基于额叶脑活动监测传感器的信息增强深度睡眠的制作方法

技术特征：
1.一种系统(10)，被配置为通过在睡眠期期间向受试者(12)递送感官刺激来增强非快眼动(nrem)睡眠，所述系统包括：第一传感器和第二传感器(13、14)，被配置为生成输出信号，所述输出信号传达与所述受试者在所述睡眠期期间的大脑活动相关的信息，所述第一传感器和所述第二传感器被配置为接合所述受试者的前额；一个或多个感官刺激器(16)，被配置为在所述睡眠期期间向所述受试者提供所述感官刺激；以及一个或多个硬件处理器(20)，被耦连到所述第一传感器和所述第二传感器以及所述一个或多个感官刺激器，所述一个或多个硬件处理器由机器可读指令配置为：基于来自所述第一传感器和所述第二传感器的所述输出信号，在所述睡眠期期间检测所述受试者的nrem睡眠，以及控制所述一个或多个感官刺激器在所述nrem睡眠期间向所述受试者提供所述感官刺激，以在所述睡眠期期间增强所述受试者的所述nrem睡眠。2.根据权利要求1所述的系统，其中所述第一传感器和所述第二传感器被配置为以彼此相距小于或等于10厘米的距离接合所述受试者的前额。3.根据权利要求1所述的系统，其中所述第一传感器包括中额(fpz)电极，并且所述第二传感器包括右眼电极(eogr)或左眼电极(eogl)。4.根据权利要求1所述的系统，其中所述第一传感器或所述第二传感器是参考电极。5.根据权利要求1所述的系统，其中所述一个或多个硬件处理器还由机器可读指令配置为：获取针对用户群体的历史睡眠深度信息，所述历史睡眠深度信息与所述用户群体的大脑活动相关，所述用户群体的大脑活动指示在所述用户群体的睡眠期期间随时间的睡眠深度；通过将所述历史睡眠深度信息作为输入提供给神经网络，使所述神经网络基于所述历史睡眠深度信息被训练；基于来自所述第一传感器和所述第二传感器的所述输出信号，使经训练的所述神经网络预测所述受试者在所述睡眠期期间将处于深度睡眠阶段的未来时间，经训练的所述神经网络包括输入层、输出层以及在所述输入层与所述输出层之间的一个或多个中间层；针对所述未来时间中的每个未来时间，确定由经训练的所述神经网络的所述输出层生成的预测的睡眠阶段，以及由经训练的所述神经网络的所述一个或多个中间层生成的睡眠阶段概率值；以及响应于(1)所述预测的睡眠阶段是n3，或者(2)所述预测的睡眠阶段是n2且n3睡眠的概率与n2睡眠的概率的比率至少为0.5，使所述一个或多个感官刺激器：在所述未来时间向所述受试者提供所述感官刺激，并且基于由所述一个或多个中间层生成的一个或多个所述概率值来调节在所述睡眠期期间所述感官刺激的定时和/或强度。6.根据权利要求5所述的系统，其中所述一个或多个硬件处理器还由机器可读指令配置为：基于来自所述第一传感器和所述第二传感器的所述输出信号中的所述信息来检测睡眠微觉醒，并且基于所检测到的所述睡眠微觉醒来控制所述一个或多个感官刺激器在n3睡眠期期间向所述受试者提供所述感官刺激，以在所述睡眠期期间增强所述受试者的所述n3
睡眠，其中睡眠微觉醒是通过以下被检测到的：响应于对脑电图(eeg)的功率带中的功率的阈值的突破，或基于来自经训练的所述神经网络的另外的输出。7.根据权利要求5所述的系统，其中所述一个或多个硬件处理器还由机器可读指令配置为：基于来自所述第一传感器和所述第二传感器的所述输出信号中的所述信息来检测慢波，并且基于所检测到的所述慢波来控制所述一个或多个感官刺激器在n3睡眠期期间向所述受试者提供所述感官刺激，以在所述睡眠期期间增强所述受试者的所述n3睡眠，其中慢波是通过以下被检测到的：响应于对负向脑电图(eeg)信号上的慢波最小峰值阈值的突破，响应于对经滤波的负向eeg信号上的慢波最小峰值阈值的突破，其中所述滤波提升所述负向eeg信号的德尔塔部分，或基于所述经滤波的负向eeg信号的形状与对应慢波模板的形状的比较。8.根据权利要求5所述的系统，其中所述一个或多个硬件处理器还由机器可读指令配置为：使得经训练的所述神经网络的所述一个或多个中间层被配置为从对应的两个或更多个卷积层生成另外的值；确定来自一个卷积层的值与来自另一个卷积层的值的比率，以及使所述一个或多个感官刺激器基于所述比率来调节所述感官刺激的所述定时和/或强度。9.一种用于通过在睡眠期期间利用增强系统(10)向受试者(12)递送感官刺激来增强非快眼动(nrem)睡眠的方法，所述系统包括第一传感器和第二传感器(13、14)、一个或多个感官刺激器(16)以及一个或多个硬件处理器(20)，所述一个或多个硬件处理器耦连到所述第一传感器和所述第二传感器以及所述一个或多个感官刺激器，所述方法包括：利用所述第一传感器和所述第二传感器生成输出信号，所述输出信号传达与所述受试者在所述睡眠期期间的大脑活动相关的信息，所述第一传感器和所述第二传感器被配置为接合所述受试者的前额；利用所述一个或多个硬件处理器，基于来自所述第一传感器和所述第二传感器的所述输出信号，在所述睡眠期期间检测所述受试者的nrem睡眠；以及利用所述一个或多个处理器控制所述一个或多个感官刺激器在所述nrem睡眠期间向所述受试者提供所述感官刺激，以在所述睡眠期期间增强所述受试者的所述nrem睡眠。10.根据权利要求9所述的方法，其中所述第一传感器包括中额(fpz)电极，并且所述第二传感器包括右眼电极(eogr)或左眼电极(eogl)。11.根据权利要求9所述的方法，其中所述第一传感器或所述第二传感器是参考电极。12.根据权利要求9所述的方法，还包括：利用所述一个或多个硬件处理器获取用户群体的历史睡眠深度信息，所述用户群体的历史睡眠深度信息与所述用户群体的大脑活动相关，所述用户群体的大脑活动指示在所述用户群体的所述睡眠期期间随着时间的睡眠深度；利用所述一个或多个硬件处理器，通过将所述历史睡眠深度信息作为输入提供给神经网络，使所述神经网络基于所述历史睡眠深度信息被训练；
利用所述一个或多个硬件处理器，基于来自所述第一传感器和所述第二传感器的所述输出信号，使经训练的所述神经网络预测所述受试者在睡眠期期间将处于深度睡眠阶段的未来时间，经训练的所述神经网络包括输入层、输出层以及在所述输入层与所述输出层之间的一个或多个中间层；利用所述一个或多个硬件处理器，针对所述未来时间中的每个未来时间，确定由经训练的所述神经网络的所述输出层生成的预测的睡眠阶段，以及由经训练的所述神经网络的所述一个或多个中间层生成的睡眠阶段概率值；以及响应于(1)所述预测的睡眠阶段是n3，或(2)所述预测的睡眠阶段是n2且n3睡眠的概率与n2睡眠的概率的比率至少为0.5，利用所述一个或多个硬件处理器使所述一个或多个感官刺激器：在所述未来时间向所述受试者提供所述感官刺激，并且基于由所述一个或多个中间层生成的一个或多个所述概率值来调节在所述睡眠期期间所述感官刺激的定时和/或强度。13.根据权利要求12所述的方法，还包括：利用所述一个或多个硬件处理器基于来自所述第一传感器和所述第二传感器的所述输出信号中的所述信息来检测睡眠微觉醒，并且利用所述一个或多个硬件处理器基于所检测到的所述睡眠微觉醒来控制所述一个或多个感官刺激器在n3睡眠期期间向所述受试者提供所述感官刺激，以在所述睡眠期期间增强所述受试者的所述n3睡眠，其中睡眠微觉醒是通过以下被检测到的：响应于对脑电图(eeg)的功率带中的功率的阈值的突破，或基于来自经训练的所述神经网络的另外的输出。14.根据权利要求12所述的方法，还包括：利用所述一个或多个硬件处理器基于来自所述第一传感器和所述第二传感器的所述输出信号中的所述信息来检测慢波，并且利用所述一个或多个硬件处理器基于所检测到的所述慢波来控制所述一个或多个感官刺激器在所述n3睡眠期期间向所述受试者提供所述感官刺激以在所述睡眠期期间增强所述受试者的所述n3睡眠，其中慢波是通过以下被检测到的：响应于对负向脑电图(eeg)信号上的慢波最小峰值阈值的突破，响应于对经滤波的负向eeg信号上的慢波最小峰值阈值的突破，其中所述滤波提升所述负向eeg信号的德尔塔部分，或基于所述经滤波的负向eeg信号的形状与对应慢波模板的形状的比较。15.根据权利要求12所述的方法，其中：经训练的所述神经网络的所述一个或多个中间层被配置为从对应的从两个或更多个卷积层生成另外的值；所述方法还包括利用所述一个或多个硬件处理器确定来自一个卷积层的值与来自另一个卷积层的值的比率，以及所述方法还包括利用所述一个或多个硬件处理器使所述一个或多个感官刺激器基于所述比率来调节所述感官刺激的所述定时和/或强度。

技术总结
典型地，使用相对于头部远处位置(例如，乳突或耳垂)的电极的额叶电极来实现高NREM阶段N3睡眠检测精度。出于舒适和设计考虑，将有源电极和参考电极紧密放置在所述头部的所述额叶区域更为方便。然而，这种配置会显著衰减所述信号，从而降低睡眠阶段检测(例如，N3)的性能。本公开描述了一种被开发为仅使用额叶电极来检测睡眠的基于深度神经网络(DNN)的解决方案。通过软DNN输出的后处理增强了N3检测。慢波和睡眠微觉醒的检测是使用频域阈值完成的。音量调节使用从额叶信号提取的高频/低频频谱比。比。比。


技术研发人员：G
受保护的技术使用者：皇家飞利浦有限公司
技术研发日：2020.03.20
技术公布日：2021/11/19