Dreem Procedes et systemes de stimulation acoustique des ondes cerebrales.

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160310698A1 (en) * 2013-02-06 2016-10-27 Daniel Carleton Schoonover Dream Enhancement Apparatus and Method
WO2016083598A1 (fr) * 2014-11-27 2016-06-02 Dreem Dispositif et procede de stimulation des ondes lentes cerebrales
FR3039773A1 (fr) * 2015-08-04 2017-02-10 Dreem Procedes et systemes de stimulation acoustique des ondes cerebrales.

Also Published As

Publication number Publication date
US20210407646A1 (en) 2021-12-30
FR3087661A1 (fr) 2020-05-01

Similar Documents

Publication Publication Date Title
EP3331436A1 (fr) Procédés et systèmes de stimulation acoustique des ondes cérébrales
US10291977B2 (en) Method and system for collecting and processing bioelectrical and audio signals
US20190192077A1 (en) System and method for extracting and analyzing in-ear electrical signals
EP1716387B1 (fr) Dispositif de mesure de distance.
FR3029117A1 (fr) Dispositif et procede de stimulation des ondes lentes cerebrales
WO2017098185A1 (fr) Procede et systeme de recuperation de donnees de fonctionnement d'un dispositif de mesure des ondes cerebrales
EP0597032B1 (fr) Dispositif de reveil biologique programmable en fonction des phases du sommeil
WO2020089539A1 (fr) Procédé, dispositif et système de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne
EP3600010A1 (fr) Systeme de determination d'un ensemble d'au moins un descripteur cardio-respiratoire d'un individu pendant son sommeil
WO2018229001A1 (fr) Système habitronique
WO2017021661A1 (fr) Procédé et système de stimulation acoustique des ondes cérébrales d'une personne
WO1994016610A2 (fr) Dispositif de determination d'informations physiologiques, et utilisation correspondante
FR3109519A1 (fr) Appareil de détection et d’interruption d’un épisode d’apnée du sommeil
WO2020144421A1 (fr) Procédé et dispositif de gestion intelligente d'une alarme pour le réveil d'une personne
EP3150252B1 (fr) Dispositif médical implantable actif apte à effectuer une analyse fréquentielle
WO2023217730A1 (fr) Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants
FR3103611A1 (fr) Procédé et dispositif de suivi de l’activité d’une personne en perte d'autonomie
EP3232911B1 (fr) Système de communication sans fil comprenant un nano-dispositif émetteur et un nano-dispositif récepteur pour le transfert d'une perception et un procédé de communication associé
FR3125956A1 (fr) Procédé de traitement de mesures effectuées par un capteur porté par une personne
FR3102054A1 (fr) Casque pour améliorer l’équilibre de la balance sympatho-vagale d’un individu
FR3114232A1 (fr) Equipement électrodermal
FR3059555A1 (fr) Procedes et dispositifs de reveil controle
FR2892914A1 (fr) Procede d'analyse et de traitement d'un parametre representatif des phases de sommeil.
FR3070254A1 (fr) Procede de production d’un son cardiaque, dispositif et programme correspondant
FR2846220A1 (fr) Procedes et dispositifs de traitement de reponses evoquees auditives, programme d'ordinateur correspondant

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19806020

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: CONSTATATION DE LA PERTE D'UN DROIT CONFORMEMENT A LA REGLE 112(1) CBE (OEB FORM 1205A EN DATE DU 23/07/2021)

122 Ep: pct application non-entry in european phase

Ref document number: 19806020

Country of ref document: EP

Kind code of ref document: A1