[go: up one dir, main page]

WO2023217730A1 - Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants - Google Patents

Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants Download PDF

Info

Publication number
WO2023217730A1
WO2023217730A1 PCT/EP2023/062187 EP2023062187W WO2023217730A1 WO 2023217730 A1 WO2023217730 A1 WO 2023217730A1 EP 2023062187 W EP2023062187 W EP 2023062187W WO 2023217730 A1 WO2023217730 A1 WO 2023217730A1
Authority
WO
WIPO (PCT)
Prior art keywords
sleep
user
current
monitoring
disturbance
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/EP2023/062187
Other languages
English (en)
Inventor
Grégoire LEFEBVRE
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Orange SA
Original Assignee
Orange SA
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 Orange SA filed Critical Orange SA
Priority to EP23725673.0A priority Critical patent/EP4522014A1/fr
Priority to US18/864,076 priority patent/US20250302378A1/en
Publication of WO2023217730A1 publication Critical patent/WO2023217730A1/fr
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B2562/0204—Acoustic sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/087—Measuring breath flow
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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]
    • 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
    • A61B5/389—Electromyography [EMG]
    • 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
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule

Definitions

  • the invention mainly concerns home support for vulnerable people (for example: seniors, people suffering from disabilities, people suffering from a chronic illness, etc.).
  • vulnerable people for example: seniors, people suffering from disabilities, people suffering from a chronic illness, etc.
  • the invention is also aimed at anyone wishing to monitor the evolution of their sleep over time at home.
  • the invention aims to better evaluate the autonomy of people, particularly fragile people, by monitoring the evolution of their sleep using an actimetry system for the implementation of a tele-vigilance service. .
  • hypersomnia of central origin for example: narcolepsy, idiopathic hypersomnia, Klein Levin syndrome, etc.
  • narcolepsy idiopathic hypersomnia, Klein Levin syndrome, etc.
  • idiopathic hypersomnia idiopathic hypersomnia
  • Klein Levin syndrome etc.
  • rhythm disorders that is to say a desynchronization between internal wake-sleep rhythms and the light-dark cycle
  • sleep disorders can reveal variations or gaps in restorative sleep, and therefore indicate a loss of autonomy in the fragile person.
  • sleep disorders can lead to an alteration of psychological functions, a reduction in the effectiveness of the immune system, but also increase the risks of reporting more serious pathologies such as cardiovascular diseases. Consequently, in these people, sleep disorders can also lead to a loss of autonomy, which will however have different consequences compared to fragile people (for example: loss of vigilance, difficulties at work, etc.).
  • the awake stage (known as the AWK stage, for “awake” in English), which is the awake phase;
  • NI stage which is a transition stage between wakefulness and sleep.
  • the sleeper does not really feel like he is sleeping, he is dozing;
  • N2 stage which is the confirmed sleep stage.
  • An electroencephalogram recorded during sleep shows characteristic patterns which allow us to affirm that the sleeper is sleeping;
  • N3 stage deep sleep, or so-called N3 stage.
  • This stage is characterized, for example, by slow, broad waves on an electroencephalogram, hence its name slow-wave sleep. It is a deep sleep from which it is difficult to wake the sleeper;
  • stage NI Classically, falling asleep is followed by light sleep (stage NI then stage N2) which leads on average in around twenty minutes to deep slow-wave sleep (stage N3). After about 90 minutes, paradoxical sleep appears (NR stage). These different stages constitute the first sleep cycle. A cycle lasts approximately 90 to 100 minutes. A night has 4 to 6 cycles, depending on the duration of sleep. The first half of sleep is particularly rich in deep slow-wave sleep, while the second half is essentially made up of alternating light sleep and paradoxical sleep.
  • sleep means all the sleep cycles, each comprising a particular sequence of different stages of sleep, during the same night.
  • sleep is structured by a certain number of cycles, each cycle consisting of different stages of sleep through which the sleeper will pass.
  • different physiological parameters representative of sleep can be monitored during the night. .
  • the variations in the measurement of these physiological parameters are in fact characteristic of the different stages of sleep through which the sleeper will pass during his night's sleep.
  • These different physiological parameters can be analyzed using different techniques.
  • polysomnography which is defined as a process of monitoring and recording several physiological parameters during sleep. Polysomnography takes into account physiological parameters such as:
  • EEG electroencephalogram
  • EOG electro-oculogram
  • EMG electromyogram
  • ECG electrocardiogram
  • respiratory polygraphy is defined as being a simplified polysomnography comprising a fewer number of physiological parameters measured (but at least two parameters), most often without neurophysiological parameters (cerebral activity for example). It is mainly used to investigate sleep-disordered breathing.
  • none of the techniques of the prior art makes it possible to estimate, from the detection of variations in a person's sleep, whether the quality of his sleep deteriorates over time to the point of causing a loss of autonomy.
  • the invention responds to this need and proposes a method for monitoring the sleep of a user using at least one user equipment located near the user and/or worn on him, said at least one user equipment being connected to a communications network.
  • This process includes:
  • a user's sleep disturbance indicator comprising a first comparison of the current sleep signal to a set of curves representative of temporal sequences of sleep stages determined for a reference time period, called sleep signals of reference ;
  • the invention is based on a completely new and inventive approach to monitoring the sleep of a user (for example: fragile people, or people wishing to monitor their sleep), with a view to detecting a deterioration in the quality of their sleep. sleep and decide whether it is necessary to alert the user, a person close to them or a qualified third party (for example a doctor).
  • the method according to the invention compares the sleep of the user during a reference period, which corresponds to a period already elapsed during which the user's sleep was supposed to be sufficiently restorative, with the user's sleep outside this reference period, such as for example every night outside the reference period. For this, the method according to the invention determines: for a current period, such as for example a night, a current sleep signal, and for a reference period, a set of reference sleep signals (also called sleep history of the user).
  • This comparison then makes it possible to identify changes in the user's sleeping habits. In other words, it is possible to identify whether the user's sleep signal during the current period (for example a night outside the reference period) is different from those of his sleep history during the reference period. Discrepancies between these signals can arise for example: the fact that the user takes longer to fall asleep (longer AWK stage), wakes up several times per night (several AWK stages during sleep time) . More generally, this comparison makes it possible to detect modifications in the sequences of sleep stages leading, for example, to a shift in sleep cycles compared to the user's sleep history, etc. An indicator of the person's sleep disturbance is then estimated from this comparison.
  • This decision criterion may for example be a threshold or several disturbance thresholds to cross, the variability of the indicator over an observation period of several nights, etc.
  • the solution proposed by the invention makes it possible to monitor the evolution of an individual's sleep cycles over time, and to evaluate whether their sleep habits change and in particular whether they deteriorate.
  • the invention makes it possible to detect a deterioration in the quality of the user's sleep, but also to decide, depending on the importance of this deterioration, whether it is necessary to alert either the user or those around him, since the sleep disorders detected are likely to cause a loss of autonomy in this individual.
  • the detection of a deterioration in a user's sleeping habits can be indicative of a loss of autonomy for this user, who is no longer able to maintain the conditions favorable to sufficiently restorative sleep on a daily basis and puts therefore his health is in danger.
  • This estimate of sleep disturbance is therefore one of the strong indicators for assessing the good physical, social and moral health of individuals for tele-vigilance services.
  • This estimate of sleep disturbance can also make it possible to adapt telecommunications, multimedia or home automation services, etc.
  • the user by carrying and/or keeping one or more pieces of equipment close to him, is in fact adhering to the sleep monitoring solution.
  • an alert notification can be transmitted directly to the user on equipment such as a connected watch, smartphone, etc. or to an e-Health service (or tele-vigilance service).
  • e-Health service or tele-vigilance service
  • the determination of the current sleep signal comprises obtaining at least one current set of temporal sequences of measurements of at least one physiological parameter representative of the user's sleep collected during the temporal period current by at least one sensor of said at least one connected piece of equipment.
  • at least one temporal sequence of measurements of these physiological sleep parameters is collected by one or more sensors of the user equipment(s) during a current period, subsequent to the reference period, and corresponding for example to a night of sleep of the user outside the reference period.
  • user equipment continuously records one or more physiological parameters representative of sleep, also hereinafter called physiological sleep parameters.
  • physiological sleep parameters For example: connected watch, smartphone, etc.
  • measurements of these physiological parameters are collected during sleep time (for example during a night's sleep) by one or more different, or identical, sensors of the user equipment(s). .
  • sleep time does not necessarily correspond to one night in the literal sense of the term.
  • sleep time means any time interval during which the user sleeps (for example from 11 p.m. to 6 a.m. or from 8 p.m. to 5 a.m.).
  • night means the user's sleep time.
  • the temporal sequences of current measurements thus obtained then make it possible to determine a curve representative of a temporal sequence of sleep stages during this current period, in other words, the current sleep signal.
  • the measurements are collected for each night outside the reference period.
  • the current sleep signal from the current period i.e., a night outside the reference period
  • the method further comprises: a determination of the reference sleep signals based on obtaining at least one reference set of temporal sequences of measurements of said at least one physiological parameter collected during said reference time period by at least one sensor of at least one user equipment connected to the communication network and located near the user and/or worn on him.
  • the method according to the invention comprises a determination of all the reference signals, during the reference period (for example one week).
  • This set of reference signals, or the user's sleep history makes it possible to identify sleep disturbances when compared to the current sleep signal.
  • one or more user equipment(s) continuously record one or more physiological sleep parameters. Measurements of these physiological parameters are then collected during the reference period by one or more different, or identical, sensors of the user equipment(s).
  • Temporal sequences of measurements of physiological sleep parameters are thus obtained and used to determine for each night of the reference period, a curve representative of a temporal sequence of sleep stages (AWK, NI, N2, N3, NR), also called reference sleep signal.
  • This curve, or reference sleep signal therefore represents the succession over the course of sleep time (for example during the night) of the different stages through which the user will pass during his sleep.
  • a reference frame, or sleep history, comprising this set of reference sleep signals is then created.
  • the user equipment used during the reporting period may be the same or different from that used during the current period. It is thus possible for the user to use different equipment depending on their precision or ease of use.
  • obtaining the sleep disturbance indicator further comprises a second comparison of the current sleep signal to a sleep signal recommended for the user.
  • the user's sleep disturbance indicator for a current period takes into account both a set of sleep signals obtained for this user during a reference period, but also a recommended, or "ideal” sleep signal. ”, for this user.
  • This recommended sleep signal is, for example, defined theoretically and represents an ideal restorative sleep for the user based on criteria linked to their age, gender, body size, etc.
  • the invention proposes to refine the estimation of the user's sleep disturbance measurement over time by comparing the current signal obtained for the individual (ground reality) to an ideal theoretical sleep signal, to accurately estimate the deterioration in the person's sleep quality compared to this model
  • the method further comprises, following obtaining the disturbance indicator, an update of the set of reference sleep signals comprising a recording of the current sleep signal as reference sleep signal when said at least one decision criterion is not satisfied.
  • the determination of the current sleep signal, respectively the reference sleep signals comprises an implementation of an artificial intelligence module configured to associate, from a characterization model of the user's sleep, at least one segment of the temporal sequences of measurements of the current set, respectively at least one segment of the temporal sequences of measurements of the reference sets, at at least one stage of sleep.
  • the artificial intelligence module implements for example a neural network making it possible to learn to associate with segments of temporal sequences of physiological parameter measurements collected during the current period, respectively during the reference period, a stage of sleep (AWK, NI, N2, N3, NR).
  • a stage of sleep ANK, NI, N2, N3, NR.
  • the temporal sequences of the current, respectively reference, sets are segmented in order to be able to associate a sleep stage with each segment. It is thus possible to obtain a representation in the form of a curve of a sleep signal (also called sleep curve) of the user for a given night, either during the current period, or during the reference period.
  • the artificial intelligence module makes it possible to precisely characterize the structure and/or duration of the user's sleep, that is to say the succession of cycles and, within each cycle, the stages of sleep. This makes it easier to spot significant changes in the user's sleep structure.
  • the method comprises prior learning of the characterization model from a learning database associating segments of temporal sequences of measurements of at least one physiological parameter representative of sleep. a panel of users collected during a period of sleep in a controlled environment at least one stage of sleep.
  • the learning of the sleep characterization model by the artificial intelligence module is done in a supervised manner from a public database associating segments of temporal sequences of measurements of different physiological sleep parameters at different stages of sleep. sleep to reconstruct all of the user's sleep cycles during a night's sleep. It is thus possible to obtain a sleep signal representative of the structure and duration of the user's sleep.
  • said at least one physiological parameter is chosen from a group comprising at least: cardiac activity, cerebral activity, movements of the eyeballs, muscular activity, respiratory effort, a respiratory flow, partial pressure of carbon dioxide and/or oxygen (PaCO2/PaO2), oxyhemoglobin saturation, body position, breathing sounds.
  • the first comparison comprises obtaining a first distance measurement between the current sleep signal and the reference sleep signals
  • the second comparison comprises obtaining a second distance measurement between the current sleep signal and the recommended sleep signal
  • - obtaining the disturbance indicator includes obtaining a weighted sum of the first measurement and the second measurement.
  • obtaining the sleep disturbance indicator takes into account the differences between the user's current sleep and his sleep history and between his current sleep and a recommended sleep curve for this user. It is thus possible to personalize the estimate of a sleep disturbance for each individual monitored, taking into account that restorative sleep for this particular individual does not necessarily follow the theoretical curve of restorative sleep identically. recommended.
  • said at least one decision criterion comprises at least one sleep disturbance threshold, the decision criterion being satisfied when the disturbance indicator is greater than or equal to said at least one disturbance threshold.
  • At least one sleep disturbance threshold is taken into account. It is thus possible to smooth the estimate of sleep disturbance over a defined period and to eliminate disturbances which are temporary (for example linked to a particular period of life, etc.).
  • a notification is issued when the disturbance indicator crosses a predetermined disturbance threshold (for example 0.5).
  • a first threshold to evaluate the isolated value of the disturbance indicator for the current night and a second threshold (which may be lower than the first) to evaluate a deviation in the value of the disturbance indicator.
  • sleep disturbance for example: thresholding on a Euclidean distance
  • alert levels can be considered, depending on the estimated level of disturbance (that is to say for example depending on the exceeding of one or more successive threshold(s) (of increasing values) of disturbance).
  • the lowest level (“low” exceeding a first level of disturbance threshold) can consist of sending personalized notifications to the person being monitored to help them get into the conditions for better falling asleep (for example, example: limit media/communications consumption after a certain time of day and/or reduce ambient lighting, heating, before bedtime, etc.).
  • the highest alert level (exceeding the last “high” disturbance threshold), when the disturbances are severe and risk causing a loss of autonomy for the user, one or more alert notifications are sent to third parties.
  • the invention also relates to a device for monitoring the sleep of a user using at least one user equipment located near the user and/or worn on him, said at least one user equipment being connected to a communications network.
  • This device is configured to:
  • an indicator of disturbance of said sleep of said user comprising a first comparison of said current sleep signal to a set of curves representative of temporal sequences of sleep stages determined for a reference time period, called reference sleep signals;
  • the invention also relates to equipment for accessing a communications network, comprising a device for monitoring a user's sleep as described above.
  • the invention also relates to user equipment comprising at least one sensor, said user equipment being connected to equipment for access to a communications network.
  • This user equipment includes a device for monitoring a user's sleep as described above.
  • the invention also relates to a system for monitoring a user, comprising user equipment comprising at least one sensor and being connected to a communications network, equipment for accessing a communications network and a sleep monitoring device. 'a user as described previously.
  • the invention also relates to a computer program product comprising program code instructions for implementing a method as described above, when executed by a processor.
  • the invention also relates to a computer-readable recording medium on which is recorded a computer program comprising program code instructions for the execution of the steps of the method for monitoring a user's sleep according to the invention as described above, when said program is executed by a processor.
  • Such a recording medium can be any entity or device capable of storing the program.
  • the medium may comprise a storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or even a magnetic recording means, for example a mobile medium (memory card) or a hard drive or SSD.
  • such a recording medium may be a transmissible medium such as an electrical or optical signal, which may be conveyed via an electrical or optical cable, by radio or by other means, so that the program computer it contains can be executed remotely.
  • the program according to the invention can in particular be downloaded onto a network, for example the Internet network.
  • the recording medium may be an integrated circuit in which the programs are incorporated, the circuit being adapted to execute or to be used in the execution of the aforementioned method.
  • the present technique is implemented by means of software and/or hardware components.
  • module can correspond as well to a software component as to a hardware component or a set of hardware and software components, a software component itself corresponding to one or more programs or subprograms of computer or more generally to any element of a program capable of implementing a function or a set of functions.
  • a software component corresponds to one or more computer programs, one or more subprograms of a program, or more generally to any element of a program or software capable of implementing a function or a set of functions, as described below for the module concerned.
  • Such a software component is executed by a data processor of a physical entity (terminal, server, gateway, decoder, router, etc.) and is capable of accessing the hardware resources of this physical entity (memories, recording media , communication bus, electronic input/output cards, user interfaces, etc.). Subsequently, resources are understood to mean all sets of hardware and/or software elements supporting a function or service, whether unitary or combined.
  • a hardware component corresponds to any element of a hardware assembly capable of implementing a function or a set of functions, according to what is described below for the module concerned. It may be a programmable hardware component or one with an integrated processor for executing software, for example an integrated circuit, a smart card, a memory card, an electronic card for running firmware, etc.
  • Figure 1 presents in diagrammatic form an environment of a user during sleep according to one embodiment of the invention
  • Figure 2 represents in diagram form the steps and sub-steps of the method for monitoring the user's sleep according to one embodiment of the invention
  • Figure 3 illustrates in diagrammatic form a classification module implemented for the characterization of a user's sleep according to one embodiment of the invention
  • Figure 4 illustrates in the form of curves, sleep signals obtained after characterization of a user's sleep by the classification module of Figure 3, according to a first embodiment of the invention
  • Figure 5 illustrates in the form of curves, sleep signals obtained after characterization of a user's sleep by the classification module of Figure 3 according to a second embodiment of the invention
  • FIG. 6 Figure 6 schematically illustrates an example of architecture of a device for monitoring the sleep of a user within their home, according to one embodiment of the invention.
  • the general principle of the invention is based on monitoring the evolution over time of a user's sleep in order to create an indicator of disturbance of his sleep and, depending on this indicator, to decide whether an alert notification must be issued.
  • the invention seeks to make a robust estimate of the autonomy of a user at home by following the evolution of their sleep over time.
  • the invention proposes to define a sleep disturbance indicator by comparing a sleep history of this user, obtained during a reference period and stored in memory, a sleep of the user for each night (or sleep time ) outside the reference period and so-called “recommended” or “ideal” sleep for this user.
  • the sleep disturbance indicator is “weak” (for example below a predefined disturbance threshold)
  • the person is judged to be “autonomous”.
  • the disturbance indicator is “high” or increases over time (for example greater than or equal to the predefined disturbance threshold)
  • this person is then judged to be losing autonomy.
  • “Recommended” or “ideal” sleep means sleep which is considered restorative for the user according to standards of sleep structure and/or sleep duration... defined theoretically according to categories taking into account, for example the age, gender, body size, etc. of the user. Indeed, the structure of sleep (e.g. type of sleep stages, number of cycles, time spent in each stage and/or between stages, etc.) and its duration varies over time/life.
  • the “ideal” newborn sleep structure is 3 stages per cycle with 50 minutes on average per cycle and the “ideal” adult sleep structure is 5 stages per cycle with 110 minutes on average per cycle.
  • the 3 phases of the newborn's sleep cycle are: falling asleep, restless sleep, and calm sleep.
  • the 5 phases of adult sleep are: falling asleep, light slow-wave sleep, deep slow-wave sleep, another phase of light slow-wave sleep, paradoxical sleep.
  • the recommended sleep duration for those over 65 is 7 to 8 hours while for 14-17 year olds it is 8 to 1 Oh.
  • the invention is therefore based first of all on the constitution of a sleep history of the user over a reference period corresponding to a succession of several nights of sleep during a given period (for example 1 week), and representing the period during which sleep is considered restorative, or of sufficient quality, for the user being monitored (so-called “normal” sleep for this user).
  • This reference period is therefore the period during which the monitored user is considered to be in full autonomy.
  • This sleep history therefore represents the user's sleeping habits.
  • the user's sleep during this period is also hereinafter called "reference sleep”.
  • This user's sleep history is then compared to so-called “current” or “daily” sleep of the user, that is to say to the sleep of this same user during a current period corresponding to a night outside. of the reference period, in order to detect a possible discrepancy.
  • This so-called “current” period is separate from and subsequent to the reference period.
  • This “common” sleep is also compared to “ideal” sleep, or “recommended” sleep, for this user.
  • the differences detected between the user's current sleep, sleep history and recommended sleep are used to evaluate an indicator of disturbance in the user's sleep and therefore deduce a possible loss of autonomy for this user. In other words, based on this sleep disturbance indicator, it is possible to decide whether the user is losing autonomy and therefore to alert tele-vigilance services to offer personal assistance solutions. .
  • measurement data of at least one physiological parameter of the user representative of his sleep are collected during the reference period, then during the current period, for example one night, in order to characterize sleep (structure and/or or duration) of the user during this reference period and during the current period.
  • These data of this or these physiological parameter(s) are obtained from measurements collected by one or more sensor(s) integrated into one or more terminal equipment(s) worn by this user, or near it (for example on a bedside table) while sleeping.
  • This terminal equipment(s), or user equipment(s) are connected to a communications network which allows them to transmit, where applicable, one or more alert notifications to third parties as part of a tele-vigilance service.
  • FIG. 1 We now present in connection with Figure 1 an example of an environment of a user during sleep according to the invention.
  • This environment may correspond for example to a bedroom in the user's home, or to a hotel room, or any place in which the user can sleep.
  • the environment of the user UT includes in particular a local communication network LAN that is managed by a residential gateway NOT connected to a carrier's R_EXT data communications network.
  • the LAN network is a home network, to which several user devices can be connected: tablets, smartphones, connected watches, connected headbands, etc.
  • the EQ user equipment is for example a smartphone or a connected object such as a connected watch, connected bracelet, connected headband (also called brain wave headset) or any other terminal equipment equipped with a communication interface with the LAN network and of a sufficiently small size to be easily carried by the user, or at least to be close to the UT user (for example placed on a bedside table).
  • a connected object such as a connected watch, connected bracelet, connected headband (also called brain wave headset) or any other terminal equipment equipped with a communication interface with the LAN network and of a sufficiently small size to be easily carried by the user, or at least to be close to the UT user (for example placed on a bedside table).
  • the user equipment EQ. comprises one or more sensors, identical or different, configured to measure one or more physiological parameters different from the user during sleep.
  • physiological parameters can for example be one or a combination of parameters chosen from:
  • the electrical activity of the brain for example measured by electroencephalogram (or EEG) using a brain wave sensor included in connected headband type EQ equipment worn by the UT user during his sleep;
  • EEG electroencephalogram
  • the movements of the eyeballs for example measured by electro-oculogram (or EOG) using the camera of a smartphone of the user UT filming him during his sleep;
  • EOG electro-oculogram
  • - muscular activity for example measured by electromyogram using a muscle sensor included in a connected watch or bracelet;
  • ECG electrocardiogram
  • the sensor(s) of the EQ equipment. are configured to collect and record continuously during the sleep of the user UT data (or signals) of one or more physiological parameters representative of the sleep of the user UT.
  • physiological sensors are also hereinafter called physiological sensors, and the physiological parameter data is also called physiological data, or physiological signals.
  • the user can carry on him, or have near him, several different EQ equipment (for example: a connected watch worn on the wrist and a smartphone recording and/or filming him during his sleep) having different sensors to measure several different physiological parameters.
  • EQ equipment for example: a connected watch worn on the wrist and a smartphone recording and/or filming him during his sleep
  • the EQ user equipment used during the reporting period may be the same or different from that used during the current period.
  • the user equipment(s) EQ then transmit(s) the physiological data collected by its sensor(s) to a DISP device for monitoring the sleep of a user UT, which will be described below in link with Figure 6.
  • this DISP monitoring device stores in a memory the measurements of the physiological parameter(s) representative(s) of the user's sleep thus collected.
  • the DISP device implements all or part of the method for monitoring a user's sleep according to the invention which will be detailed below in relation to Figure 2.
  • This DISP monitoring device can be embedded in the EQ user equipment or the plurality of EQ equipment. Alternatively, the DISP monitoring device can be integrated into the user's PAS gateway which has the advantage of benefiting from greater computing and memory resources than the EQ user equipment(s).
  • the DISP monitoring device can be integrated into a server in the network of the operator R_EXT.
  • the transmission of physiological data is done from the user equipment(s) E to the DISP device via the network.
  • LAN communication for example via WiFi®, Bluetooth® connection...
  • the EQ user equipment(s) connected to the LAN communication network, the network access equipment (PAS gateway) and the sleep monitoring device of a user DISP form a system S for monitoring the sleep of a user UT.
  • step 1 (sub-steps El to E6) includes:
  • the physiological parameters taken into account are parameters of brain activity (EEG) and/or cardiac activity (ECG).
  • EEG brain activity
  • ECG cardiac activity
  • other physiological parameters can be taken into account in addition to or in replacement of these.
  • the data of this or these physiological parameter(s) are collected continuously by the sensor(s) of the EQ user equipment(s) as described in Figure 1; And
  • a sleep characterization model by a classification module configured to characterize sleep, that is to say configured to determine the structure and/or duration of sleep, from a set labeled segments of temporal sequences of measurements, called labeled segments, of one or more physiological parameters.
  • a classification module configured to characterize sleep, that is to say configured to determine the structure and/or duration of sleep, from a set labeled segments of temporal sequences of measurements, called labeled segments, of one or more physiological parameters.
  • each labeled segment of temporal sequences of physiological measurements is associated with a sleep stage in the STG_DB database, so that it can then be used to train the classification module; (iii) the implementation of the characterization model by the classification module for the characterization of the user's sleep for each night during the reference period Pref from the reference sets of segments of temporal sequences of measurements, of or physiological parameter(s) of the user. It is thus possible to create a sleep history of the user, during the Pref reference period. This sleep history, representative of the user's sleep habits, is then stored in memory in an SLP_DB database;
  • step 2 (sub-steps E7 to E9) includes:
  • the Pref reference period corresponds to the period during which the user is considered to be in full autonomy, that is to say that their sleep is considered to be of good quality and restorative for this user (sleep said “normal” for the user).
  • Step 1 therefore mainly aims to create a sleep history of the user during this reference period, in order to be able to compare in step 2 the daily, or current, sleep of the user to this history and to a sleep “recommended” for this user.
  • this sleep history is updated with the sleep of the current period characterized by the classification module.
  • the Pref reference period evolves over time, since each new day adds to the user's sleep history.
  • the "current" sleep is identified as "normal” for this user, that is to say considered to be of as good quality and restorative as usual, then it is added to the sleep history of the user.
  • the SLP_DB user (“current” sleep whose sleep disturbance indicator does not trigger an alert).
  • “routine” sleep is identified as “unusual”, i.e. the sleep disturbance indicator triggers an alert, then this "common” sleep is not added to the SLP_DB history to avoid distorting its history function sleep reflecting “good” autonomy of the user.
  • a sub-step El as described in connection
  • a sub-step E3 for all the physiological signals of interest associated with a day j of the reference period Pref, that is to say the physiological signals of interest obtained after cutting out the sub-step E2, a window for analyzing the signals of interest is obtained. Its width is for example determined by preliminary experiments (empirical choice).
  • the physiological signals of interest cut in sub-step E2 are segmented every 30 s without overlap. This segmentation is then carried out according to sliding windows for analyzing the physiological signals of interest. We then obtain a set of segments, or series, of 30 s time sequences resulting from the segmentation of the physiological signals of interest; a sub-step E4: the physiological signals of interest obtained in E2 and segmented (for example every 30 s) in E3 to obtain a set of temporal sequence segments, are then processed.
  • the processing includes, but is not limited to, low-pass filtering to denoise information, normalization to standardize data, resampling of data to synchronize sources, etc.; a sub-step E5: it consists of teaching an artificial intelligence module, such as for example the classification module MOD_CLAS presented in connection with Figure 3, to classify each segment of temporal sequences of physiological signals of interest from substages El to E4 in one of the five classes corresponding to the five stages of sleep, namely the stages AWK, NI, N2, N3 and NR.
  • an artificial intelligence module such as for example the classification module MOD_CLAS presented in connection with Figure 3, to classify each segment of temporal sequences of physiological signals of interest from substages El to E4 in one of the five classes corresponding to the five stages of sleep, namely the stages AWK, NI, N2, N3 and NR.
  • substep E5 seeks to construct the user's sleep history including a sleep curve S(k) of the user for each night k during this period Pref.
  • This STG_DB database is for example constructed by collecting physiological signals (for example: EEG, ECG, EOG type signals, etc.) from a panel of users in a controlled environment (for example in a laboratory). More particularly, this STG_DB database comprises a set of temporal sequence segments obtained after processing, as described in substeps E1 to E4, the collected physiological signals.
  • physiological signals for example: EEG, ECG, EOG type signals, etc.
  • Each segment of temporal sequences of physiological signals of interest from the public STG_DB database is then tagged or labeled using information identifying one of the five classes corresponding to the different stages of sleep.
  • these labels, or labels are of digital type and the segments of temporal sequences of data of interest (that is to say the segments of temporal sequences of physiological signals of interest) come from the base of public STG_DB data are each associated with a label value between 0 and 4, such that: value 1 represents stage NI, value 2 represents stage N2, value 3 represents stage N3, value 4 represents stage stage NR and, the value 0 represents AWK awakening signals.
  • the classification module MOD_CLAS is trained in a supervised manner to classify the segments of temporal sequences of physiological signals of interest from the STG_DB database, in one of the classes corresponding to the different stages of sleep: AWK, NI, N2, N3 and NR.
  • the classification module MOD_CLAS takes as input the segments of temporal sequences of physiological signals of interest from the STG_DB database and adjusts its configuration to associate with each segment of temporal sequences of physiological signals of interest, at output, the stage of sleep corresponding to the label.
  • the MOD_CLAS classification module is configured to give a value between 0 and 4 to each segment of temporal sequences.
  • a sleep signal produced by the classification module MOD_CLAS with a prediction of the sleep stage for each segment of temporal sequences of physiological signals of interest over the entire sleep, for example 9 hours of sleep.
  • Such learning allows it to build a sleep characterization model MC which it will then implement in the test phase to recognize the different stages of the sleep cycles of a new set of segments of temporal sequences of physiological signals from the user and obtain a sleep curve S(x).
  • the MOD_CLAS module is an artificial intelligence module which presents the architecture of Figure 3. As described previously, this MOD_CLAS classification module is configured to implement the MC sleep characterization model .
  • This architecture therefore takes as input data SEQ_E the segments of temporal sequences of physiological signals of interest from the user during sleep (segments obtained following sub-steps E1 to E4).
  • the labeled temporal sequence segments of interest from the public database STG_DB are used as described previously.
  • the segments of temporal sequences of signals of interest are obtained from temporal sequences of physiological signals collected for the user and processed, as presented in connection with sub-steps E1 to E4, during a reference period Pref.
  • the trained MOD_CLAS classification module takes as input the segments of temporal sequences of physiological signals of interest from substeps El to E4 of the Pref reference period, to classify them in one of the classes corresponding to the five stages of sleep, namely the AWK, NI, N2, N3 and NR stages.
  • it automatically produces at output, from the temporal succession of segments associated with a sleep stage, a sleep curve S(k) for each night k during the reference period Pref.
  • sleep curves S(k) are stored in the SLP_DB database, thus constituting the user's sleep history monitored during the reference period Pref.
  • the classification module MOD_CLAS comprises an ENC autoencoder configured to transform the segments of temporal sequences of physiological signals of interest at input SEQ_E into encoded signals to obtain a compact ENC_REP encoded representation.
  • the MOD_CLAS classification module takes the ENC_REP encoded representations as input and associates them with a stage value between 0 and 5. As previously described, it was previously trained to make such an estimate from the ENC_REP encoded representations. input signals.
  • the value represents an AWK wake state. Between 1 and 2, the value represents the NI stage. Between 2 and 3, the value represents stage N2. Between 3 and 4, the value represents stage N3. And beyond 4, the value represents the NR stage.
  • the classification module finally comprises a DEC module configured to produce an output sleep signal taking the form of a curve representative of the successive stages of sleep S(x) (also denoted SEQ_S) of the user as illustrated in Figures 4 and 5.
  • the MOD_CLAS module can be for example a neural network, or any other artificial intelligence module capable of performing the same functions.
  • Step 1 ends with the constitution of the two knowledge bases: the database, or sleep history, SLP_DB including the sleep curves S(k) of nights k of the reference period Pref and, the base of REF_DB reference data of dimension R described previously (R representing a number of nights k re f in the REF_DB database).
  • This reference database stores examples of sleep curve S(k re f) recommended for an individual according to their age, sex, body size, etc. In other words, this database is a representative database of 'an ideal sleep depending on the age category, gender, etc. of the users.
  • Step 2 includes the automatic day-to-day estimation (that is to say for each night j outside the reference period Pref) of an indicator of sleep disturbance of the person, based on on step 1 completed with the constitution of the two repositories described previously (sleep history SLP_DB and reference database REF_DB) stored in memory. This last step considers a new day j, or current period, to be analyzed outside the reference period Pref.
  • a sub-step E7 for at least one day j, corresponding to a current period, not belonging to the reference period Pref, and subsequent to Pref, the method according to the invention repeats the sub-steps E1 to E4 of collecting and processing the physiological signals obtained by the sensor(s) (for example EEG and/or ECG type signals) of the equipment(s) user(s). Then, sub-step E6 is implemented to characterize the user's sleep (i.e. determine their sleep curve S(j)) for day j using the MC model used by the MOD_CLAS classification module.
  • Figures 4 and 5 represent in curve form different sleep signals obtained after characterization of sleep by the classification module according to the invention.
  • Figures 4 and 5 represent the different stages of sleep (AWK, NI, N2, N3 and NR) through which the user passes during his sleep time.
  • the solid gray curve represents a recommended sleep signal S(k re f) obtained from the REF_DB database.
  • This sleep signal S(k re f) therefore corresponds to an ideal sleep for the user monitored according to, for example, their age, gender, etc.
  • the black dotted curve represents an example of sleep signal S(k) obtained, as described previously, from the sleep history SLP_DB.
  • the solid black curve represents a current sleep signal S(j) collected for the user during the current period, obtained as described previously.
  • the sleep signals illustrated in Figures 4 and 5 are characterized by a certain number of cycles, for example 4 cycles, each cycle being composed of different stages of sleep.
  • the reference sleep signal S(k) can be close to the recommended sleep signal S(k re f) ( Figure 4), or on the contrary different (Figure 5).
  • E(j) is defined by the following equation:
  • the first component of the equation compares the signal, or curve, of sleep S(j) of day j of the current period, to the sleep signals S(k) contained in the SLP_DB database (sleep history of the user).
  • the second component of the equation compares the sleep signal S(j) of the day to the sleep signals S(k re f) contained in the reference database REF_DB (recommended sleep for the monitored user).
  • the distance dist between two sleep curves, or signals, S(j) and S(k) can, in an example of implementation, be calculated as a distance DTW (from the English “Dynamic Time Warping”). The distance are normalized between 0 and 1.
  • the sleep disturbance estimate E(j) takes values between 0 and 1. If its value is close to 0, this means that The analysis of the day's sleep is close to its history constituted in the reference period Pref and the "recommended" references of the set R and therefore the person is judged as “autonomous” because the person presents behavior similar to its history and recommended sleep for this user (see for example figure 4). If, on the contrary, the value is close to 1, this means that the analysis of the day's sleep differs from its history constituted in the reference period Pref and from the "recommended” references of the set R and therefore the person is judged to have a “loss of autonomy” because the person presents behavior different from their history and the recommended sleep for this user (see for example figure 5).
  • the estimate, or indicator, of sleep disturbance E(j) obtained previously is analyzed to decide whether the user has a loss of autonomy linked to sleep disorders, and whether or not it is necessary to trigger a protective action in the as part of a tele-vigilance service, such as notifying a third party of the loss of autonomy observed for the current period.
  • the evaluation can consist of always disseminating this information.
  • the sleep disturbance estimation value E(j) determined if it is different from 0, then we consider it useful to notify that there is a sleep disturbance and therefore a potential loss of autonomy in sub-step E9 (“O” in Figure 2), and therefore we proceed to the transmission of a loss of autonomy alert notification in sub-step E9 and to the proposal of a appropriate service recommendation.
  • a notification when the sleep disturbance indicator E(j) satisfies a decision criterion, such as for example a sleep disturbance threshold.
  • a decision criterion such as for example a sleep disturbance threshold.
  • the notification is issued when the sleep disturbance indicator E(j) is greater than or equal to a predefined disturbance threshold, for example equal to 0.5.
  • the process is repeated for several successive current time periods, and subsequent to the reference period.
  • each current period lasts one night.
  • the process is then repeated every night outside the reference period.
  • the decision to broadcast an alert is taken based on the previous disturbance threshold and at least one other criterion of decision, or relevance.
  • this other decision criterion requires that the predefined threshold (for example 0.5) be exceeded several times over a period P' of several consecutive nights. We then take into account the indicators obtained over several consecutive nights.
  • this other decision criterion can take into account the differences between the estimation values, or indicators, of disturbance obtained over the period P' and an average of these values during the period P'.
  • the diffusion of this notification can be decided, even if the disturbance threshold is actually exceeded only a few times over the period P' (in this case of implementation, it is necessary to calculate the sleep disturbance values E(k' ) for all days k' belonging to the period P').
  • Substep E9 If the decision criteria(s) of a notification are not satisfied (no or “N” in Figure 2), substep E9 is not implemented and substeps E1 to E8 are resumed directly. for a new current time period. Substep E9 therefore consists of broadcasting a notification of information on the user's autonomy as a function of the value E(j) estimating the sleep disturbance of the person being monitored for day j.
  • this notification can be sent to the user to inform them of their autonomy, alert them of a lack of autonomy and/or give a recommendation to regain autonomy.
  • this notification can be sent to an e-Health service, to a trusted third party (family of the person being monitored) or to a treating physician.
  • a trusted third party family of the person being monitored
  • a treating physician to supply applications and services linked to e-Health solutions for monitoring vulnerable people and/or for monitoring residents in their use of the smart home (such as: connected home, secure home ).
  • alert levels can be considered, depending on the estimated level of disturbance (i.e. for example depending on the exceeding of one or more successive threshold(s), of increasing values, of disturbance).
  • the lowest level (for example crossing a first threshold of disturbance) can consist of issuing personalized notifications to the person being monitored to help them get into the conditions for better falling asleep (for example: limiting the consumption of media/communications after a certain time of day and/or to reduce ambient light, heating, before bedtime, etc.).
  • the highest level for example crossing a second disturbance threshold, greater than the first threshold
  • one or more alert notifications are addressed to third parties.
  • the invention allows a robust estimation of the autonomy of a person at home based on their daily sleep.
  • the invention is original in the design of an end-to-end model, that is to say from raw data towards the promotion of a suitable service, with recognition of the user's sleeping habits as a reference for notify e-Health services about the autonomy of the person being monitored.
  • the applications are, first of all, the estimation of autonomy for fragile people in e-Health services. This estimate makes it possible to inform the family and the medical profession of developments in the physical, moral and social health of the person being monitored for services, particularly tele-vigilance. We can also imagine future services that would favorably use the analysis of sleep cycles. Likewise, services adapted to the situation of a lone worker can be provided depending on their state of fatigue and health (e.g. alert upon arrival in a risk area for greater vigilance, etc.).
  • the DISP monitoring device comprises a RAM memory, a CPU processing unit equipped for example with a processor, and controlled by a computer program stored in a read-only memory (for example a ROM memory or a disk hard).
  • a computer program stored in a read-only memory (for example a ROM memory or a disk hard).
  • the code instructions of the computer program are for example loaded into the RAM memory before being executed by the processor of the CPU processing unit.
  • the DISP monitoring device further comprises a MEM memory making it possible in particular to store measurements of the physiological parameters of the user during sleep using one or more sensors of the user equipment (or a plurality of equipment). Additionally, MEM memory can store STG_DB, SLP_DB and REF_DB databases.
  • the DISP monitoring device also includes a COM communication module for receiving/transmitting measurements from sensors and transmitting alert notifications on the user's autonomy.
  • Figure 6 illustrates only one particular way, among several possible, of producing the DISP monitoring device, so that it performs at least part of the steps of the method of monitoring a user's sleep detailed above, in relation to Figure 2 in its different embodiments.
  • the monitoring device is configured to implement all of the steps of the method for monitoring a user's sleep.
  • the DISP monitoring device comprises a classification module MOD_CLAS configured to determine the structure and/or duration of the user's sleep from a set of segments of temporal sequences of physiological measurements of interest, according to the MC characterization model learned during the learning phase described in connection with Figure 2 (sub-step E5).
  • the MOD_CLAS module presents the architecture described in connection with Figure 3.
  • the monitoring device DISP is configured to implement only substeps E1 to E4, then E9 to E10.
  • the sub-steps E5 to E6 of learning and characterizing the user's sleep during the reference period Pref are then implemented by remote equipment to which the DISP monitoring device is connected, such as for example the PAS gateway which includes the MOD_CLAS classification module described in connection with Figure 3 and implementing the MC characterization model, or in server equipment of the operator which then includes the MOD_CLAS classification module.
  • a reprogrammable calculation machine a PC computer, a DSP processor or a microcontroller
  • a program comprising a sequence of instructions
  • a dedicated calculation machine for example a set of logic gates such as an FPGA or an ASIC, or any other hardware module
  • the corresponding program (that is to say the sequence of instructions) can be stored in a removable storage medium (such as for example a SD card, USB key, CD-ROM or DVD-ROM) or not, this storage medium being partially or totally readable by a computer or processor.
  • a removable storage medium such as for example a SD card, USB key, CD-ROM or DVD-ROM

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Computer And Data Communications (AREA)

Abstract

L'invention concerne un procédé de surveillance du sommeil d'un utilisateur à l'aide d'au moins un équipement utilisateur situé à proximité de l'utilisateur et/ou porté sur lui, ledit au moins un équipement utilisateur étant connecté à un réseau de communication. Ce procédé comprend : - une détermination d'au moins une courbe représentative d'une séquence temporelle de stades de sommeil au cours d'une période temporelle courante, dite signal de sommeil courant; - une obtention d'un indicateur de perturbation du sommeil de l'utilisateur comprenant une première comparaison du signal de sommeil courant à un ensemble de courbes représentatives de séquences temporelles de stades de sommeil déterminées pour une période temporelle de référence, dites signaux de sommeil de référence; - une décision d'émettre, une notification d'alerte dans le réseau de communication, prise en fonction de l'indicateur de perturbation du sommeil et d'au moins un critère de décision.

Description

DESCRIPTION
Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants.
Domaine de l'invention
L'invention concerne principalement le maintien à domicile de personnes fragiles (par exemple: seniors, personnes souffrantes de déficience, personnes souffrant d'une maladie chronique etc.). Toutefois, l'invention s'adresse également à toutes personnes souhaitant suivre l'évolution dans le temps de son sommeil à domicile.
En particulier, l'invention vise à une meilleure évaluation de l'autonomie des personnes, notamment des personnes fragiles, en surveillant l'évolution de leur sommeil par un système d'actimétrie pour la mise en oeuvre d'un service de télé-vigilance.
Art antérieur
La perte d'autonomie, notamment chez les personnes fragiles, est un enjeu important des prochaines années. Dans le cadre du maintien à domicile de ces personnes, il est nécessaire de pouvoir surveiller qu'elles sont capables de rester seules chez elles.
À cet égard, on sait que des troubles du sommeil, tel qu'un manque de sommeil, ou au contraire, une somnolence trop accrue, influencent la santé des personnes et donc, à terme, leur autonomie.
On distingue six grandes familles de troubles du sommeil, liés ou non à des pathologies :
- les insomnies ;
- les troubles respiratoires au cours du sommeil (par exemple : apnée du sommeil) ;
- les hypersomnies d'origine centrale (par exemple : narcolepsie, hypersomnie idiopathique, syndrome de Klein Levin etc.), qui ne sont pas reliées à un trouble du rythme circadien, respiratoire ou autre cause de troubles du sommeil nocturne ;
- les troubles du rythme circadien, c'est-à-dire une désynchronisation entre les rythmes de veille- sommeil internes et le cycle lumière-obscurité;
- les parasomnies (type somnambulisme par exemple) ;
- les mouvements anormaux en relation avec le sommeil (par exemple : syndrome des jambes sans repos).
Dans le cas de personnes fragiles, l'apparition chez ces personnes de tels troubles du sommeil, qu'ils soient liés ou non à un état pathologique, peut remettre en question leur maintien à domicile.
En effet, des troubles du sommeil peuvent révéler des variations ou des manquements dans un sommeil réparateur, et par conséquent indiquer une perte d'autonomie chez la personne fragile. Dans un autre contexte, chez les personnes non fragiles, des troubles du sommeil peuvent entrainer une altération des fonctions psychologiques, une diminution de l'efficacité du système immunitaire, mais également augmenter les risques de déclarer des pathologies plus graves comme par exemple des maladies cardiovasculaires. En conséquence, chez ces personnes, des troubles du sommeil peuvent également engendrer une perte d'autonomie, qui aura toutefois des conséquences différentes par rapport aux personnes fragiles (par exemple : perte de vigilance, difficultés au travail etc.).
En règle générale, nous nous endormons chaque soir et nous nous réveillons le lendemain également à peu près à la même heure, car notre rythme de sommeil est régulé par notre cerveau.
Ainsi, au cours du sommeil, on distingue la succession de cinq différents stades de sommeil:
(1) le stade éveillé (dit stade AWK, pour « awake » en anglais), qui est la phase éveillée ;
(2) le stade dit NI, qui est un stade de transition entre l'éveil et le sommeil. Le dormeur n'a pas vraiment l'impression de dormir, il somnole ;
(3) le stade dit N2, qui est le stade de sommeil confirmé. Un électro-encéphalogramme enregistré au cours du sommeil montre des figures caractéristiques qui permettent d'affirmer que le dormeur dort ;
(4) le sommeil profond, ou stade dit N3. Ce stade se caractérise, par exemple, par des ondes lentes et amples sur un électro-encéphalogramme, d'où son nom de sommeil à ondes lentes. C'est un sommeil profond dont il est difficile de réveiller le dormeur ;
(5) le sommeil paradoxal (ou stade dit NR), au cours duquel l'activité cérébrale est intense, assez proche de celle de l'éveil, il existe des mouvements oculaires très rapides, en saccades.
Classiquement, l'endormissement est suivi par du sommeil léger (stade NI puis stade N2) qui conduit en moyenne en une vingtaine de minutes au sommeil lent profond (stade N3). Au bout d'environ 90 minutes, le sommeil paradoxal apparaît (stade NR). Ces différents stades constituent le premier cycle de sommeil. Un cycle dure environ 90 à 100 minutes. Une nuit comporte de 4 à 6 cycles, selon la durée du sommeil. La première moitié du sommeil est particulièrement riche en sommeil lent profond, alors que la seconde moitié est essentiellement constituée par l'alternance de sommeil léger et de sommeil paradoxal.
Par la suite, on entend par « sommeil » l'ensemble des cycles de sommeil comprenant chacun un enchaînement particulier des différents stades de sommeil, au cours d'une même nuit. Autrement dit, le sommeil est structuré par un certain nombre de cycles, chaque cycle étant constitué de stades différents de sommeil par lesquels le dormeur va passer.
Afin d'analyser et caractériser le sommeil des personnes (par exemple : le nombre de cycles par nuit, type de stade constituant un cycle, durée dans chaque stade etc.), différents paramètres physiologiques représentatifs du sommeil peuvent être suivis au cours de la nuit. Les variations de mesure de ces paramètres physiologiques sont en effet caractéristiques des différents stades de sommeil par lesquels le dormeur va passer au cours de sa nuit de sommeil. Ces différents paramètres physiologiques peuvent être analysés via différentes techniques.
Parmi ces techniques, on connaît par exemple la polysomnographie qui est définie comme un processus de surveillance et d'enregistrement de plusieurs paramètres physiologiques pendant le sommeil. La polysomnographie prend en compte des paramètres physiologiques tels que :
- l'activité électrique du cerveau. Elle peut être mesurée par électro-encéphalogramme (EEG), à l'aide d'électrodes placées sur le cuir chevelu d'un patient ;
- les mouvements des globes oculaires, mesurés par électro-oculogramme (EOG);
- l'activité musculaire, mesurée par électro-myogramme (EMG);
- l'activité cardiaque, mesurée par électro-cardiogramme (ECG);
- un effort respiratoire, mesuré par pléthysmographie respiratoire par inductance, via l'utilisation de sangles thoraciques abdominales;
- le débit respiratoire, mesuré par pneumatographe (masque nasobuccal);
- la pression partielle en gaz carbonique et/ou en oxygène (PaCO2/PaO2), mesurée par oxymétrie transcutanée;
- la saturation oxyhémoglobinée (SpO2), mesurée par oxymétrie transcutanée ;
- la position du corps du patient, analysée par des capteurs à mercure placés sur une sangle ;
- les bruits respiratoires, enregistrés au moyen d'un microphone etc.
Dans un autre exemple, la polygraphie respiratoire est définie comme étant une polysomnographie simplifiée comprenant un moins grand nombre de paramètres physiologiques mesurés (mais au minimum deux paramètres), le plus souvent sans les paramètres neurophysiologiques (activité cérébrale par exemple). Elle sert surtout à investiguer les troubles respiratoires du sommeil.
Grâce à l'analyse et la caractérisation du sommeil d'une personne, notamment via l'analyse des paramètres physiologiques décrits ci-dessus, il est possible d'identifier des perturbations, ou troubles, de son sommeil. En particulier, ces techniques permettent de poser un diagnostic précis et d'identifier des pathologies à l'origine des troubles du sommeil (par exemple des pathologies respiratoires comme l'apnée du sommeil).
Cependant, les techniques décrites ci-dessus ne permettent pas d'identifier et caractériser avec précision le sommeil d'une personne, c'est-à-dire, le nombre de cycles composant son sommeil, les différents stades composant chaque cycle, le temps passé dans chaque stade et/ou entre chaque stade etc.
A cet égard, le document publié par H. Matsumoto et al., « Sleep Stage Estimation Using ECG » ; IEEE « International Conference on Bioinformatics and Biomedicine (BIBM) », 2020, pp. 2983-2983, doi: 10.1109/BIBM49941.2020.9313279, décrit une autre technique permettant d'identifier les différents stades qui composent les cycles du sommeil d'un patient à l'aide de signaux de type ECG qui sont mesurés puis utilisés dans un arbre de décision qui produit une courbe en escalier représentant les stades de sommeil au cours du temps (chaque marche représentant un stade) avec une performance moyenne de classification autour de 60% seulement.
Afin de détecter des troubles de la respiration pendant le sommeil, il est aussi connu d'utiliser un dispositif de type radar sans contact (« bio-radiolocation » en anglais). Ce dispositif permet d'estimer les mouvements respiratoires de la cage thoracique du patient (A. B. Tataraidze et al., « Non-contact Respiratory Monitoring of Subjects with Sleep-Disordered Breathing », IEEE « International Conference : Quality Management, Transport and Information Security, Information Technologies » (IT&QM&IS), 2018, pp. 736-738, doi: 10.1109/ITMQ.IS.2018.8525001). Toutefois, ce dispositif est intrusif, stigmatisant et coûteux. Il n'est en particulier pas possible pour une personne souhaitant suivre l'évolution de son sommeil de l'utiliser à domicile. En outre, cette technique d'analyse du sommeil ne structure pas assez finement le sommeil pour permettre d'estimer la qualité réparatrice du repos qu'il procure.
On connaît enfin des systèmes permettant d'analyser le sommeil d'une personne à l'aide d'un dispositif non porté par le patient (par exemple trois capteurs de mouvement PIR pour « Passive InfraRed » en anglais). Les signaux collectés par ces capteurs sont ensuite exploités par une machine à vecteurs ou SVM (« Support Vector Machine » en anglais), qui apprend à les classer (par exemple : mouvement des globes oculaires, position du corps etc.), en 3 stades de sommeil (éveillé, léger, reposant) avec une précision de 75% (Zeng and W. Chang, « Estimation of sleep status based on wearable free device for elderly care », IEEE « Global Conference on Consumer Electronics », 2016, pp. 1-4, doi: 10.1109/GCCE.2016.7800530). Cependant, la structure du sommeil en trois classes reste imprécise.
Ainsi, à l'heure actuelle, il n'existe pas de technique fiable permettant de caractériser précisément les habitudes de sommeil d'une personne, et de détecter des changements dans ses habitudes de sommeil.
En particulier, aucune des techniques de l'art antérieur ne permet d'estimer, à partir de la détection de variations dans le sommeil d'une personne, si la qualité de son sommeil se dégrade au cours du temps au point de provoquer une perte d'autonomie.
Il existe donc un besoin d'une technique qui permette de caractériser avec plus de précision le sommeil d'une personne à partir de l'analyse de paramètres physiologiques représentatifs du sommeil, afin d'obtenir une estimation robuste de la qualité de son sommeil, de son évolution, voire d'évaluer un potentiel impact sur l'autonomie de cette personne.
Exposé de l'invention
L'invention répond à ce besoin et propose un procédé de surveillance du sommeil d'un utilisateur à l'aide d'au moins un équipement utilisateur situé à proximité de l'utilisateur et/ou porté sur lui, ledit au moins un équipement utilisateur étant connecté à un réseau de communication. Ce procédé comprend :
- une détermination d'au moins une courbe représentative d'une séquence temporelle de stades de sommeil au cours d'une période temporelle courante, dite signal de sommeil courant;
- une obtention d'un indicateur de perturbation du sommeil de l'utilisateur comprenant une première comparaison du signal de sommeil courant à un ensemble de courbes représentatives de séquences temporelles de stades de sommeil déterminées pour une période temporelle de référence, dites signaux de sommeil de référence ;
- une décision d'émettre, une notification d'alerte dans le réseau de communication, prise en fonction de l'indicateur de perturbation du sommeil et d'au moins un critère de décision.
Ainsi, l'invention repose sur une approche tout à fait nouvelle et inventive de la surveillance du sommeil d'un utilisateur (par exemple : personnes fragiles, ou personne souhaitant surveiller son sommeil), en vue de détecter une dégradation de la qualité de son sommeil et de décider s'il est nécessaire d'alerter l'utilisateur, une personne de son entourage ou une tierce personne qualifiée (par exemple un médecin).
Plus particulièrement, afin de pouvoir proposer un service à la personne et l'adapter aux besoins de l'utilisateur le cas échéant, le procédé selon l'invention compare le sommeil de l'utilisateur pendant une période de référence, qui correspond à une période déjà écoulée pendant laquelle le sommeil de l'utilisateur était supposé être suffisamment réparateur, avec le sommeil de l'utilisateur en dehors de cette période de référence, comme par exemple chaque nuit en dehors de la période de référence. Pour cela, le procédé selon l'invention détermine : pour une période courante, comme par exemple une nuit, un signal de sommeil courant, et pour une période de référence, un ensemble de signaux de sommeil de référence (aussi appelé historique de sommeil de l'utilisateur).
Cette comparaison permet alors d'identifier des modifications des habitudes de sommeil de l'utilisateur. Autrement dit, il est possible d'identifier si le signal de sommeil de l'utilisateur pendant la période courante (par exemple une nuit en dehors de la période de référence) est différent de ceux de son historique de sommeil pendant la période de référence. Des écarts entre ces signaux peuvent avoir pour origine par exemple : le fait que l'utilisateur met plus de temps pour s'endormir (stade AWK plus long), se réveille plusieurs fois par nuit (plusieurs stades AWK au cours du temps de sommeil). Plus généralement, cette comparaison permet de déceler des modifications dans les séquences de stades de sommeil entraînant, par exemple, un décalage des cycles de sommeil par rapport à l'historique de sommeil de l'utilisateur etc. Un indicateur de perturbation du sommeil de la personne est ensuite estimé à partir de cette comparaison.
Enfin, il peut être décidé d'émettre une notification d'alerte en fonction de l'estimation de perturbation du sommeil de l'utilisateur obtenue et d'un critère de décision. Ce critère de décision peut être par exemple un seuil ou plusieurs seuil de perturbation à franchir, la variabilité de l'indicateur sur une période d'observation de plusieurs nuits etc.
Ainsi, la solution proposée par l'invention permet de surveiller l'évolution des cycles de sommeil d'un individu au cours du temps, et d'évaluer si ses habitudes de sommeil changent et notamment si elles se dégradent. En particulier, l'invention permet de détecter une dégradation de la qualité du sommeil de l'utilisateur, mais aussi de décider, en fonction de l'importance de cette dégradation, s'il est nécessaire d'alerter soit l'utilisateur, soit son entourage, dès lors que les troubles du sommeil détectés sont susceptibles d'engendrer une perte d'autonomie chez cet individu. En effet, la détection d'une dégradation dans les habitudes de sommeil d'un utilisateur peut être révélatrice d'une perte d'autonomie de cet utilisateur, qui ne parvient plus à maintenir au quotidien les conditions favorables à un sommeil suffisamment réparateur et met de ce fait sa santé en péril. Cette estimation de perturbation de sommeil est donc un des indicateurs forts pour évaluer la bonne santé physique, sociale et morale des individus pour des services de télé-vigilance. Cette estimation de perturbation du sommeil peut également permettre d'adapter des services de télécommunication, multimédia ou domotiques, etc.
En outre, l'utilisateur, du fait qu'il porte sur lui et/ou garde un ou plusieurs équipement(s) près de lui, adhère de fait à la solution de suivi de son sommeil.
Dans un exemple, une notification d'alerte peut être transmise directement à l'utilisateur sur un équipement de type montre connectée, téléphone intelligent...ou à un service de e-Santé (ou service de télé-vigilance). Ainsi, il est possible de mettre en place des services de recommandations à la personne lorsque des troubles du sommeil sont détectés et qu'ils sont considérés comme suffisamment importants pour justifier le déclenchement d'une alerte.
Selon une caractéristique particulière de l'invention, la détermination du signal de sommeil courant comprend une obtention d'au moins un ensemble courant de séquences temporelles de mesures d'au moins un paramètre physiologique représentatif du sommeil de l'utilisateur collectées pendant la période temporelle courante par au moins un capteur dudit au moins un équipement connecté. Avantageusement, afin de pouvoir identifier des perturbations du sommeil de l'utilisateur, au moins une séquence temporelle de mesures de ces paramètres physiologiques de sommeil est collectée par un ou des capteur(s) du ou des équipement(s) utilisateur(s) pendant une période courante, postérieure à la période de référence, et correspondant par exemple à une nuit de sommeil de l'utilisateur en dehors de la période de référence.
Pour cela, un équipement utilisateur enregistre en continu un ou plusieurs paramètres physiologiques représentatifs du sommeil, aussi appelé par la suite paramètres physiologiques de sommeil. À l'aide d'un ou plusieurs équipement(s) utilisateur(s) porté(s) sur lui (par exemple : montre connectée, téléphone intelligent...) et/ou se trouvant à proximité (par exemple sur une table de chevet), des mesures de ces paramètres physiologiques sont collectées au cours du temps de sommeil (par exemple au cours d'une nuit de sommeil) par un ou plusieurs capteurs différents, ou identiques, du ou des équipement(s) utilisateur(s).
Il est à noter que le temps de sommeil de l'utilisateur ne correspond pas forcément à une nuit au sens littéral du terme. En effet, on entend par « temps de sommeil » tout intervalle de temps pendant lequel l'utilisateur dort (par exemple de 23h à 6h ou de 20h à 5h). Pour simplifier, par la suite, on entend par nuit, un temps de sommeil de l'utilisateur.
Les séquences temporelles de mesures courantes ainsi obtenue permettent alors de déterminer une courbe représentative d'une séquence temporelle de stades de sommeil au cours de cette période courante, autrement dit, le signal de sommeil courant. Préférentiellement, les mesures sont collectées pour chaque nuit en dehors de la période de référence. Le signal de sommeil courant de la période courante (c'est-à-dire une nuit en dehors de la période de référence) est ensuite comparé aux signaux de sommeil de référence de la période de référence.
Selon une autre caractéristique de l'invention, le procédé comprend en outre : une détermination des signaux de sommeil de référence à partir d'une obtention d'au moins un ensemble de référence de séquences temporelles de mesures dudit au moins un paramètre physiologique collectées pendant ladite période temporelle de référence par au moins un capteur d'au moins un équipement utilisateur connecté au réseau de communication et situé à proximité de l'utilisateur et/ou porté sur lui.
De manière avantageuse, le procédé selon l'invention comprend une détermination de l'ensemble des signaux de référence, pendant la période de référence (par exemple une semaine). Cet ensemble de signaux de référence, ou historique de sommeil de l'utilisateur, permet d'identifier de perturbation de sommeil lorsqu'ils sont comparés au signal de sommeil courant.
Pour cela, un ou plusieurs équipement(s) utilisateur(s) enregistre(nt) en continu un ou plusieurs paramètres physiologiques de sommeil. Des mesures de ces paramètres physiologiques sont alors collectées pendant la période de référence par un ou plusieurs capteurs différents, ou identiques, du ou des équipement(s) utilisateur(s).
Des séquences temporelles de mesures de paramètres physiologiques de sommeil sont ainsi obtenues et utilisées pour déterminer pour chaque nuit de la période de référence, une courbe représentative d'une séquence temporelle de stades de sommeil (AWK, NI, N2, N3, NR), aussi appelée par la suite signal de sommeil de référence. Cette courbe, ou signal de sommeil de référence représente donc la succession au cours du temps de sommeil (par exemple au cours de la nuit) des différents stades par lesquels l'utilisateur va passer pendant son sommeil. Un référentiel, ou historique de sommeil, comprenant cet ensemble de signaux de sommeil de référence est alors constitué. L'équipement utilisateur utilisé pendant la période de référence peut être identique ou différent de celui utilisé pendant la période courante. Il est ainsi possible pour l'utilisateur d'avoir recours à différents équipements en fonction de leur précision ou facilité d'utilisation.
Selon un aspect particulier de l'invention, l'obtention de l'indicateur de perturbation du sommeil comprend en outre une deuxième comparaison du signal de sommeil courant à un signal de sommeil recommandé pour l'utilisateur.
Avantageusement, l'indicateur de perturbation du sommeil de l'utilisateur pour une période courante prend à la fois en compte un ensemble de signaux de sommeil obtenu pour cet utilisateur pendant une période de référence, mais aussi un signal de sommeil recommandé, ou « idéal », pour cet utilisateur. Ce signal de sommeil recommandé est par exemple défini de manière théorique et représente un idéal de sommeil réparateur pour l'utilisateur en fonction de critères liés à son âge, son sexe, sa corpulence, etc.
Autrement dit, l'invention propose d'affiner l'estimation de la mesure de perturbation du sommeil de l'utilisateur au cours du temps en comparant le signal courant obtenu pour l'individu (réalité terrain) à un signal de sommeil théorique idéal, pour estimer au plus juste la dégradation de la qualité du sommeil de la personne par rapport à ce modèle
Cette double comparaison permet de prendre à la fois en compte une évolution temporelle du sommeil de la personne par rapport à son historique personnel, mais aussi une évolution qualitative de ce sommeil par rapport à un modèle théorique adapté. Elle permet donc d'obtenir une estimation des perturbations du sommeil de l'utilisateur au cours du temps plus fiable et donc une estimation de son autonomie plus robuste.
Selon un autre aspect de l'invention, le procédé comprend en outre, suite à l'obtention de l'indicateur de perturbation, une mise à jour de l'ensemble de signaux de sommeil de référence comprenant un enregistrement du signal de sommeil courant comme signal de sommeil de référence lorsque ledit au moins un critère de décision n'est pas satisfait.
De manière avantageuse, il est possible de stocker l'historique de sommeil d'un individu obtenu au cours d'une période temporelle de référence et de le mettre à jour avec le signal de sommeil obtenu pendant la période courante. Ainsi, il est possible d'affiner au cours du temps les habitudes de sommeil de l'utilisateur et de mieux définir ce qu'est un sommeil réparateur pour celui-ci.
En particulier, uniquement un sommeil courant identifié comme « normal » vient alimenter l'historique de sommeil. En d'autres termes, si l'indicateur de perturbation ne satisfait pas un ou plusieurs critère(s) de décision, par exemple en étant inférieur à un seuil de perturbation, le sommeil est donc un bon sommeil, ou sommeil réparateur, représentatif de l'autonomie de l'utilisateur. L'historique de sommeil peut donc être mis à jour avec ce sommeil courant. Selon une caractéristique particulière de l'invention, la détermination du signal de sommeil courant, respectivement des signaux de sommeil de référence, comprend une mise en oeuvre d'un module d'intelligence artificielle configuré pour associer, à partir d'un modèle de caractérisation du sommeil de l'utilisateur, au moins un segment des séquences temporelles de mesures de l'ensemble courant, respectivement au moins un segment des séquences temporelles de mesures des ensembles de référence, à au moins un stade de sommeil.
Avantageusement, le module d'intelligence artificielle met par exemple en oeuvre un réseau de neurones permettant d'apprendre à associer à des segments de séquences temporelles de mesures de paramètre physiologique collectée pendant la période courante, respectivement pendant la période de référence, un stade de sommeil (AWK, NI, N2, N3, NR). En d'autres termes, les séquences temporelles des ensembles courant, respectivement de référence, sont segmentées afin de pouvoir associer à chaque segment un stade de sommeil. Il est ainsi possible d'obtenir une représentation sous forme de courbe d'un signal de sommeil (aussi appelé par la suite courbe du sommeil) de l'utilisateur pour une nuit donnée, soit pendant la période courante, soit pendant la période de référence. Autrement dit, le module d'intelligence artificielle permet de caractériser de manière précise la structure et/ou durée du sommeil de l'utilisateur, c'est-à-dire la succession de cycles et, à l'intérieur de chaque cycle, des stades composant son sommeil. Il est ainsi plus aisé de repérer des modifications importantes dans la structure du sommeil de l'utilisateur.
Selon une autre caractéristique de l'invention, le procédé comprend un apprentissage préalable du modèle de caractérisation à partir d'une base de données d'apprentissage associant des segments de séquences temporelles de mesures d'au moins un paramètre physiologique représentatif du sommeil d'un panel d'utilisateurs collectées pendant une période de sommeil dans un environnement contrôlé à au moins un stade de sommeil.
Avantageusement, l'apprentissage du modèle de caractérisation de sommeil par le module d'intelligence artificielle se fait de manière supervisée à partir d'une base de données publiques associant des segments de séquences temporelles de mesures de différents paramètres physiologiques de sommeil à différents stades de sommeil pour reconstituer l'ensemble des cycles de sommeil de l'utilisateur au cours d'une nuit de sommeil. Il est ainsi possible d'obtenir un signal de sommeil représentatif de la structure et durée du sommeil de l'utilisateur.
Selon un aspect particulier de l'invention, ledit au moins un paramètre physiologique est choisi dans un groupe comprenant au moins : l'activité cardiaque, l'activité cérébrale, les mouvements des globes oculaires, l'activité musculaire, un effort respiratoire, un débit respiratoire, une pression partielle en gaz carbonique et/ou en oxygène (PaCO2/PaO2), une saturation oxyhémoglobinée, une position du corps, des bruits respiratoires. Selon un autre aspect particulier :
- la première comparaison comprend une obtention d'une première mesure de distance entre le signal de sommeil courant et les signaux de sommeil de référence;
- la deuxième comparaison comprend une obtention d'une deuxième mesure de distance entre le signal de sommeil courant et le signal de sommeil recommandé ;
- l'obtention de l'indicateur de perturbation comprend une obtention d'une somme pondérée de la première mesure et de la deuxième mesure .
Avantageusement, l'obtention de l'indicateur de perturbation du sommeil prend en compte les écarts entre le sommeil courant de l'utilisateur et son historique de sommeil et entre son sommeil courant et une courbe de sommeil recommandé pour cet utilisateur. Il est ainsi possible de personnaliser l'estimation d'une perturbation de sommeil pour chaque individu suivi en prenant en compte qu'un sommeil réparateur pour cet individu en particulier, ne suit pas forcément à l'identique la courbe théorique d'un sommeil réparateur recommandé.
Selon un autre aspect particulier de l'invention, ledit au moins un critère de décision comprend au moins un seuil de perturbation du sommeil, le critère de décision étant satisfait lorsque l'indicateur de perturbation est supérieur ou égal audit au moins un seuil de perturbation.
De manière avantageuse, le cas échéant, lorsqu'une perturbation du sommeil est constatée à la suite de la comparaison des signaux de sommeil de référence, du signal de sommeil courant et du signal de sommeil recommandé, il est décidé d'émettre une notification d'alerte.
Afin de limiter le nombre de notifications émises et de déclencher une telle émission seulement en cas de perturbation avérée et suffisamment grave du sommeil, on prend en compte au moins un seuil de perturbation du sommeil. Il est ainsi possible de lisser l'estimation de la perturbation du sommeil sur une période définie et d'éliminer les perturbation qui sont temporaires (par exemple liées à une période de vie particulière...).
Dans un exemple, une notification est émise lorsque l'indicateur de perturbation franchit un seuil de perturbation prédéterminé (par exemple 0,5).
Dans un autre exemple, on peut considérer un premier seuil pour évaluer la valeur isolée de l'indicateur de perturbation pour la nuit courante et un deuxième seuil (qui peut être inférieur au premier) pour évaluer un écart de la valeur de l'indicateur de perturbation de sommeil (par exemple: seuillage sur une distance Euclidienne) par rapport à une moyenne des valeurs de mesures de perturbation de sommeil estimées dans une période de temps P' de plusieurs nuits consécutives. Avantageusement, on peut décider de déclencher la diffusion d'une notification si les deux seuils sont franchis.
En outre, plusieurs niveaux d'alerte peuvent être envisagés, en fonction du niveau de perturbation estimé (c'est-à-dire par exemple en fonction du dépassement d'un ou plusieurs seuil(s) successifs (de valeurs croissantes) de perturbation). Par exemple, le plus bas niveau (« faible » dépassement d'un premier niveau de seuil de perturbation) peut consister à émettre des notifications personnalisées à la personne suivie pour l'aider à se mettre dans les conditions d'un meilleur endormissement (par exemple : limiter la consommation de média/communications après une certaine heure de la journée et/ou de diminuer la luminosité ambiante, le chauffage, avant l'heure du coucher, etc.). Au niveau d'alerte le plus élevé (dépassement du dernier seuil de perturbation « élevé »), lorsque les perturbations sont sévères et risquent d'engendrer une perte d'autonomie chez l'utilisateur, une ou plusieurs notifications d'alerte sont adressées à des tierces personnes.
L'invention concerne également, un dispositif de surveillance du sommeil d'un utilisateur à l'aide d'au moins un équipement utilisateur situé à proximité de l'utilisateur et/ou porté sur lui, ledit au moins un équipement utilisateur étant connecté à un réseau de communication.
Ce dispositif est configuré pour :
- déterminer au moins une courbe représentative d'une séquence temporelle de stades de sommeil au cours d'une période temporelle courante, dite signal de sommeil courant;
- obtenir un indicateur de perturbation dudit sommeil dudit utilisateur comprenant une première comparaison dudit signal de sommeil courant à un ensemble de courbes représentatives de séquences temporelles de stades de sommeil déterminées pour une période temporelle de référence, dites signaux de sommeil de référence;
- décider d'émettre, une notification d'alerte dans le réseau de communication, prise en fonction de l'indicateur de perturbation du sommeil et au moins d'un critère de décision.
L'invention concerne également un équipement d'accès à un réseau de communication, comprenant un dispositif de surveillance du sommeil d'un utilisateur tel que décrit précédemment.
L'invention concerne également équipement utilisateur comprenant au moins un capteur, ledit équipement utilisateur étant connecté à un équipement d'accès à un réseau de communication. Cet équipement utilisateur comprend un dispositif de surveillance du sommeil d'un utilisateur tel que décrit précédemment.
L'invention concerne également un système de surveillance d'un utilisateur, comprenant un équipement utilisateur comprenant au moins un capteur et étant connecté à un réseau de communication, un équipement d'accès à un réseau de communication et un dispositif de surveillance du sommeil d'un utilisateur tel que décrit précédemment.
L'invention concerne également un produit programme d'ordinateur comprenant des instructions de code de programme pour la mise en oeuvre d'un procédé tel que décrit ci-dessus, lorsqu'il est exécuté par un processeur.
L'invention vise également un support d'enregistrement lisible par un ordinateur sur lequel est enregistré un programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé de surveillance du sommeil d'un utilisateur selon l'invention tel que décrit ci-dessus, lorsque ledit programme est exécuté par un processeur.
Un tel support d'enregistrement peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple un support mobile (carte mémoire) ou un disque dur ou un SSD.
D'autre part, un tel support d'enregistrement peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens, de sorte que le programme d'ordinateur qu'il contient est exécutable à distance. Le programme selon l'invention peut être en particulier téléchargé sur un réseau par exemple le réseau Internet.
Alternativement, le support d'enregistrement peut être un circuit intégré dans lequel les programmes sont incorporés, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé précité.
Selon un exemple de réalisation, la présente technique est mise en oeuvre au moyen de composants logiciels et/ou matériels. Dans cette optique, le terme « module » peut correspondre aussi bien à un composant logiciel qu'à un composant matériel ou un ensemble de composants matériels et logiciels, un composant logiciel correspondant lui-même à un ou plusieurs programmes ou sous-programmes d'ordinateur ou de manière plus générale à tout élément d'un programme apte à mettre en oeuvre une fonction ou un ensemble de fonctions.
Un composant logiciel correspond à un ou plusieurs programmes d'ordinateur, un ou plusieurs sous- programmes d'un programme, ou de manière plus générale à tout élément d'un programme ou d'un logiciel apte à mettre en oeuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci- dessous pour le module concerné. Un tel composant logiciel est exécuté par un processeur de données d'une entité physique (terminal, serveur, passerelle, décodeur, routeur, etc.) et est susceptible d'accéder aux ressources matérielles de cette entité physique (mémoires, supports d'enregistrement, bus de communication, cartes électroniques d'entrées/sorties, interfaces utilisateur, etc.). Par la suite, on entend par ressources tous ensembles d'éléments matériels et/ou logiciels support d'une fonction ou d'un service, qu'ils soient unitaires ou combinés.
De la même manière, un composant matériel correspond à tout élément d'un ensemble matériel (ou hardware) apte à mettre en oeuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci-dessous pour le module concerné. Il peut s'agir d'un composant matériel programmable ou avec processeur intégré pour l'exécution de logiciel, par exemple un circuit intégré, une carte à puce, une carte à mémoire, une carte électronique pour l'exécution d'un micrologiciel («firmware » en anglais), etc.
Chaque composante du système précédemment décrit met bien entendu en oeuvre ses propres modules logiciels.
Les différents modes de réalisation mentionnés ci-dessus sont combinables entre eux pour la mise en oeuvre de la présente technique.
Brève description des figures
D'autres buts, caractéristiques et avantages de l'invention apparaîtront plus clairement à la lecture de la description suivante, donnée à titre de simple exemple illustratif, et non limitatif, en relation avec les figures, parmi lesquelles :
[Fig. 1] : la figure 1 présente sous forme de schéma un environnement d'un utilisateur pendant son sommeil selon un mode de réalisation de l'invention ;
[Fig. 2] : la figure 2 représente sous forme de diagramme les étapes et sous-étapes du procédé de surveillance du sommeil de l'utilisateur selon un mode de réalisation de l'invention ;
[Fig. 3] : la figure 3 illustre sous forme de schéma un module de classification mis en oeuvre pour la caractérisation du sommeil d'un utilisateur selon un mode de réalisation de l'invention ;
[Fig. 4] : la figure 4 illustre sous forme de courbes, des signaux de sommeil obtenus après caractérisation du sommeil d'un utilisateur par le module de classification de la figure 3, selon un premier exemple de réalisation de l'invention ;
[Fig. 5] : la figure 5 illustre sous forme de courbes, des signaux de sommeil obtenus après caractérisation du sommeil d'un utilisateur par le module de classification de la figure 3 selon un deuxième exemple de réalisation de l'invention ;
[Fig. 6] : la figure 6 illustre de façon schématique un exemple d'architecture d'un dispositif de surveillance du sommeil d'un utilisateur au sein de son domicile, selon un mode de réalisation de l'invention.
Description des modes de réalisation
Le principe général de l'invention repose sur la surveillance de l'évolution dans le temps du sommeil d'un utilisateur afin de créer un indicateur de perturbation de son sommeil et, en fonction de cet indicateur, de décider si une notification d'alerte doit être émise.
Plus particulièrement, l'invention cherche à faire une estimation robuste de l'autonomie d'un utilisateur à domicile en suivant l'évolution de son sommeil dans le temps. En particulier, l'invention propose de définir un indicateur de perturbation de sommeil en comparant un historique de sommeil de cet utilisateur, obtenu pendant une période de référence et stocké en mémoire, un sommeil de l'utilisateur pour chaque nuit (ou temps de sommeil) en dehors de la période de référence et un sommeil dit « recommandé » ou « idéal » pour cet utilisateur. Ainsi, si l'indicateur de perturbation du sommeil est « faible » (par exemple en dessous d'un seuil de perturbation prédéfini), alors la personne est jugée comme « autonome ». Au contraire, si l'indicateur de perturbation est « élevé » ou augmente au cours du temps (par exemple supérieur ou égal au seuil de perturbation prédéfini), cette personne est alors jugée en perte d'autonomie.
On entend par sommeil « recommandé » ou « idéal » un sommeil qui est considéré comme réparateur pour l'utilisateur selon des normes de structure de sommeil et/ou durée de sommeil... définies de manière théorique en fonction de catégories prenant en compte, par exemple l'âge, le sexe, la corpulence... de l'utilisateur. En effet, la structure du sommeil (par exemple type de stades de sommeil, nombre de cycles, temps passé dans chaque stade et/ou entre les stades etc.) et sa durée varie au cours du temps / de la vie.
Il est ainsi possible de créer un référentiel universel définissant un sommeil comme étant réparateur en fonction par exemple de l'âge de l'utilisateur suivie, de son sexe, de sa corpulence etc. Par exemple, la structure « idéale » du sommeil du nouveau-né est de 3 stades par cycle avec 50 minutes en moyenne par cycle et la structure « idéale » du sommeil de l'adulte est de 5 stades par cycle avec 110 minutes en moyenne par cycle. Idéalement, les 3 phases du cycle du sommeil du nouveau-né sont : l'endormissement, le sommeil agité, et le sommeil calme. Idéalement, les 5 phases du sommeil de l'adulte sont : l'endormissement, le sommeil lent léger, le sommeil lent profond, une autre phase de sommeil lent léger, le sommeil paradoxal. Par exemple, la durée du sommeil recommandée pour les plus de 65 ans est de 7 à 8h alors que pour les 14-17 ans elle est de 8 à lOh.
L'invention repose donc tout d'abord sur la constitution d'un historique de sommeil de l'utilisateur sur une période de référence correspondant à une succession de plusieurs nuits de sommeil pendant une période donnée (par exemple 1 semaine), et représentant la période durant laquelle le sommeil est considéré comme réparateur, ou de qualité suffisante, pour l'utilisateur suivi (sommeil dit « normal » pour cet utilisateur). Cette période de référence est donc par conséquent la période durant laquelle l'utilisateur suivi est considéré comme étant en pleine autonomie. Cet historique de sommeil représente donc les habitudes de sommeil de l'utilisateur. Le sommeil de l'utilisateur pendant cette période est appelé également par la suite « sommeil de référence ».
Cet historique de sommeil de l'utilisateur est ensuite comparé à un sommeil dit « courant » ou « journalier » de l'utilisateur, c'est-à-dire au sommeil de ce même utilisateur pendant une période courante correspondant à une nuit en dehors de la période de référence, afin de détecter un éventuel écart.
Cette période dite « courante » est disjointe de et postérieure à la période de référence. Ce sommeil « courant » est également comparé à un sommeil « idéal », ou sommeil « recommandé », pour cet utilisateur. Les écarts détectés entre le sommeil courant, l'historique de sommeil et le sommeil recommandé de l'utilisateur sont exploités pour évaluer un indicateur de perturbation dans le sommeil de l'utilisateur et donc en déduire une éventuelle perte d'autonomie de cet utilisateur. Autrement dit, en fonction de cet indicateur de perturbation du sommeil, il est possible de décider si l'utilisateur est en perte d'autonomie et donc d'alerter des services de télé-vigilance pour lui proposer des solutions d'aide à la personne.
Pour cela, des données de mesure d'au moins un paramètre physiologique de l'utilisateur représentatif de son sommeil sont collectées pendant la période de référence, puis pendant la période courante, par exemple une nuit, afin de caractériser le sommeil (structure et/ou durée) de l'utilisateur pendant cette période de référence et pendant la période courante. Ces données de ce ou ces paramètre(s) physiologiques sont obtenues à partir de mesures collectées par un ou plusieurs capteur(s) intégré(s) dans un ou plusieurs équipement(s) terminal(aux) porté(s) par cet utilisateur, ou à proximité de celui-ci (par exemple sur une table de chevet) pendant son sommeil. Ce ou ces équipement(s) terminal(aux), ou équipement(s) utilisateur(s), sont connectés à un réseau de communication ce qui leur permettent de transmettre, le cas échéant, une ou plusieurs notifications d'alerte à des tiers dans le cadre d'un service de télé-vigilance.
On présente désormais en lien avec la figure 1 un exemple d'environnement d'un utilisateur pendant son sommeil selon l'invention. Cet environnement peut correspondre par exemple à une chambre à coucher dans le domicile de l'utilisateur, ou à un chambre d'hôtel, ou tout lieu dans lequel l'utilisateur peut dormir.
Afin de pouvoir suivre l'évolution de son sommeil au cours du temps et de manière autonome (c'est- à-dire sans assistance de type médical, ou technique) l'environnement de l'utilisateur UT comprend notamment un réseau de communication local LAN qui est géré par une passerelle résidentielle PAS connectée à un réseau de communication de données R_EXT d'un opérateur.
Dans cet exemple, le réseau LAN est un réseau domestique, auquel peuvent se connecter plusieurs équipements utilisateurs : des tablettes, téléphones intelligents, montres connectées, serre-têtes connectés...
L'équipement utilisateur EQ est par exemple un téléphone intelligent ou un objet connecté type montre connectée, bracelet connecté, serre-tête connecté (aussi appelé casque d'ondes cérébrales) ou encore tout autre équipement terminal équipé d'une interface de communication avec le réseau LAN et de taille suffisamment petite pour être porté facilement par l'utilisateur, ou au moins être à proximité de l'utilisateur UT (par exemple posé sur une table de chevet).
De manière avantageuse, l'équipement utilisateur EQ. comprend un ou plusieurs capteurs, identiques ou différents, configurés pour mesurer un ou plusieurs paramètres physiologiques différents de l'utilisateur au cours de son sommeil. Ces paramètres physiologiques peuvent êtres par exemple un ou une combinaisons de paramètres choisis parmi :
- l'activité électrique du cerveau, par exemple mesurée par électro-encéphalogramme (ou EEG) à l'aide d'un capteur d'onde cérébrale compris dans un équipement EQ de type serre-tête connecté porté par l'utilisateur UT pendant son sommeil;
- les mouvements des globes oculaires, par exemple mesurés par électro-oculogramme (ou EOG) à l'aide de la caméra d'un téléphone intelligent de l'utilisateur UT le filmant pendant son sommeil;
- l'activité musculaire, par exemple mesurée par électro-myogramme à l'aide d'un capteur musculaire compris dans une montre ou bracelet connecté;
- l'activité cardiaque mesurée par électro-cardiogramme (ou ECG), par exemple via un capteur d'activité cardiaque d'une montre ou d'un bracelet connecté;
- des bruits respiratoires enregistrés au moyen d'un microphone d'un téléphone intelligent de l'utilisateur UT l'enregistrant pendant son sommeil.
- etc.
En d'autres termes, le ou les capteurs de l'équipement EQ. sont configurés pour collecter et enregistrer en continu pendant le sommeil de l'utilisateur UT des données (ou signaux) d'un ou plusieurs paramètres physiologiques représentatifs du sommeil de l'utilisateur UT.
Ces capteurs sont également appelés par la suite capteurs physiologiques, et les données de paramètres physiologiques sont également appelées données physiologiques, ou signaux physiologiques.
Dans une variante, l'utilisateur peut porter sur lui, ou avoir à proximité de lui, plusieurs équipements EQ différents (par exemple : une montre connectée portée au poignet et un téléphone intelligent l'enregistrant et/ou le filmant pendant son sommeil) ayant des capteurs différents pour mesurer plusieurs paramètres physiologiques différents.
L'équipement utilisateur EQ utilisé pendant la période de référence peut être identique ou différent de celui utilisé pendant la période courante.
Le ou les équipement(s) utilisateur(s) EQtransmet(tent) ensuite les données physiologiques collectées par son ou ses capteur(s) à un dispositif DISP de surveillance du sommeil d'un utilisateur UT, qui sera décrit ci-après en lien avec la figure 6. Avantageusement, ce dispositif de surveillance DISP stocke dans une mémoire les mesures du ou des paramètre(s) physiologique(s) représentatif(s) du sommeil de l'utilisateur ainsi collectées.
Le dispositif DISP met en oeuvre tout ou partie du procédé de surveillance du sommeil d'un utilisateur selon l'invention qui sera détaillé ci-après en relation avec la figure 2.
Ce dispositif de surveillance DISP peut être embarqué dans l'équipement utilisateur EQ ou la pluralité d'équipement EQ. Alternativement, le dispositif de surveillance DISP peut être intégré dans la passerelle PAS de l'utilisateur qui présente l'avantage de bénéficier de ressources de calcul et de mémoire plus importantes que le ou les équipement(s) utilisateur(s) EQ.
Dans une autre variante, le dispositif de surveillance DISP peut être intégré dans un serveur dans le réseau de l'opérateur R_EXT.
Dans le cas où le dispositif DISP est distant du ou des équipement(s) utilisateur(s) EQ., la transmission des données physiologiques se fait du ou des équipement(s) utilisateur(s) E vers le dispositif DISP via le réseau de communication LAN, par exemple via une connexion WiFi®, Bluetooth®...
Selon l'exemple de réalisation de l'invention illustré par la figure 1, le ou les équipement(s) utilisateur(s) EQ connecté(s) au réseau de communication LAN, l'équipement d'accès au réseau (passerelle PAS) et le dispositif de surveillance du sommeil d'un utilisateur DISP (non représenté) forment un système S de surveillance du sommeil d'un utilisateur UT.
On s'attache maintenant à décrire un exemple particulier de mise en oeuvre du procédé de surveillance du sommeil d'un utilisateur selon l'invention.
Selon cet exemple, afin de surveiller l'évolution du sommeil de l'utilisateur et donc son autonomie, deux grandes étapes sont mises en oeuvre :
- l'étape 1 (sous-étapes El à E6) comprend :
(i) Pour chaque nuit pendant une période de référence Pref, la collecte en continu, le traitement et le stockage dans une mémoire, d'un ensemble de référence comprenant des segments (aussi appelés séries) de séquences temporelles de mesures, dites de référence, d'un ou plusieurs paramètres physiologiques de l'utilisateur représentatifs du sommeil. Dans un exemple, les paramètres physiologiques pris en compte sont des paramètres d'activité cérébrale (EEG) et/ou d'activité cardiaque (ECG). Bien sûr, d'autres paramètres physiologiques peuvent être pris en compte en complément ou en remplacement de ceux-ci. Les données de ce ou ces paramètre(s) physiologique(s) sont collectées en continu par le ou les capteur(s) du ou des équipement(s) utilisateur(s) EQ comme décrit en figure 1; et
(ii) l'apprentissage d'un modèle de caractérisation du sommeil par un module de classification configuré pour caractériser le sommeil, c'est-à-dire configuré pour déterminer la structure et/ou durée du sommeil, à partir d'un ensemble labellisé de segments de séquences temporelles de mesures, dits segments labellisés, d'un ou plusieurs paramètres physiologiques. Ces données physiologiques sont collectées en laboratoire sur un panel d'utilisateur, puis traitées pour obtenir des segments labellisés de séquences temporelles qui sont ensuite stockés dans une base de données publique STG_DB. Avantageusement, chaque segment labellisé de séquences temporelles de mesures physiologiques est associé à un stade de sommeil dans la base de données STG_DB, afin de pouvoir ensuite être utilisé pour entraîner le module de classification; (iii) la mise en œuvre du modèle de caractérisation par le module de classification pour la caractérisation du sommeil de l'utilisateur pour chaque nuit pendant la période de référence Pref à partir des ensembles de référence de segments de séquences temporelles de mesures, du ou des paramètre(s) physiologique(s) de l'utilisateur. Il est ainsi possible de créer un historique de sommeil de l'utilisateur, pendant la période de référence Pref. Cet historique de sommeil, représentatif des habitudes de sommeil de l'utilisateur, est ensuite stocké en mémoire dans une base de données SLP_DB ;
- l'étape 2 (sous-étapes E7 à E9) comprend :
(i) la collecte pendant une période courante (par exemple une nuit en dehors de la période de référence), le traitement et le stockage dans une mémoire, d'un ensemble de segments de séquences temporelles de mesures, dit ensemble courant, d'un ou plusieurs paramètre(s) physiologique(s) de l'utilisateur représentatifs du sommeil ;
(ii) la mise en œuvre du modèle de caractérisation du sommeil par le module de classification pour la caractérisation du sommeil de l'utilisateur pendant la période courante à partir de l'ensemble de segments de séquences temporelles de mesures courant, du ou des paramètre(s) physiologique(s) de l'utilisateur;
(iii) une estimation d'une perturbation du sommeil de l'utilisateur et donc d'une éventuelle perte d'autonomie de la personne, pour la période courante, par exemple journalière, postérieure à la période de référence Pref, à partir de l'historique de sommeil de l'utilisateur stocké dans la base de données SLP_DB, du sommeil « courant » de la période courante et d'un sommeil « recommandé », tel que défini précédemment, stocké dans une base de données REF_DB.
Comme décrit précédemment, la période de référence Pref correspond à la période durant laquelle l'utilisateur est considéré comme étant en pleine autonomie, c'est-à-dire que son sommeil est considéré comme étant de bonne qualité et réparateur pour cet utilisateur (sommeil dit « normal » pour l'utilisateur). L'étape 1 vise donc principalement à créer un historique de sommeil de l'utilisateur pendant cette période de référence, afin de pouvoir comparer à l'étape 2 le sommeil journalier, ou courant, de l'utilisateur à cet historique et à un sommeil « recommandé » pour cet utilisateur.
Avantageusement, cet historique de sommeil est mis à jour avec le sommeil de la période courante caractérisé par le module de classification. Autrement dit, la période de référence Pref évolue dans le temps, puisque chaque nouvelle journée alimente l'historique de sommeil de l'utilisateur.
Plus spécifiquement, si le sommeil « courant » est identifié comme « normal » pour cette utilisateur, c'est-à-dire considéré comme d'aussi bonne qualité et réparateur que d'habitude, alors il vient alimenter l'historique de sommeil de l'utilisateur SLP_DB (sommeil « courant » dont l'indicateur de perturbation du sommeil ne déclenche pas d'alerte). Au contraire, si un sommeil « courant » est identifié comme « inhabituel », c'est-à-dire que l'indicateur de perturbation du sommeil déclenche une alerte, alors ce sommeil « courant » n'est pas ajouté à l'historique SLP_DB pour éviter de dénaturer sa fonction d'historique de sommeil reflétant une « bonne » autonomie de l'utilisateur.
On présente désormais, en lien avec la figure 2, les différentes sous-étapes caractérisant les principales étapes 1 et 2 du procédé de surveillance du sommeil d'un utilisateur selon un exemple de réalisation de l'invention.
L'étape 1 peut être décomposée en 6 sous-étapes mises en oeuvre pendant la période de référence Pref : une sous-étape El : comme décrit en lien avec la figure 1, au cours du sommeil de l'utilisateur UT pendant la période de référence Pref (par exemple : chaque nuit pendant une semaine, ou un mois), un ou des capteur(s) physiologique(s) de l'équipement EQ (ou d'une pluralité d'équipements le cas échéant), porté par l'utilisateur, ou à proximité de ce dernier, collecte(nt) (ou mesur(ent)) et enregistre(nt) en continu des données, ou signaux, d'un ou plusieurs paramètre(s) physiologique(s) de l'utilisateur représentatifs du sommeil (par exemple : signaux de type ECG et/ou EEG) ; une sous-étape E2 : les signaux physiologiques collectés pendant chacune des nuits de la période de référence sont ensuite chacun découpés temporellement pour obtenir des signaux physiologiques d'intérêt à traiter pour chaque nuit pendant la période de référence (de la nuit du jour jl jusqu'à la nuit du jour jP définissant la période de référence Pref, par exemple chaque nuit pendant une semaine où P=7 dans ce cas). Plus particulièrement, on découpe les signaux physiologiques pour retirer les signaux collectés en début et fin d'une nuit, car l'acquisition de ces données par le ou les capteur(s) de l'équipement EQ. n'est pas révélatrice du sommeil en début (la personne met l'équipement et/ou place l'équipement à proximité, s'installe dans son lit ...) et en fin de nuit (la personne retire les équipements, etc.) ; une sous-étape E3 : pour tous les signaux physiologiques d'intérêt associé à un jour j de la période de référence Pref, c'est-à-dire les signaux physiologiques d'intérêt obtenus après la découpe de la sous-étape E2, une fenêtre d'analyse des signaux d'intérêt est obtenue. Sa largeur est par exemple déterminée par des expérimentations préliminaires (choix empirique). Dans un exemple de mise en oeuvre, les signaux physiologiques d'intérêt découpés en sous-étape E2, sont segmentés toutes les 30s sans recouvrement. Cette segmentation est alors faite selon des fenêtres glissantes d'analyse des signaux physiologiques d'intérêt. On obtient alors un ensemble de segments, ou séries, de séquences temporelles de 30 s issus de la segmentation des signaux physiologiques d'intérêt ; une sous-étape E4 : les signaux physiologiques d'intérêts obtenus en E2 et segmentés (par exemple toutes les 30s) en E3 pour obtenir un ensemble de segments de séquences temporelles, sont ensuite traités. Les traitements comprennent, de façon non exhaustive, un filtrage passe-bas pour débruiter l'information, une normalisation pour uniformiser les données, un rééchantillonnage de données pour synchroniser les sources, etc ; une sous-étape E5 : elle consiste à faire apprendre à un module d'intelligence artificielle, tel que par exemple le module de classification MOD_CLAS présenté en lien avec la figure 3, à classer chaque segment de séquences temporelles de signaux physiologiques d'intérêt issu des sous-étapes El à E4 dans une des cinq classes correspondant aux cinq stades du sommeil, à savoir les stades AWK, NI, N2, N3 et NR.
L'objectif étant de caractériser le sommeil de l'utilisateur pendant cette période de référence Pref, c'est-à-dire de déterminer la structure et/ou la durée du sommeil de l'utilisateur pour chaque nuit pendant la période Pref et d'obtenir ainsi une courbe du sommeil S(k) (aussi appelé signal de sommeil) représentant les différents stades des cycles successifs de sommeil de l'utilisateur pour chaque nuit k pendant cette période Pref. Autrement dit, la sous-étape E5 cherche à construire l'historique de sommeil de l'utilisateur comprenant une courbe de sommeil S(k) de l'utilisateur pour chaque nuit k pendant cette période Pref.
Pour cela, un tel apprentissage peut être supervisé et s'appuyer sur la base de données STG_DB décrites précédemment. Cette base de données STG_DB est par exemple construite en collectant des signaux physiologiques (par exemple : signaux de type EEG, ECG, EOG...) d'un panel d'utilisateurs dans un environnement contrôlé (par exemple en laboratoire). Plus particulièrement, cette base de données STG_DB comprend un ensemble de segments de séquences temporelles obtenus après traitement, comme décrit aux sous-étapes El à E4, des signaux physiologiques collectés.
Chaque segment de séquences temporelles de signaux physiologiques d'intérêt de la base de données publique STG_DB est ensuite étiqueté ou labellisé à l'aide d'une information identifiant une des cinq classes correspondant aux différents stades de sommeil. Dans un exemple, ces étiquettes, ou labels, sont de type numérique et les segments de séquences temporelles de données d'intérêt (c'est-à-dire les segments de séquences temporelles de signaux physiologiques d'intérêt) issus de la base de données publique STG_DB sont associés chacun à une valeur d'étiquette comprise entre 0 et 4, telle que : la valeur 1 représente le stade NI, la valeur 2 représente le stade N2, la valeur 3 représente le stade N3, la valeur 4 représente le stade NR et, la valeur 0 représente des signaux d'éveil AWK.
Ainsi, dans une phase d'apprentissage, le module de classification MOD_CLAS est entraîné de manière supervisée à classer les segments de séquences temporelles de signaux physiologiques d'intérêt de la base de données STG_DB, dans une des classes correspondant aux différents stades du sommeil : AWK, NI, N2, N3 et NR.
Le module de classification MOD_CLAS prend en entrée les segments de séquences temporelles de signaux physiologiques d'intérêt de la base de données STG_DB et ajuste sa configuration pour associer à chaque segment de séquences temporelles de signaux physiologiques d'intérêt, en sortie, le stade de sommeil correspondant à l'étiquette. Autrement dit, le module de classification MOD_CLAS est configuré pour donner une valeur comprise entre 0 et 4 à chaque segment de séquences temporelles. On obtient alors un signal de sommeil produit par le module de classification MOD_CLAS avec une prédiction du stade de sommeil pour chaque segment de séquences temporelles de signaux physiologiques d'intérêts sur l'ensemble du sommeil, par exemple un sommeil de 9h. Un tel apprentissage lui permet de construire un modèle de caractérisation du sommeil MC qu'il mettra ensuite en oeuvre en phase de test pour reconnaître les différents stades des cycles de sommeil d'un nouvel ensemble de segments de séquences temporelles de signaux physiologiques de l'utilisateur et obtenir une courbe de sommeil S(x).
Dans un exemple de mise en oeuvre, le module MOD_CLAS est un module d'intelligence artificiel qui présente l'architecture de la figure 3. Comme décrit précédemment, ce module de classification MOD_CLAS est configuré pour mettre en oeuvre le modèle de caractérisation du sommeil MC. Cette architecture prend donc comme données d'entrée SEQ_E les segments de séquences temporelles de signaux physiologiques d'intérêt de l'utilisateur pendant son sommeil (segments obtenus suite aux sous-étape El à E4). Dans un exemple, pendant la phase d'apprentissage, les segments de séquences temporelles d'intérêt étiquetées de la base de données publique STG_DB sont utilisés comme décrit précédemment. Ensuite, en phase de test, les segments de séquences temporelles de signaux d'intérêt sont obtenus à partir de séquences temporelles de signaux physiologiques collectés pour l'utilisateur et traités, comme présenté en lien avec les sous-étapes El à E4, pendant une période de référence Pref.
Dans la sous-étape E6, à la fin de la phase d'apprentissage (E5), le module de classification MOD_CLAS entraîné, prend en entrée les segments de séquences temporelles de signaux physiologiques d'intérêt issus des sous-étapes El à E4 de la période de référence Pref, pour les classer dans une des classes correspondant aux cinq stades du sommeil, à savoir les stades AWK, NI, N2, N3 et NR. Avantageusement, il produit automatiquement en sortie, à partir de la succession temporelle de segments associés à un stade de sommeil, une courbe de sommeil S(k) pour chaque nuit k pendant la période de référence Pref. Ces courbes de sommeil S(k) sont stockées dans la base de données SLP_DB, constituant ainsi l'historique de sommeil de l'utilisateur suivi pendant la période de référence Pref. Dans un exemple de réalisation, le module de classification MOD_CLAS comprend un auto-encodeur ENC configuré pour transformer les segments de séquences temporelles de signaux physiologiques d'intérêt en entrée SEQ_E en signaux encodés pour obtenir une représentation compacte encodée ENC_REP.
Dans un second temps, le module de classification MOD_CLAS prend en entrée les représentations encodées ENC_REP et leur associe une valeur de stade comprise entre 0 et 5. Comme précédemment décrit, il a été préalablement entraîné pour réaliser une telle estimation à partir des représentations encodées ENC_REP des signaux d'entrées .
Entre 0 et 1, la valeur représente un état d'éveil AWK. Entre 1 et 2, la valeur représente le stade NI. Entre 2 et 3, la valeur représente le stade N2. Entre 3 et 4, la valeur représente le stade N3. Et au- delà de 4, la valeur représente le stade NR.
Dans cet exemple de réalisation, le module de classification comprend enfin un module DEC configuré pour produire un signal de sommeil de sortie prenant la forme d'une courbe représentative des stades successifs de sommeil S(x) (notée aussi SEQ_S) de l'utilisateur comme illustré par les Figures 4 et 5.
Le module MOD_CLAS peut être par exemple un réseau de neurones, ou tout autre module d'intelligence artificielle apte à remplir les mêmes fonctions.
L'étape 1 s'achève avec la constitution des deux bases de connaissances : la base de données, ou historique de sommeil, SLP_DB comprenant les courbes de sommeil S(k) des nuits k de la période de référence Pref et, la base de données de référence REF_DB de dimension R décrite précédemment (R représentant un nombre de nuit kref dans la base de données REF_DB). Cette base de données de référence stocke des exemples de courbe de sommeil S(kref) recommandées pour un individu selon son âge, son sexe, sa corpulence.... Autrement dit, cette base de données est une base de données représentative d'un idéal de sommeil en fonction de la catégorie d'âge, de sexe... des utilisateurs. L'étape 2 comprend l'estimation automatique au jour le jour (c'est-à-dire pour chaque nuit j en dehors de la période de référence Pref) d'un indicateur de perturbation de sommeil de la personne, en s'appuyant sur l'étape 1 achevée avec la constitution des deux référentiels décrits précédemment (historique de sommeil SLP_DB et base de données de référence REF_DB) stockés en mémoire. Cette dernière étape considère une nouvelle journée j, ou période courante, à analyser en dehors de la période de référence Pref. Elle se décompose en 3 sous-étapes : une sous-étape E7 : pour au moins un jour j, correspondant à une période courante, n'appartenant pas à la période de référence Pref, et postérieure à Pref, le procédé selon l'invention réitère les sous-étapes El à E4 de collecte et traitement des signaux physiologiques obtenues par le ou les capteur(s) (par exemples signaux de type EEG et/ou ECG) du ou des équipement(s) utilisateur(s). Puis, la sous-étape E6 est mise en œuvre pour caractériser le sommeil de l'utilisateur (c'est-à-dire déterminer sa courbe de sommeil S(j)) pour le jour j à l'aide du modèle MC utilisé par le module de classification MOD_CLAS.
Les figures 4 et 5 représentent sous forme de courbe différents signaux de sommeil obtenus après caractérisation du sommeil par le module de classification selon l'invention.
En particulier, les figures 4 et 5 représentent les différents stades de sommeil (AWK, NI, N2, N3 et NR) par lesquels passe l'utilisateur au cours de son temps de sommeil.
Sur les figures 4 et 5, la courbe pleine grise représente un signal de sommeil S(kref) recommandé obtenu à partir de la base de données REF_DB. Ce signal de sommeil S(kref) correspond donc à un idéal de sommeil pour l'utilisateur suivi en fonction par exemple de son âge, son sexe etc. La courbe pointillée noire représente un exemple de signal de sommeil S(k) obtenu, comme décrit précédemment, à partir de l'historique de sommeil SLP_DB. La courbe pleine noire représente un signal de sommeil S(j) courant collecté pour l'utilisateur pendant la période courante, obtenu comme décrit précédemment.
Les signaux de sommeil illustrés par les figures 4 et 5 sont caractérisés par un certain nombre de cycle, par exemple 4 cycles, chaque cycle étant composé de différents stades de sommeil.
Le signal de sommeil de référence S(k) peut être proche du signal de sommeil recommandé S(kref) (Figure 4), ou au contraire différent (Figure 5). Avantageusement, comme décrit ci-dessous, il est possible de pondérer l'impact du signal de sommeil recommandé S(kref) par rapport au sommeil de référence de l'utilisateur S(k) dans l'estimation de l'indicateur de perturbation du sommeil de l'utilisateur. En effet, un sommeil réparateur pour l'utilisateur suivi n'est pas forcément identique au sommeil recommandé pour lui en fonction de son âge etc. Il est ainsi possible de personnaliser le modèle d'estimation de la perturbation de sommeil décrit ci-dessous pour chaque individu suivi. Après la détermination des signaux de sommeil S(j), S(k) et S(kref), un calcul de l'estimation d'une perturbation du sommeil du jour j est réalisé, noté E(j). Dans un exemple d'implémentation, E(j) est défini par l'équation suivante :
Figure imgf000025_0001
Avec a, P des coefficients de pondération donnant plus ou moins d'importance à chaque composante de l'équation avec la contrainte 0<a+p<=l, et où k est une des nuit(s) d'une période temporelle, comme par exemple la période de référence Pref de durée P (en nombre de jours) et kref est une nuit de la base de données REF_DB de période temporelle R (ou ensemble R). La première composante de l'équation compare le signal, ou courbe, du sommeil S(j) du jour j de la période courante, aux signaux de sommeil S(k) contenus dans la base de données SLP_DB (historique de sommeil de l'utilisateur).
La seconde composante de l'équation compare le signal du sommeil S(j) du jour aux signaux de sommeil S(kref) contenus dans la base de données de référence REF_DB (sommeil recommandé pour l'utilisateur suivi).
Dans un exemple de mise en oeuvre, une plus grande importance peut être donnée à la similarité concernant l'historique de sommeil de l'utilisateur avec a=0,6 et P=0,4. Dans cet exemple, on prend P=0,4, ce qui représente 40% de l'importance du calcul relatif aux signaux de sommeil contenue dans la base de données de référence REF_DB. Il en résulte que les différences de sommeil entre le jour j et les signaux de sommeil S(k) de la période de référence Pref auront plus de poids ou d'importance que les signaux de sommeil S(kref) issus de la base de données de référence REF_DB (voir par exemple figure 5).
Ainsi, s'il y a peu de différence entre les signaux de sommeil S(j) du jour j et ceux de l'historique de sommeil de l'utilisateur S(k) pendant la période de référence Pref, la personne reste autonome (voir par exemple figure 4) sinon l'estimateur indiquera une perte d'autonomie (voir par exemple figure 5).
La distance dist entre deux courbes, ou signaux, de sommeil S(j) et S(k) peut, dans un exemple de mise en oeuvre, être calculée comme une distance DTW (de l'anglais « Dynamic Time Warping »). La distance sont normalisées entre 0 et 1.
Avantageusement, l'estimation de perturbation de sommeil E(j), c'est-à-dire l'indicateur de perturbation de sommeil, prend des valeurs comprises entre 0 et 1. Si sa valeur est proche de 0, cela signifie que l'analyse du sommeil du jour est proche de son historique constituée dans la période de référence Pref et des références « recommandées » de l'ensemble R et donc la personne est jugée comme « autonome » car la personne présente un comportement similaire à son historique et à un sommeil recommandé pour cet utilisateur (voir par exemple figure 4). Si au contraire la valeur est proche de 1, cela signifie que l'analyse du sommeil du jour diffère de son historique constituée dans la période de référence Pref et des références « recommandées » de l'ensemble R et donc la personne est jugée comme ayant une « perte d'autonomie » car la personne présente un comportement différent de son historique et du sommeil recommandé pour cet utilisateur (voir par exemple figure 5).
Lors d'une sous-étape E8, l'estimation, ou indicateur, de perturbation de sommeil E(j) obtenue précédemment est analysée pour décider si l'utilisateur présente une perte d'autonomie en lien avec des troubles de son sommeil, et s'il faut oui ou non déclencher une action de protection dans le cadre d'un service de télé-vigilance, comme par exemple notifier un tiers de la perte d'autonomie constatée pour la période courante.
Dans un premier exemple, l'évaluation peut consister à toujours diffuser cette information. En d'autres termes, quelle que soit la valeur d'estimation de perturbation de sommeil E(j) déterminée, si elle est différente de 0, alors on estime utile de notifier qu'il y a une perturbation du sommeil et donc une potentielle perte d'autonomie en sous-étape E9 (« O » sur la figure 2), et donc on procède à la transmission d'une notification d'alerte de perte d'autonomie en sous-étape E9 et à la proposition d'une recommandation de service adaptée.
Dans un deuxième exemple, on décide d'émettre une notification lorsque l'indicateur de perturbation de sommeil E(j) satisfait un critère de décision, comme par exemple un seuil de perturbation de sommeil. Dans cet exemple, la notification est émise lorsque l'indicateur de perturbation de sommeil E(j) est supérieur ou égal à un seuil de perturbation prédéfini, par exemple égal à 0,5.
Le procédé est réitéré pour plusieurs périodes temporelles courantes successives, et postérieures à la période de référence. Dans un exemple, chaque période courante dure une nuit. Le procédé est alors réitéré chaque nuit en dehors de la période de référence.
Dans un troisième exemple de réalisation de l'invention, la décision de diffusion d'une alerte (c'est-à- dire d'une notification) est prise en fonction du seuil de perturbation précédent et d'au moins un autre critère de décision, ou de pertinence. Par exemple, cet autre critère de décision impose que le seuil prédéfini (par exemple 0,5) soit dépassé plusieurs fois sur une période P' de plusieurs nuits consécutives. On prend alors en compte les indicateurs obtenus sur plusieurs nuits consécutives. Alternativement ou en complément, cet autre critère de décision peut prendre en compte les écarts entre les valeurs d'estimation, ou indicateurs, de perturbation obtenues sur la période P' et une moyenne de ces valeurs pendant la période P'. Si la valeur d'estimation de perturbation de sommeil E(j) varie fortement (par exemple : seuillage sur une distance Euclidienne) par rapport à la moyenne des valeurs de mesures de perturbation de sommeil estimées dans la période de temps P', alors la diffusion de cette notification peut être décidée ,même si le seuil de perturbation n'est effectivement dépassé que peu de fois sur la période P' (dans ce cas de mise en oeuvre, il faut calculer les valeurs de perturbation de sommeil E(k') pour tous les jours k' appartenant à la période P').
Si le ou les critères de décision d'une notification ne sont pas satisfaits ( non ou « N » sur la figure 2), la sous-étape E9 n'est pas mise en oeuvre et on reprend directement les sous-étapes El à E8 pour une nouvelle période temporelle courante. La sous-étape E9 consiste donc à diffuser une notification d'information sur l'autonomie de l'utilisateur en fonction de la valeur E(j) estimant la perturbation de sommeil de la personne suivie pour le jour j.
Dans un exemple de mise en oeuvre, cette notification peut être envoyée à l'utilisateur pour l'informer de son autonomie, alerter d'un manque d'autonomie et/ou donner une recommandation pour retrouver de l'autonomie.
Alternativement, cette notification peut être envoyée à un service de e-Santé, à un tiers de confiance (famille de la personne suivie) ou à un médecin traitant. Ainsi, il est possible d'alimenter des applications et services liés aux solutions de e-Santé pour le suivi de personnes fragiles et/ou pour le suivi des habitants dans leur usage de la maison intelligente (comme par exemple : maison connectée, maison sécurisée).
À cet égard, plusieurs niveaux d'alerte peuvent être envisagés, en fonction du niveau de perturbation estimé (c'est-à-dire par exemple en fonction du dépassement d'un ou plusieurs seuil(s) successifs, de valeurs croissantes, de perturbation). Le plus bas niveau (par exemple franchissement d'un premier seuil de perturbation) peut consister à émettre des notifications personnalisées à la personne suivie pour l'aider à se mettre dans les conditions d'un meilleur endormissement (par exemple : limiter la consommation de média/communications après une certaine heure de la journée et/ou de diminuer la luminosité ambiante, le chauffage, avant l'heure du coucher, etc.). Au niveau le plus élevé (par exemple franchissement d'un deuxième seuil de perturbation, supérieure au premier seuil), lorsque les perturbations sont sévères et risquent d'engendrer une perte d'autonomie chez l'utilisateur, une ou plusieurs notifications d'alerte sont adressées à des tierces personnes.
Ainsi, l'invention permet une estimation robuste de l'autonomie d'une personne à domicile en fonction de son sommeil journalier. L'invention est originale dans la conception d'un modèle de bout en bout, c'est-à-dire des données brutes vers la promotion d'un service adapté, avec une reconnaissance des habitudes de sommeil de l'utilisateur comme référence pour notifier des services de e-Santé sur l'autonomie de la personne suivie.
Les applications sont, en premier lieu, l'estimation de l'autonomie pour des personnes fragiles dans des services de e-Santé. Cette estimation permet d'informer la famille et le corps médical des évolutions de la santé physique, morale, et sociale de la personne suivie pour des services notamment de télé-vigilance. On peut également imaginer des services futurs qui utiliseraient favorablement l'analyse des cycles du sommeil. De même, des services adaptés à la situation d'un travailleur isolé peuvent être fournis en fonction de son état de fatigue et de santé (ex : alerte lors de son arrivée dans une zone à risque pour plus de vigilance etc.).
Afin d'illustrer plus précisément le principe de l'invention, la figure 6 présente de façon schématique l'architecture d'un dispositif de surveillance DISP, selon un mode de réalisation de l'invention. Dans cet exemple, le dispositif de surveillance DISP comprend une mémoire vive RAM, une unité de traitement CPU équipée par exemple d'un processeur, et pilotée par un programme d'ordinateur stocké dans une mémoire morte (par exemple une mémoire ROM ou un disque dur). A l'initialisation, les instructions de code du programme d'ordinateur sont par exemple chargées dans la mémoire vive RAM avant d'être exécutées par le processeur de l'unité de traitement CPU.
Le dispositif de surveillance DISP comprend en outre une mémoire MEM permettant notamment de stocker les mesures des paramètre physiologiques de l'utilisateur pendant son sommeil à l'aide d'un ou plusieurs capteurs de l'équipement utilisateur (ou d'une pluralité d'équipement). En outre, la mémoire MEM peut stocker les bases de données STG_DB, SLP_DB et REF_DB.
Alternativement, ces bases de données peuvent être stockées dans un serveur de l'opérateur dans le réseau extérieur R_EXT (figure 1), ou dans une mémoire de la passerelle domestique PAS (figure 1). Le dispositif de surveillance DISP comprend également un module de communication COM pour la réception/transmission de mesures en provenance de capteurs et la transmission des notifications d'alerte sur l'autonomie de l'utilisateur.
La figure 6 illustre seulement une manière particulière, parmi plusieurs possibles, de réaliser le dispositif de surveillance DISP, afin qu'il effectue au moins une partie des étapes du procédé de surveillance du sommeil d'un utilisateur détaillé ci-dessus, en relation avec la figure 2 dans ses différents modes de réalisation. Dans un exemple de réalisation, le dispositif de surveillance est configuré pour mettre en oeuvre l'ensemble des étapes du procédé de surveillance du sommeil d'un utilisateur. Pour cela, le dispositif de surveillance DISP comprend un module de classification MOD_CLAS configuré pour déterminer la structure et/ou la durée du sommeil de l'utilisateur à partir d'un ensemble de segments de séquences temporelles de mesures physiologiques d'intérêt, selon le modèle de caractérisation MC appris lors de la phase d'apprentissage décrite en lien avec la figure 2 (sous-étape E5). Par exemple, le module MOD_CLAS présente l'architecture décrite en lien avec la figure 3.
Alternativement, dans un autre exemple de réalisation, le dispositif de surveillance DISP est configuré pour mettre en oeuvre uniquement les sous-étapes El à E4, puis E9 à E10. Les sous-étapes E5 à E6 d'apprentissage et de caractérisation du sommeil de l'utilisateur pendant la période de référence Pref sont alors mises en oeuvre par un équipement distant auquel le dispositif de surveillance DISP est connecté, comme par exemple la passerelle PAS qui comprend le module de classification MOD_CLAS décrit en lien avec la figure 3 et mettant en oeuvre le modèle de caractérisation MC, ou dans un équipement serveur de l'opérateur qui comprend alors le module de classification MOD_CLAS.
Ces étapes peuvent être réalisées indifféremment sur une machine de calcul reprogrammable (un ordinateur PC, un processeur DSP ou un microcontrôleur) exécutant un programme comprenant une séquence d'instructions, ou sur une machine de calcul dédiée (par exemple un ensemble de portes logiques comme un FPGA ou un ASIC, ou tout autre module matériel).
Dans le cas où le dispositif de surveillance DISP est réalisé avec une machine de calcul reprogrammable, le programme correspondant (c'est-à-dire la séquence d'instructions) pourra être stocké dans un médium de stockage amovible (tel que par exemple une carte SD, une clé USB, un CD- ROM ou un DVD-ROM) ou non, ce médium de stockage étant lisible partiellement ou totalement par un ordinateur ou un processeur.

Claims

REVENDICATIONS
1. Procédé de surveillance du sommeil d'un utilisateur à l'aide d'au moins un équipement utilisateur (EQ) situé à proximité dudit utilisateur (UT) et/ou porté sur lui, ledit au moins un équipement utilisateur (EQ.) étant connecté à un réseau de communication (LAN, R_EXT), caractérisé en ce que ledit procédé comprend :
- une détermination (E7) d'au moins une courbe représentative d'une séquence temporelle de stades de sommeil (AWK, NI, N2, N3, NR) au cours d'une période temporelle courante, dite signal de sommeil courant (S(j));
- une obtention (E7) d'un indicateur de perturbation dudit sommeil (E(j)) dudit utilisateur comprenant :
(i)une première comparaison dudit signal de sommeil courant (S(j)) à un ensemble de courbes représentatives de séquences temporelles de stades de sommeil (AWK, NI, N2, N3, NR) déterminées pour une période temporelle de référence, dites signaux de sommeil de référence (S(k)) ;
(ii) une deuxième comparaison dudit signal de sommeil courant (S(j)) à un signal de sommeil recommandé (S(kref)) pour ledit utilisateur (UT) ;
- une décision d'émettre (E9), une notification d'alerte dans le réseau de communication (LAN, R_EXT), prise en fonction dudit indicateur de perturbation dudit sommeil et d'au moins un critère de décision.
2. Procédé de surveillance du sommeil d'un utilisateur selon la revendication 1, caractérisé en ce que ladite détermination (E7) dudit signal de sommeil courant (S(j)) comprend une obtention (E7) d'au moins un ensemble courant de séquences temporelles de mesures d'au moins un paramètre physiologique représentatif du sommeil de l'utilisateur collectées pendant ladite période temporelle courante par au moins un capteur dudit au moins un équipement (EQ) connecté.
3. Procédé de surveillance du sommeil d'un utilisateur selon la revendication 2, caractérisé en ce qu'il comprend en outre :
- une détermination (E6) desdits signaux de sommeil de référence (S(k)) à partir d'une obtention d'au moins un ensemble de référence de séquences temporelles de mesures dudit au moins un paramètre physiologique collectées (El) pendant ladite période temporelle de référence (Pref) par au moins un capteur d'au moins un équipement utilisateur (EQ) connecté audit réseau de communication (LAN, R_EXT) et situé à proximité dudit utilisateur (UT) et/ou porté sur lui.
4. Procédé de surveillance du sommeil d'un utilisateur, selon l'une quelconque des revendications 1 à 3, caractérisé en ce qu'il comprend en outre, suite à l'obtention dudit indicateur de perturbation, une mise à jour dudit ensemble de signaux de sommeil de référence comprenant un enregistrement dudit signal de sommeil courant (S(j)) comme signal de sommeil de référence lorsque ledit au moins un critère de décision n'est pas satisfait.
5. Procédé de surveillance du sommeil d'un utilisateur selon l'une quelconque des revendications 3 à 4, caractérisé en ce que la détermination (E7) dudit signal de sommeil courant (S(j)), respectivement desdits signaux de sommeil de référence (S(k)), comprend une mise en oeuvre d'un module d'intelligence artificielle (MOD_CLAS) configuré pour associer, à partir d'un modèle de caractérisation dudit sommeil (MC) dudit utilisateur (UT), au moins un segment desdites séquences temporelles de mesures dudit ensemble courant, respectivement au moins un segment desdites séquences temporelles de mesures desdits ensembles de référence, à au moins un stade de sommeil (AWK, NI, N2, N3, NR).
6. Procédé de surveillance du sommeil d'un utilisateur selon la revendication 5, caractérisé en ce qu'il comprend un apprentissage préalable dudit modèle de caractérisation (MC) à partir d'une base de données d'apprentissage (STG_DB) associant des segments de séquences temporelles de mesures d'au moins un paramètre physiologique représentatif du sommeil d'un panel d'utilisateurs collectées pendant une période de sommeil dans un environnement contrôlé à au moins un stade de sommeil (AWK, NI, N2, N3, NR).
7. Procédé de surveillance du sommeil d'un utilisateur selon l'une quelconque des revendications 2 à 6, caractérisé en ce que ledit au moins un paramètre physiologique est choisi dans un groupe comprenant au moins : l'activité cardiaque, l'activité cérébrale, les mouvements des globes oculaires, l'activité musculaire, un effort respiratoire, un débit respiratoire, une pression partielle en gaz carbonique et/ou en oxygène (PaCO2/PaO2), une saturation oxyhémoglobinée, une position du corps, des bruits respiratoires.
8. Procédé de surveillance du sommeil d'un utilisateur selon l'une quelconque des revendications 1 à 7, caractérisé en ce que :
- ladite première comparaison comprend une obtention d'une première mesure de distance entre ledit signal de sommeil courant (S(j)) et lesdits signaux de sommeil de référence (S(k));
- ladite deuxième comparaison comprend une obtention d'une deuxième mesure de distance entre ledit signal de sommeil courant (S(j)) et ledit signal de sommeil recommandé (S(kref)) ;
- ladite obtention (E7) dudit indicateur de perturbation comprend une obtention d'une somme pondérée (E(j)) de ladite première mesure et de ladite deuxième mesure .
9. Procédé de surveillance du sommeil d'un utilisateur selon l'une quelconque des revendications 1 à 8, caractérisé en ce que ledit au moins un critère de décision comprend au moins un seuil de perturbation du sommeil, ledit critère de décision étant satisfait lorsque ledit indicateur de perturbation est supérieur ou égal audit au moins un seuil de perturbation.
10. Dispositif de surveillance du sommeil d'un utilisateur à l'aide d'au moins un équipement utilisateur (EQ) situé à proximité dudit utilisateur (UT) et/ou porté sur lui, ledit au moins un équipement utilisateur (EQ.) étant connecté à un réseau de communication (LAN, R_EXT), caractérisé en ce que ledit dispositif est configuré pour :
- déterminer (E7) au moins une courbe représentative d'une séquence temporelle de stades de sommeil (AWK, NI, N2, N3, NR) au cours d'une période temporelle courante, dite signal de sommeil courant (S(j));
- obtenir (E7) un indicateur de perturbation dudit sommeil (E(j)) dudit utilisateur comprenant :
(i) une première comparaison dudit signal de sommeil courant (S(j)) à un ensemble de courbes représentatives de séquences temporelles de stades de sommeil (AWK, NI, N2, N3, NR) déterminées pour une période temporelle de référence, dites signaux de sommeil de référence (S(k));
(ii) une deuxième comparaison dudit signal de sommeil courant (S(j)) à un signal de sommeil recommandé (S(kref)) pour ledit utilisateur (UT);
- décider d'émettre (E9), une notification d'alerte dans le réseau de communication (LAN, R_EXT), prise en fonction dudit indicateur de perturbation dudit sommeil et au moins d'un critère de décision.
11. Équipement d'accès à un réseau de communication, caractérisé en ce qu'il comprend un dispositif de surveillance du sommeil d'un utilisateur selon la revendication 10.
12. Équipement utilisateur (EQ) comprenant au moins un capteur, ledit équipement utilisateur (EQ) étant connecté à un équipement d'accès à un réseau de communication, caractérisé en ce qu'il comprend un dispositif de surveillance du sommeil d'un utilisateur selon la revendication 10.
13. Système de surveillance d'un utilisateur, caractérisé en ce qu'il comprend un équipement utilisateur (EQ) comprenant au moins un capteur et étant connecté à un réseau de communication, un équipement d'accès à un réseau de communication et un dispositif de surveillance du sommeil d'un utilisateur selon la revendication 10.
14. Produit programme d'ordinateur comprenant des instructions de code de programme pour la mise en oeuvre d'un procédé selon l'une quelconque des revendications 1 à 9, lorsqu'il est exécuté par un processeur.
15. Support d'enregistrement lisible par un ordinateur sur lequel est enregistré un programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé de surveillance du sommeil d'un utilisateur selon l'une quelconque des revendications 1 à 9, lorsque ledit programme est exécuté par un processeur.
PCT/EP2023/062187 2022-05-10 2023-05-09 Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants Ceased WO2023217730A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP23725673.0A EP4522014A1 (fr) 2022-05-10 2023-05-09 Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants
US18/864,076 US20250302378A1 (en) 2022-05-10 2023-05-09 Method for monitoring the sleep of a user, and corresponding monitoring device and computer program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR2204436 2022-05-10
FR2204436A FR3135389A1 (fr) 2022-05-10 2022-05-10 Procédé de surveillance du sommeil d’un utilisateur, dispositif de surveillance et programme d’ordinateur correspondants.

Publications (1)

Publication Number Publication Date
WO2023217730A1 true WO2023217730A1 (fr) 2023-11-16

Family

ID=83506244

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/062187 Ceased WO2023217730A1 (fr) 2022-05-10 2023-05-09 Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants

Country Status (4)

Country Link
US (1) US20250302378A1 (fr)
EP (1) EP4522014A1 (fr)
FR (1) FR3135389A1 (fr)
WO (1) WO2023217730A1 (fr)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118078215A (zh) * 2024-03-25 2024-05-28 武汉炎黄创新科技服务股份有限公司 一种生命体征监测方法及系统
CN118452823A (zh) * 2024-05-06 2024-08-09 深圳市麦驰安防技术有限公司 一种具有睡眠监测与助眠引导功能的智能陪护机器人

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150105687A1 (en) * 2013-10-11 2015-04-16 Geelux Holding, Ltd. Method and apparatus for biological evaluation
US20170281017A1 (en) * 2004-02-05 2017-10-05 Earlysense Ltd. Monitoring a condition of a subject
US20180132789A1 (en) * 2016-05-09 2018-05-17 Belun Technology Company Limited Wearable Device for Healthcare and Method Thereof
US20190254593A1 (en) * 2015-11-16 2019-08-22 Eight Sleep Inc. Detecting sleeping disorders
WO2021108922A1 (fr) * 2019-12-05 2021-06-10 Interaxon Inc. Dispositif portable
WO2021168588A1 (fr) * 2020-02-26 2021-09-02 Novaresp Technologies Inc. Procédé et appareil de détermination et/ou de prédiction de conduite de sommeil et de comportement respiratoire pour la gestion de la pression des voies aériennes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170281017A1 (en) * 2004-02-05 2017-10-05 Earlysense Ltd. Monitoring a condition of a subject
US20150105687A1 (en) * 2013-10-11 2015-04-16 Geelux Holding, Ltd. Method and apparatus for biological evaluation
US20190254593A1 (en) * 2015-11-16 2019-08-22 Eight Sleep Inc. Detecting sleeping disorders
US20180132789A1 (en) * 2016-05-09 2018-05-17 Belun Technology Company Limited Wearable Device for Healthcare and Method Thereof
WO2021108922A1 (fr) * 2019-12-05 2021-06-10 Interaxon Inc. Dispositif portable
WO2021168588A1 (fr) * 2020-02-26 2021-09-02 Novaresp Technologies Inc. Procédé et appareil de détermination et/ou de prédiction de conduite de sommeil et de comportement respiratoire pour la gestion de la pression des voies aériennes

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A. B. TATARAIDZE ET AL.: "Non-contact Respiratory Monitoring of Subjects with Sleep-Disordered Breathing", IEEE « INTERNATIONAL CONFÉRENCE : QUALITY MANAGEMENT, TRANSPORT AND INFORMATION SECURITY, INFORMATION TECHNOLOGIES » (IT&QM&IS, 2018, pages 736 - 738, XP033440080, DOI: 10.1109/ITMQIS.2018.8525001
H. MATSUMOTO ET AL.: "Sleep Stage Estimation Using ECG", IEEE « INTERNATIONAL CONFÉRENCE ON BIOINFORMATICS AND BIOMEDICINE (BIBM) », 2020, pages 2983 - 2983, XP033876870, DOI: 10.1109/BIBM49941.2020.9313279
ZENGW. CHANG: "Estimation of sleep status based on wearable free device for elderly care »", IEEE « GLOBAL CONFÉRENCE ON CONSUMER ELECTRONICS », 2016, pages 1 - 4, XP033032317, DOI: 10.1109/GCCE.2016.7800530

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118078215A (zh) * 2024-03-25 2024-05-28 武汉炎黄创新科技服务股份有限公司 一种生命体征监测方法及系统
CN118452823A (zh) * 2024-05-06 2024-08-09 深圳市麦驰安防技术有限公司 一种具有睡眠监测与助眠引导功能的智能陪护机器人

Also Published As

Publication number Publication date
FR3135389A1 (fr) 2023-11-17
EP4522014A1 (fr) 2025-03-19
US20250302378A1 (en) 2025-10-02

Similar Documents

Publication Publication Date Title
US20080183049A1 (en) Remote management of captured image sequence
WO2017021662A1 (fr) Procédés et systèmes de stimulation acoustique des ondes cérébrales
CN109997178B (zh) 用于提醒紧急服务的计算机系统
CN110881987B (zh) 一种基于可穿戴设备的老年人情绪监测系统
AU2013256179A1 (en) Physiological characteristic detection based on reflected components of light
WO2023217730A1 (fr) Procédé de surveillance du sommeil d&#39;un utilisateur, dispositif de surveillance et programme d&#39;ordinateur correspondants
JP2019512331A (ja) 視覚的コンテキストを用いる、生理学的パラメータの測定の適時トリガ
US20220401037A1 (en) Ml-based anomaly detection and descriptive root-cause analysis for biodata
EP3600010B1 (fr) Systeme de determination d&#39;un ensemble d&#39;au moins un descripteur cardio-respiratoire d&#39;un individu pendant son sommeil
CN117379052A (zh) 一种情绪识别方法、装置及计算机存储介质
WO2018002541A1 (fr) Dispositif de détection d&#39;au moins un trouble du rythme cardiaque
WO2023062326A1 (fr) Procédé d&#39;estimation de signaux physiologiques
KR102528829B1 (ko) 인공지능을 이용한 심전도 기반 혈당 측정 방법, 장치 및 프로그램
WO1994016610A2 (fr) Dispositif de determination d&#39;informations physiologiques, et utilisation correspondante
WO2021181381A1 (fr) Systèmes et procédés d&#39;estimation de l&#39;arythmie cardiaque
WO2020089539A1 (fr) Procédé, dispositif et système de prédiction d&#39;un effet d&#39;une stimulation acoustique des ondes cérébrales d&#39;une personne
WO2023102023A1 (fr) Procédés et systèmes de détection et d&#39;alerte physiologiques
US20230172467A1 (en) System and method for monitoring a plurality of bio-signals, and a gateway device operable therein
CN109862828B (zh) 用于热量摄入检测的装置、系统和方法
WO2024104835A1 (fr) Procédé et dispositif de surveillance du niveau de stress d&#39;un utilisateur
US20250281104A1 (en) Artificial intelligence based neonatal seizure detection device, system and method
EP4517777A1 (fr) Procédé d&#39;apprentissage d&#39;un modèle de classification d&#39;événements lié au sommeil
CN119380998B (zh) 睡眠质量分析方法、系统、存储介质及电子设备
FR3102054A1 (fr) Casque pour améliorer l’équilibre de la balance sympatho-vagale d’un individu
FR3103611A1 (fr) Procédé et dispositif de suivi de l’activité d’une personne en perte d&#39;autonomie

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: 23725673

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18864076

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2023725673

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2023725673

Country of ref document: EP

Effective date: 20241210

WWP Wipo information: published in national office

Ref document number: 18864076

Country of ref document: US