KR20220110475A - 클러스터-기반 수면 분석 - Google Patents
클러스터-기반 수면 분석 Download PDFInfo
- Publication number
- KR20220110475A KR20220110475A KR1020227009685A KR20227009685A KR20220110475A KR 20220110475 A KR20220110475 A KR 20220110475A KR 1020227009685 A KR1020227009685 A KR 1020227009685A KR 20227009685 A KR20227009685 A KR 20227009685A KR 20220110475 A KR20220110475 A KR 20220110475A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- sleep
- data
- sleeper
- health
- Prior art date
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 269
- 238000004458 analytical method Methods 0.000 title description 38
- 230000036541 health Effects 0.000 claims abstract description 51
- 241001465754 Metazoa Species 0.000 claims abstract description 45
- 241001669679 Eleotris Species 0.000 claims description 97
- 238000012806 monitoring device Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 230000006872 improvement Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 abstract description 38
- 230000009471 action Effects 0.000 abstract description 35
- 230000004630 mental health Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 43
- 230000033001 locomotion Effects 0.000 description 43
- 230000003287 optical effect Effects 0.000 description 36
- 102000001554 Hemoglobins Human genes 0.000 description 17
- 108010054147 Hemoglobins Proteins 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000012800 visualization Methods 0.000 description 14
- 239000000090 biomarker Substances 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000000284 resting effect Effects 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 10
- 239000008280 blood Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 9
- 210000000707 wrist Anatomy 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 8
- 230000000747 cardiac effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000006996 mental state Effects 0.000 description 8
- 230000004622 sleep time Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 230000008667 sleep stage Effects 0.000 description 6
- 241000289581 Macropus sp. Species 0.000 description 5
- 206010062519 Poor quality sleep Diseases 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 230000004461 rapid eye movement Effects 0.000 description 5
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 230000036387 respiratory rate Effects 0.000 description 5
- 230000002618 waking effect Effects 0.000 description 5
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 4
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 229960001948 caffeine Drugs 0.000 description 4
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 230000003340 mental effect Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 230000037081 physical activity Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 102000008186 Collagen Human genes 0.000 description 3
- 108010035532 Collagen Proteins 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 3
- 229920001436 collagen Polymers 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000000994 depressogenic effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000005556 hormone Substances 0.000 description 3
- 229940088597 hormone Drugs 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 150000002632 lipids Chemical class 0.000 description 3
- 238000002483 medication Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000004617 sleep duration Effects 0.000 description 3
- 230000003860 sleep quality Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 2
- 241000270666 Testudines Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 206010022437 insomnia Diseases 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 210000002374 sebum Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 241000272878 Apodiformes Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 102000008857 Ferritin Human genes 0.000 description 1
- 238000008416 Ferritin Methods 0.000 description 1
- 108050000784 Ferritin Proteins 0.000 description 1
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 206010022035 Initial insomnia Diseases 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 208000012641 Pigmentation disease Diseases 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- KXNLCSXBJCPWGL-UHFFFAOYSA-N [Ga].[As].[In] Chemical compound [Ga].[As].[In] KXNLCSXBJCPWGL-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 238000009543 diffuse optical tomography Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000007937 eating Effects 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000012014 optical coherence tomography Methods 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010895 photoacoustic effect Methods 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000001055 reflectance spectroscopy Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 238000005353 urine analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
- A61B5/68—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- 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
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Nursing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
일정 기간 동안의 사용자의 수면과 관련될 수 있는 사용자의 신체적 또는 정신적 건강에 관한 다양한 유형들의 데이터가 수집될 수 있다. 이러한 데이터로부터 사용자가 특정 건강 유형 또는 범주와 연관될 수 있도록 하는 건강 메트릭이 결정될 수 있다. 수면의 경우, 이것은 사용자를 구체적 특성들을 갖는 수면 동물과 연관시키는 것을 포함할 수 있다. 이것은 사용자가 그 사용자의 수면 및 해당 수면이 다른 사용자들의 수면과 어떻게 비교되는지를 더 잘 이해하도록 도울 수 있다. 이해하기 쉬운 방식으로 건강 정보를 제공할 수 있는 것 외에도, 그러한 접근법은 또한 보다 정확한 권장사항들을 만들거나 수면 개선과 같이 사용자의 건강을 개선하는 데 도움이 되는 특정 조치를 취하는 데 도움이 될 수 있다. 이것은 사용자에게 권장사항들을 제공하거나 적어도 하나의 디바이스의 작동을 자동적으로 조정하는 것을 포함할 수 있다.
Description
우선권 주장
[0001]
본 출원은 "클러스터-기반 수면 분석(Cluster-Based Sleep Analysis)"이라는 명칭으로 2021년 1월 29일자로 출원된 미국 특허 출원 제17/162,286호를 우선권으로 주장한다.
[0002]
수면 연구 및 분석에 대한 다양한 통상적인 접근법들은 개인이 수면 클리닉을 방문하는 것을 수반하며, 여기서 그 개인의 수면은 하룻밤의 과정 동안 모니터링될 수 있다. 그러한 분석은 귀중한 정보를 제공할 수 있지만, 이러한 수면 데이터가 다른 밤들 또는 더 긴 기간들과 관련되는 정도뿐만 아니라 개인이 편안한 환경에서 자신들의 침대에서 어떻게 잠을 잘 수 있는가를 결정하는 것은 어렵다. 최근 피트니스 트래커들(fitness tracker) 및 스마트 워치들과 같은 웨어러블 기술의 발전은 가정에서 수면 데이터를 수집할 수 있도록 하였지만, 이들 디바이스들의 착용자들에게 표시되는 정보는 종종 지나치게 일반화되어 있고, 개선할 영역들이 있는지 또는 특정 개인과 관련된 개선을 얻기 위해 수행될 수 있는 것들이 있는지 여부를 포함하여 개인에게 자신들의 수면에 대한 적절한 이해를 제공하지 못한다.
[0003]
본 개시내용에 따른 다양한 실시양태들이 도면들을 참조하여 설명될 것이며, 여기서:
[0004] 도 1은 다양한 실시양태들에 따라 상이한 디바이스들 상에서 생성될 수 있는 예시적인 인터페이스 상태들을 예시한다;
[0005] 도 2는 다양한 실시양태들에 따라 생성될 수 있는 예시적인 수면 클러스터들을 예시한다;
[0006] 도 3은 다양한 실시양태들에 따라 생성될 수 있는 특정 사용자 및 대응하는 수면자 유형에 대한 예시적인 방사형 그래프를 예시한다;
[0007] 도 4는 다양한 실시양태들에 따라 제공될 수 있는 예시적인 비교 수면 데이터를 예시한다;
[0008] 도 5a 및 도 5b는 다양한 실시양태들에 따라 이용될 수 있는 예시적인 디스플레이 및 센서 구성을 예시한다;
[0009] 도 6은 다양한 실시양태들에 따라 이용될 수 있는 예시적인 디바이스 상호작용들을 예시한다;
[0010] 도 7은 다양한 실시양태들에 따라 수면 데이터를 결정, 제공 및 이용하기 위한 예시적인 프로세스를 예시한다;
[0011] 도 8은 다양한 실시양태들에 따라 이용될 수 있는 예시적인 모니터링 디바이스 광 경로들을 예시한다; 및
[0012] 도 9는 다양한 실시양태들에 따라 이용될 수 있는 예시적인 네트워크-연결된 모니터링 디바이스의 컴포넌트들(components)을 예시한다.
[0004] 도 1은 다양한 실시양태들에 따라 상이한 디바이스들 상에서 생성될 수 있는 예시적인 인터페이스 상태들을 예시한다;
[0005] 도 2는 다양한 실시양태들에 따라 생성될 수 있는 예시적인 수면 클러스터들을 예시한다;
[0006] 도 3은 다양한 실시양태들에 따라 생성될 수 있는 특정 사용자 및 대응하는 수면자 유형에 대한 예시적인 방사형 그래프를 예시한다;
[0007] 도 4는 다양한 실시양태들에 따라 제공될 수 있는 예시적인 비교 수면 데이터를 예시한다;
[0008] 도 5a 및 도 5b는 다양한 실시양태들에 따라 이용될 수 있는 예시적인 디스플레이 및 센서 구성을 예시한다;
[0009] 도 6은 다양한 실시양태들에 따라 이용될 수 있는 예시적인 디바이스 상호작용들을 예시한다;
[0010] 도 7은 다양한 실시양태들에 따라 수면 데이터를 결정, 제공 및 이용하기 위한 예시적인 프로세스를 예시한다;
[0011] 도 8은 다양한 실시양태들에 따라 이용될 수 있는 예시적인 모니터링 디바이스 광 경로들을 예시한다; 및
[0012] 도 9는 다양한 실시양태들에 따라 이용될 수 있는 예시적인 네트워크-연결된 모니터링 디바이스의 컴포넌트들(components)을 예시한다.
[0013]
다음의 설명에서, 다양한 예시적인 실시양태들이 설명될 것이다. 설명의 목적으로, 실시양태들의 완전한 이해를 제공하기 위해 특정 구성 및 세부사항들이 제시된다. 그러나, 특정 세부사항들 없이 실시양태들이 실시될 수 있다는 것이 당업자에게 또한 명백할 것이다. 또한, 설명되는 실시양태들을 모호하게 하지 않기 위해 잘 알려진 특징들은 생략되거나 단순화될 수 있다.
[0014]
대부분 피트니스 트래커들과 같은 디지털 건강 모니터링 디바이스들의 이용가능성으로 인해, 사람들은 건강에 대한 의식이 점점 더 높아지고 있다. 그러한 디바이스들은 활동 또는 동작 데이터 및 안정시 심박수와 같은 사용자에 대한 다양한 유형의 정보를 캡처할 수 있으며, 상기 정보는 이러한 디바이스들 중 하나 이상을 착용하거나 다른 방식으로 이와 연관되어 있는 사람에 대한 정보를 추론하는 데 사용될 수 있다. 이들 디바이스들, 또는 이들 디바이스들과 통신하는 시스템들 또는 서비스들 중 적어도 일부는 이러한 및 기타 데이터를 분석하여, 사람의 하나 이상의 수면 패턴을 포함할 수 있는 그 사람의 신체 건강에 관한 정보를 제공할 수 있다. 이것은, 예를 들어, 사람이 잠들고 깨어난 시간뿐만 아니라, 사용자가 깊은 수면, 얕은 수면, REM(빠른 안구 움직임) 수면, 기상 등과 같은 상이한 수면 단계들에 있을 수 있는 수면 동안의 기간들을 포함할 수 있다. 이들 디바이스들 중 적어도 일부는 특정 밤 동안 또는 일련의 밤들에 걸쳐 사람이 얻은 수면의 질의 측정을 제공하는 수면 점수를 제공하는 것과 같이 사람의 수면에 대한 정량적 평가를 또한 제공할 수 있다.
[0015]
이러한 데이터는 사용자들에게 적어도 어느 정도 유용할 수 있지만, 이들 사용자들은 종종 데이터 또는 데이터를 해석하는 방식을 완전히 이해하지 못할 수 있다. 예를 들어, 사용자는 그들이 어느 날 밤 21분 동안 REM 수면을 취했음을 나타내는 정보를 수신할 수 있지만, 그들은 그것이 너무 많은지, 너무 적은지 또는 거의 적절한지를 알지 못할 수 있다. 게다가, 사용자는 수면 점수 89를 받았지만, 그것이 무엇을 나타내는지 또는 목표 값 또는 평균 값이 무엇인지 알지 못할 수 있다. 일부 경우들에서, 이들 디바이스들은 더 많은 운동을 하고, 취침 전에 술 또는 카페인을 마시지 않으며, 더 일찍 잠자리에 드는 등과 같은 수집된 또는 추론된 수면 데이터에 기반한 권장사항들을 제공할 수 있다. 불행히도, 그러한 정보는 비교적 일반적일 수 있으며 어떤 소정의 개인에게 특별히 도움이 되지 않을 수 있다. 또한, 사람이 카페인 또는 술을 마시지 않는다면, 그 사람은 권장사항들이 부적절하다고 생각할 뿐만 아니라 실제로 기분이 상할 수 있으며, 이는 정보의 전반적인 가치 및 제품 또는 서비스의 유용성을 감소시킬 수 있다.
[0016]
따라서, 다양한 실시양태들에 따른 접근법들은 보다 상세하고 특정 개인과 관련된 수면 분석을 제공할 수 있다. 다양한 접근법들은 또한 특정 개인과 관련될 뿐만 아니라 대부분의 개인들이 쉽게 이해하고 따를 수 있는 권장사항들, 시각화들 및 논의를 제공할 수 있다. 사용자에 의해 착용되는 디바이스든, 개인의 수면에 일부 방식으로 영향을 미칠 수 있는 개인과 연관된 디바이스든 다양한 접근법들이 또한 이러한 수면-관련 데이터의 적어도 일부에 기반하여 자동적으로 변경들을 수행하거나 변경들을 유발할 수 있다.
[0017]
도 1은 적어도 하나의 실시양태에 따라 이용될 수 있는 예시적인 디스플레이 접근법(100)을 예시한다. 이러한 예에서, 사용자는 웨어러블 컴퓨터(102), 또는 피트니스 트래커 또는 스마트 워치와 같은 모니터링 디바이스를 그 사용자의 손목 또는 팔(104)에 착용할 수 있다. 스마트 링들, 밴드들, 이어버드들(earbuds), 스트랩들, 의복, 콘택트 렌즈들, 패치들 및 기타 "스마트" 또는 네트워크-연결된 디바이스들을 포함할 수 있는, 다른 위치들에서 또는 방식들로 착용될 수 있는 다른 웨어러블 컴퓨터 또는 모니터링 디바이스도 이용될 수 있다. 많은 실시양태들에서, 웨어러블 컴퓨터 또는 디바이스는 착용 사용자가 본원에 논의된 바와 같이 그들의 신체 또는 정신 상태와 관련된 정보를 입력하거나 수신할 수 있게 하는 터치 감지 디스플레이를 포함할 것이다. 이러한 예에서, 웨어러블 디바이스는 사용자와 연관된 적어도 하나의 다른 컴퓨팅 디바이스(110)와 무선 통신(예를 들어, Bluetooth® 또는 와이파이(Wi-Fi))할 수 있다. 이들 디바이스들(102, 110) 각각은 적어도 디바이스의 사용자에게 정보를 전달하는 데 사용될 수 있는 디스플레이 스크린과 같은 일부 유형의 제시 메커니즘(presentation mechanism)을 포함할 수 있다. 그러한 디바이스들에 대해 공지된 바와 같이, 피트니스 트래커와 같은 웨어러블 디바이스는 스마트폰, 데스크톱 컴퓨터, 랩톱 또는 테이블 컴퓨터와 같은 다른 사용자 디바이스와 통신할 수 있는데, 자원, 배터리 수명 및 리얼 에스테이트(real estate)가 웨어러블 컴퓨터에서 제한될 수 있어 다른 그러한 옵션들 중에서 데이터를 분석 및 제시를 위해 다른 디바이스로 전송하는 것이 바람직할 수 있기 때문이다.
[0018]
본원에서 나중에 더 상세히 논의되는 바와 같이, 사용자에 대한 데이터는 웨어러블 디바이스(102), 연관된 컴퓨팅 디바이스(110) 또는 다른 전자 디바이스 또는 메커니즘을 사용하여 수집될 수 있다. 웨어러블 디바이스(102)는 사용자에 관한 정보를 측정하거나 검출하는 데 사용될 수 있는 모션 및 온도 센서들과 같은 다양한 센서들을 포함할 수 있다. 일부 예시적인 실시양태들의 센서들은 비침습적이며 임의의 종류의 기구가 착용 사용자의 신체 내로 도입될 것을 요구하지 않는다. 일 실시양태에서, 사용자 인터페이스는 사용자가 지정된 데이터를 입력하는 능력을 제공할 수 있다. 웨어러블 디바이스(102)는 또한 적어도 하나의 광학 방출기 및 적어도 하나의 광학 검출기 또는 수신기를 포함하는 광학 측정 서브시스템을 포함할 수 있다. 방출기는 사용자의 피부 표면으로부터 반사될 수 있거나 표면 아래로 이동한 후 확산 반사될 수 있고 수신기들 중 적어도 하나에 의해 검출될 수 있는 하나 이상의 파장들의 빛을 방출할 수 있다. 그러한 광학 어셈블리는 사용자가 모니터링 디바이스를 착용하고 있는 시간 동안 모니터링 디바이스(102)가 다양한 유형들의 정보를 측정하도록 할 수 있다.
[0019]
이러한 수집된 데이터의 적어도 일부는 사용자가 해당하는 "수면자"의 유형 또는 범주를 결정하고자 시도하기 위해 분석될 수 있다. 사용자에게 있어 수면자의 유형 또는 수면자 유형을 결정할 수 있는 것은 가치가 있을 수 있는데, 그러면 사용자가 그 수면자 유형의 다른 수면자들에 비해 자신들의 수면을 더 잘 이해할 수 있기 때문이다. 또한, 수면자의 유형과 더 관련성이 있고 따라서 그 유형의 특정 사용자와 관련될 가능성이 더 높은 권장사항들이 제공될 수 있다. 게다가, 그러한 범주화는 그 사용자에게만 비교적 특정하지만 특히 유사한 사용자들의 수면과 관련하여 대부분의 사용자들이 비교적 쉽게 이해할 수 있는 방식으로 제공되거나 시각화될 수 있는 분석을 제공하는 데 도움이 될 수 있다.
[0020]
적어도 하나의 실시양태에서, 사용자를 위해 수집된 수면-관련 데이터가 분석되고 그 사용자가 속하는 수면자의 범주 또는 유형을 결정하는 데 사용될 수 있다. 적어도 하나의 실시양태에서, 다수의 사용자들을 위한 데이터가 분석되고 사용자들이 속할 수 있는 수면자 유형들 또는 범주들의 세트를 생성하는 데 사용될 수 있다. 본원의 다른 곳에서 더 상세히 논의되는 바와 같이 이들 범주들 또는 수면자 유형들이 결정되면, 각 수면자 유형의 가장 구별되는 습관(또는 패턴 또는 특징 등)을 결정하기 위해 각 유형의 관련 양상들이 결정되고 다른 유형들의 양상들과 대조될 수 있다. 적어도 하나의 실시양태에서, 이들 습관들은 이어서 사용자가 이해하기 쉬워야 하는 해당 각 수면자 유형을 나타내는 범주 라벨을 연관시고자 시도하기 위해 분석될 수 있다.
[0021]
수면자 유형 라벨의 예는 "수면 동물"일 수 있다. 각각의 수면 동물은 각각의 수면자 유형을 나타낼 수 있고, 사용자가 이해할 수 있는 방식으로 그 수면자 유형을 적어도 어느 정도 나타낼 수 있다. 예를 들어, "곰" 수면 동물은 곰이 동면하는 것과 유사하게 사람이 오랜 기간 깊은 수면을 취하는 경향이 있는 수면자 유형과 연관될 수 있다. 또 다른 예는 사용자가 상이한 수면 상태들 사이를 빈번하게 "변경하는(hop)" "캥거루" 수면 동물이거나, 사용자가 대부분의 것보다 훨씬 더 얕은 수면을 취하는 "벌새" 수면 동물일 수 있다. 다양한 다른 라벨들, 유형들 및 특성들도 다양한 실시양태들의 범위 내에서 사용될 수 있다. 그러한 접근법은 사용자가 적어도 다른 수면자들 및 특히 다른 유사한 수면자들과 비교해 자신들이 어느 수면자의 유형인지를 이해하는 비교적 간단하고 쉬운 방법을 제공할 수 있다. 또한, 사용자가 시간 경과에 따라 수면자 유형들을 전환한다면, 이는 사용자가 변경을 이해하고 시간 경과에 따라 이러한 변경들을 따를 수 있는 비교적 간단한 방식을 제공한다. 일부 실시양태들에서, 수면 동물들은 상이한 건강 결과들, 특히 체질량 지수(BMI), 안정시 심박수(RHR) 및 심박수 변동성(HRV)의 특정 프로파일들과 연관될 수 있다.
[0022]
라벨링에 대한 그러한 접근법의 이점은 다양한 유형들의 사용자들이 이해하고 따르는 것이 더 쉬울 수 있는 시각화가 제공될 수 있다는 점이다. 예를 들어, 수면 동물(108)의 비교적 단순한 애니메이션화 버전이 다른 관련 정보(106)와 함께 웨어러블 컴퓨터의 디스플레이에 제시될 수 있다. 이것은 사용자에게 그들이 어느 수면자의 유형인지를 상기시키기 위해 다양한 시간들에서 제시될 수 있고, 이는 그들이 그 수면자 유형의 특성에 적어도 부분적으로 기반하여 활동들에 대한 결정을 내리는 데 도움이 될 수 있다. 또한, 이러한 수면 동물은 사용자가 취침, 휴식 등을 고려해야 하는 때와 같은 특정 정보를 전달하거나 사용자를 프롬프트하는 것이 바람직한 특정 시간들에서 제시될 수 있다. 적어도 일부 실시양태들에서, 수면 동물은, 이러한 또는 기타 그러한 정보를 전달하기 위해, 수면 동물이 조명 또는 디바이스를 끄고, 잠자리에 들고, 알람을 설정하는 등과 같이 애니메이션화될 수 있다. 적어도 일부 실시양태들에서, 웨어러블 컴퓨터 상의 수면 동물의 제시는 또한 더 상세한 정보를 제공할 수 있는 연결된 스마트폰과 같은 관련 디바이스 상에서 추가 정보가 이용가능하다는 것을 전달할 수 있다. 예를 들어, 간략한 요약이 웨어러블 컴퓨터 상에 제공될 수 있고 사용자는 연결된 사용자 디바이스(110)에 액세스하여 추가 세부사항 또는 콘텐츠(114)를 얻을 수 있다. 사용자는 또한 예컨대 사용자 계정을 통해 액세스할 수 있는 데스크톱 또는 랩톱 컴퓨터 상의 브라우저를 통해 다른 디바이스들의 추가 정보에도 액세스할 수 있다.
[0023]
일례에서, 식별된 집단에 걸쳐 존재하는 6가지의 전형적인 수면자 유형이 정의되고 개발되었다. 이러한 예에서, 이용가능한 메트릭들(metrics) 또는 데이터로부터 선택되거나 정의된 11가지의 수면 메트릭들이 또한 있었으며, 이는 사용자가 동일하거나 유사한 수면자 유형과 같은 다른 유사한 사람들과 비교하여 지난 28일 밤들과 같은 일정 기간 동안 어떻게 잤는지를 평가하는 데 사용할 수 있다. 그러나, 이용되는 유형들의 수가 클러스터링의 유형 및 결과들, 모니터링되는 건강 메트릭(들)의 유형, 평가되는 집단 등과 같은 요인들에 의존할 수 있는 상이한 실시양태들 또는 구현들에서 추가적인, 더 적은 또는 대안적인 유형들 또는 메트릭들이 있을 수 있음을 이해해야 한다. 그 다음, 수면 바이오와 같은 사용자 프로파일은 각각의 수면자 유형 및 이들 고급 수면 메트릭들에 대한 값에 적어도 부분적으로 기반하여 생성될 수 있으며, 이는 사용자를 그들의 수면 동물을 사용하여 그들의 수면자 유형뿐만 아니라, 해당 사용자가 상기 고급 수면 메트릭들에 대해 등급화하는 방식에 관해 교육하는 데 도움이 될 수 있다. 이들 바이오들은 사용자 또는 수면자 유형에 대해 결정된 정보에 기반하는 고정된 것일 수 있거나, 새로운 수면-관련 데이터, 권장사항들 또는 기타 정보가 수득, 수신, 업데이트 또는 생성됨에 따라 동적이고 업데이트될 수 있다.
[0024]
적어도 하나의 실시양태에서, 사용자에 대한 이력 수면 데이터를 이용하는 능력은 예를 들어 수면 동물의 형태의 그들의 수면 행동의 개인화된 특징화 또는 이해하기 쉽지만 그들의 수면에 대한 개인화된 평가를 제공하는 다른 특징화의 선택을 가능하게 한다. 특징화의 다른 예는 사람, 지리, 날씨, 교통수단들 등의 유형들을 포함할 수 있으며, 여기서 이러한 특징화들의 상이한 양상들은 다양한 사용자들의 수면의 상이한 양상들과 연관될 수 있다. 또한, 본원에서 언급된 바와 같이, 그러한 접근은 수면에 제한되지 않고, 정신 상태, 신체적 건강, 피트니스, 성격 유형 등과 관련될 수 있는 다른 신체적 또는 정신적 건강 양상들을 위해 사용될 수 있다. 바이오, 또는 콘텐츠의 다른 인터페이스 또는 제시는, 사용자를 고급 수면 메트릭들에 걸쳐 다른 유사한 사람들과 비교하여 그들이 어떻게 잤는지에 대해 교육하는 시각화를 제공하기 위해 사용될 수 있다. 사용자의 전형적인 수면의 특징화는 사용자가 그 사용자의 수면을 개선하고 건강 모니터링 시스템, 서비스 또는 디바이스가 그 사용자를 진정으로 이해하는 것처럼 사용자가 느끼게 할 수 있는 기회들을 식별할 수 있다.
[0025]
다양한 실시양태들에서, 수면 바이오는 전날 밤의 수면의 질을 평가하는 수면 점수와 같은 다른 수면 관련 정보를 보완할 수 있다. 특히, 주어진 수면 점수는 수면 시간 및 깨어 있는 시간, 깊은 수면 및 REM(급속 안구 운동) 수면의 시간, 및 수면 심박수 및 지난 밤 동안의 불안정과 같은 요인들로부터 등급화되거나 계산될 수 있다. 그러나 언급된 바와 같이, 그러한 점수 자체는 수면 일관성, 수면 크로노타입, 가능하게는 불면증 또는 무호흡으로 인한 수면 분절(sleep fragmentation), 및 다상성 수면 패턴과 같은 종방향 수면 패턴들(longitudinal sleeping patterns)의 분석이 부족할 수 있다. 수면 바이오는 지난 28일 밤들과 같은 기간으로부터 사용자 수면을 특징화하고 시각화하는 데 도움이 될 수 있으며, 이는 수면 성적표, 또는 사용자의 수면을 예를 들어 지난 달에 걸쳐 평가하는 기타 그러한 콘텐츠 제시를 개발하기 위한 기초로서 사용될 수 있다. 적어도 하나의 실시양태에서, 그러한 수면 프로파일은 하나 이상의 이전 기간들 또는 다른 사용자들 등에 비해 "양질" 또는 "저질" 수면 또는 "더 양질" 또는 "더 저질" 수면을 정량화하는 데 도움이 될 수 있으며, 이러한 정보를 사용하여 건강-관련된 실행가능 요약 점수의 더 넓은 범위 또는 제시를 또한 지원할 수 있는 실행가능 수면 성적표를 작성할 수 있다. 여러 밤들 또는 수면 기간들 동안 데이터를 수집하는 것은 또한 사용자의 수면 확률을 결정하는 데 도움이 될 수 있으며, 이는 과거 수면뿐만 아니라 예상 수면에 기반하여 사용자에게 더 나은 권장사항들을 제공하는 데 도움이 될 수도 있다.
[0026]
사용자에 대한 수면자 유형을 결정하기 위해, 적어도 일부 실시양태들에서 가능한 수면자 유형에 대해 먼저 결정이 이루어진다. 이것은 다수의 사용자들에 대한 데이터 수집 및 분석 및 이어서 해당 분석에 적어도 부분적으로 기반한 수면자 유형의 결정을 포함할 수 있다. 언급된 바와 같이, 이것은 수많은 임의의 공급원들에 의해 수집, 검출 또는 다른 방식으로 제공될 수 있는 임의의 잠재적인 수면-관련 데이터의 분석을 포함할 수 있다. 예를 들어, 웨어러블 컴퓨터 또는 센서는 모션, 활동 수준, 호흡 패턴, 심박수, 혈액 화학, 피부 온도, 주변 온도 및 신체 포지션 데이터와 같은 정보를 제공할 수 있다. 스마트폰과 같은 카메라 또는 마이크를 갖는 디바이스는 소리, 이미지 또는 비디오 데이터뿐만 아니라, 예컨대 주변 광, 지리적 위치, 압력, 실온 및 활동 데이터를 포함할 수 있는 그 디바이스의 센서에 의해 캡처될 수 있는 임의의 기타 데이터를 제공할 수 있다. 주변에 있는 다른 스마트 또는 연결된 디바이스는 모션, 활동, 날씨, 습도, 디바이스 상태, 사용자 상태 및 기타 그러한 정보와 같은 추가 데이터를 제공할 수 있다. 사용자는 또한 예컨대 성별, 연령, 인종, 병력, 현재 약물, 정신 상태 정보, 신체 활동 수준 등과 같은 정보를 포함할 수 있는 하나 이상의 인터페이스를 통해 다양한 유형들의 정보를 제공할 수 있다. 이러한 정보의 적어도 일부는 사용자 계정, 공개 데이터베이스, 의료 데이터베이스, 계통학 데이터베이스 또는 제3자 공급원과 같은 하나 이상의 다른 공급원으로부터 수득될 수도 있다.
[0027]
적어도 일부 실시양태들에서, 이러한 데이터 중 임의의 것 또는 전부는 분석을 위해 집계될 수 있다. 이러한 데이터는 분석에 포함될 데이터를 선택하고자 시도하기 위해 다양한 접근법들을 사용하여 분석할 수 있다. 그 다음, 선택된 데이터를 추가로 분석하여 데이터 세트의 차원을 감소시키려고 할 수 있다. 예를 들어, 데이터를 처리하여 데이터세트의 중복을 제거하고자 시도할 수 있다. 그 다음, 데이터세트를 특히 상이한 수면자 유형을 나타내는 상대적으로 적은 수의 요인들로 감소시키려는 시도가 이루어질 수 있다. 적어도 하나의 실시양태에서, 이것은 상이한 클러스터링 파라미터들을 이용한 k-평균 클러스터링과 같은 하나 이상의 클러스터링 알고리즘들을 사용하여 클러스터링을 수행하는 것을 포함할 수 있다. 이러한 프로세스는 서로 충분히 구별되는 비교적 적은 수의 클러스터들이 얻어질 때까지 반복적으로 계속될 수 있다. 도 2는 다양한 실시양태들에 따라 이용될 수 있는 수면자 유형의 예시적인 집합을 예시하는 방사형 플롯(200)의 세트를 예시한다. 이러한 특정 예에서, 클러스터링은 6가지의 별개의 수면자 유형을 생성하였다. 이들 유형들은 수면자 유형 또는 수면의 질을 결정하는 데 있어 가장 중요하거나 적어도 중요한 것으로 결정된 10가지의 수면 파라미터들을 사용하여 결정되었다. 언급된 바와 같이, 수면 파라미터들의 다른 수들 및 선택들도 이러한 목적을 위해 사용될 수 있다. 적어도 하나의 실시양태에서, 추가 파라미터들을 사용하여 클러스터들 또는 유형들을 결정할 수 있고, 그 다음 가장 중요한 요인들의 수를 사용하여 이러한 유형들을 구별할 수 있다.
[0028]
도 2의 것과 같은 시각화는 사용자들이 그들의 수면 동물 또는 다른 수면자 유형에 대한 값들을 다른 수면 범주들에 대한 값들과 비교할 수 있도록 하기 위해 사용자들에게 제공될 수 있다. 예를 들어, 이러한 예에서 "거북" 유형인 사용자는 이들 모든 동물들 중에서 잠드는 데 가장 오랜 시간이 걸리지만, 시간당 비교적 적은 횟수로 깬다. 이들 상이한 유형들의 플롯들을 시각적으로 비교할 수 있는 기능이 없다면, 사용자는 그 사용자의 수면 동물에 대한 데이터만을 해석하거나 그것을 다른 동물 유형들에 대한 데이터와 비교하는 방식을 알지 못할 수 있다. 또한, 사용자는 그들이 상이한 수면자 유형을 가지고 있다고 생각할 수 있지만, 이들 비교들을 통해 사용자에게 상이한 수면자 유형이 더 정확하게 제공될 수 있는 이유를 아는 데 도움이 될 수 있다. 또한, 사용자가 대부분의 시간 동안 잠을 자고 전체 밤 수면 중 적은 부분을 인식하기 때문에, 사용자의 인식이 오도될 수 있다는 정보가 사용자에게 제공될 수 있다.
[0029]
그러한 시각화는 사용자의 수면자 유형을 다른 수면자 유형들과 어떻게 비교할 수 있는지에 대한 통찰력을 그 사용자에게 제공할 수 있지만, 시각화는 사용자가 동일한 수면자 유형의 다른 동물들과 어떻게 비교하는지에 대한 적절한 정보를 제공하지 않을 수 있다. 따라서, 사용자에게는 도 3에 예시된 것과 같은 시각화(300)가 제공될 수 있다. 이러한 예에서, 사용자에게는 개별 사용자의 수면 메트릭 값을 도시하는 플롯(도면의 좌측)뿐만 아니라 그 특정 수면자 유형- 여기서는 캥거루 -의 사용자들의 평균 값들을 예시하는 플롯(우측)이 제공된다. 플롯의 일반적인 모양이 다소 유사하여 사용자가 그 사용자가 특정 수면자 유형을 갖는 것으로 분류된 이유를 이해할 수 있음을 알 수 있다. 그러나, 이들 플롯들을 함께 디스플레이할 때, 사용자는 그 사용자의 수면이 동일한 수면자 유형의 다른 사용자들과 어떻게 비교되는지를 이해할 수 있다. 예를 들어, 사용자는 약 30의 회복 값이 이 수면자 유형을 갖는 사용자에게 전형적이라는 것을 결정할 수 있다. 동일한 사용자는 이 사용자가 100번째 백분위수에 가까운 평균 사용자보다 더 많은 시간(분) 동안 깊은 수면을 취할 뿐만 아니라, 대략 50번째 백분위수인 이 수면자 유형의 평균 사용자보다도 훨씬 더 깊은 수면을 취한다고 결정할 수 있다. 사용자는 또한 이 사용자가 이 유형의 평균 사용자보다 훨씬 늦게 잠자리에 들고 훨씬 더 오래 자는 경향이 있음을 알 수 있다. 이러한 유형의 비교에 기반하여, 사용자가 이 수면자 유형의 사용자들에게 보다 전형적인 패턴을 갖도록 더 일찍 잠자리에 들거나 수면 시간들을 줄이도록 권장될 수 있다. 이 사용자는 평균보다 낮은 회복을 가지고 있지만, 그것은 이 수면자 유형의 사용자에게 전형적이므로 회복을 증가시키려는 시도는 이 수면자 유형의 사용자에게 그다지 유익하지 않을 수 있다. 일부 실시양태들에서, 사용자는, 그 사용자가 다른 수면자 유형들과도 어떻게 비교되는지를 알기 위해, 그 사용자의 수면 메트릭들 대 도 2에 예시된 다른 것들과 같은 상이한 수면자 유형들의 수면 메트릭들의 플롯 간의 비교를 볼 수 있다. 사용자가 되고자 원하는 수면자의 유형이 있는 경우, 사용자는 그 사용자의 수면 메트릭들이 목표 수면자 유형의 수면 메트릭들과 어떻게 상이한지를 알 수 있고 이러한 차이들에 따라 조정들을 수행하고자 시도할 수 있다.
[0030]
그러한 제시는 적어도 이것이 전체 수면 패턴 또는 상태가 정상으로 간주되어야 하는지 여부를 사용자에게 전달하는 데 도움이 될 수 있다는 사실로 인해 이전 접근법들의 결함을 극복하는 데 도움이 될 수 있다. 이것은 또한 특정 수면 메트릭들이 일반적인 다른 메트릭들 또는 동일한 수면자 유형의 다른 메트릭들과 비교하여 정상으로 간주되어야 하는지 여부를 시각화하는 데 도움이 될 수 있다. 이것은 사용자들이 이들 값들 중 임의의 것에 기반하여 그들이 신경을 써야하는지 여부 및 변경이 가능하거나 변경되어야 하는지를 결정하는 데 도움이 될 수 있다. 적어도 일부 실시양태들에서, 권장 엔진을 사용하여 그 사용자에 대한 단기적 및 중기적으로 어느 목표가 달성 가능한지에 관한 컨텍스트를 제공할 수 있다. 이러한 및 기타 그러한 정보는 사용자에 대한 수면 전기(sleep biography)의 일부분으로서 제공될 수 있으며, 이는 사용자가 잘 수행하고 있는 것들뿐만 아니라 개선될 수 있는 것들에 대해 사용자에게 알리는 데 도움이 될 수 있다. 그러한 접근법은 또한 다른 사람들이 이 사용자와 어떻게 비교되는지뿐만 아니라 그 사용자들이 개선할 수 있었던 것 및 동일한 수면자 유형의 다른 사용자들에게 효과가 있었던 것에 대한 적어도 어느 정도의 컨텍스트를 제공할 수 있다.
[0031]
일례에서, 사람이 지난 달과 같은 일정 기간 동안 어떻게 잤는지를 설명하는 데 도움이 될 수 있는 1000가지 이상의 수면-관련 특징들이 분석되었다. 이러한 데이터를, 예컨대 수면 전문가 및 데이터 분석을 사용하여 분석함으로써, 사람이 잠자리에 든 시간 및 사람이 하룻밤 동안 깨어난 횟수와 같은 수면 평가와 가장 관련이 있는 값들을 선택하고자 시도할 수 있다. 그 다음, 이러한 특징들의 대규모 집합을 대략 50 내지 75 특징 값, 또는 하나의 특정 예에서 64와 같은 훨씬 더 작은 수로 감소시킬 수 있다. 언급된 바와 같이, 이들 특징들은 데이터가 중요하다고 보여주는 것 및 수면 전문가들이 중요하다고 믿는 것에 적어도 부분적으로 기반하여 선택할 수 있다. 이러한 데이터의 선택은 해당 특징들에 기반하여 수행될 수 있는 클러스터링의 품질에 기반하여 수행될 수도 있다. 언급된 바와 같이, 선택된 특징들이 특징 공간 및 클러스터링에 사용되는 유클리드 거리로 투영되는 k-평균 클러스터링 접근법을 포함할 수 있는 다양한 클러스터링 알고리즘들이 사용될 수 있다. 적어도 일부 실시양태들에서, 클러스터링은 해석 가능성, 개별 클러스터들의 간결성 또는 클러스터들 간의 분리와 같은 양상들에 대해 최적화될 수 있다. 다양한 실시양태들에서, 클러스터링이 고차원 공간에서 열악하게 수행될 수 있기 때문에, 주성분 분석(PCA)과 같은 접근법을 사용하여 선택된 특징을 취하고 차원을 감소시킬 수 있다. 일례에서, PCA는 차원을 64개에서 약 22개 주성분들로 감소시키는 데 도움이 되었으며, 그 다음 이러한 주성분들에 대해 클러스터링이 수행되었다. 그 다음, 휴리스틱 또는 규칙들의 세트를 적용하여 이들 클러스터들에 기반한 수면자 유형들을 완료할 수 있다. 모든 관련 특징들을 나타내는 대신, 이들 특징들의 서브세트(예를 들어, 10개 특징들)를 선택하여 수면자 유형 데이터를 사용자에게 표시할 수 있다. 이들 선택된 중요한 특징들은 고급 수면 메트릭들에 대응할 수 있으며, 이들은 수면을 평가 및/또는 이해하는 데 가장 중요한 것으로 결정된다. 사용자가 2가지의 상이한 수면자 유형들과 유사할 수 있거나 우세한 수면자 유형 연관을 갖지 않을 경우에, 적어도 일부 규칙을 적용하여 사용자에 대해 표시된 수면자 유형을 선택하거나 조정할 수 있다.
[0032]
다양한 다른 유형들의 시각화들도 제공될 수 있다. 예를 들어, 도 2 및 도 3에서와 같은 다차원 플롯 대신에, 사용자는 이 사용자에 대한 특정 수면 메트릭들을 평균 사용자들 또는 심지어 주어진 수면자 유형의 사용자들에 대한 값과 보다 직접적으로 비교하는 시각화 또는 보고서를 얻는 것을 선호할 수 있다. 그러한 하나의 시각화(400)가 도 4의 그래프에 예시되어 있다. 이러한 예에서, 사용자 값들은 각 개별 수면 메트릭의 평균 값들과 직접 비교된다. 그러한 시각화는 사용자가 평균보다 현저히 높은 메트릭들(예를 들어, 취침 시간, 수면 시간(시), 깊은 수면 시간(분) 및 깨어난 횟수) 및 사용자가 평균보다 현저히 낮은 메트릭들(예를 들어, %REM)을 신속하게 결정할 수 있는 보다 직접적인 방법을 적어도 일부 사용자에게 제공할 수 있다. 또한, 이러한 그래프는 각 수면 메트릭에 대한 평균 값이 얼마인지를 나타낸다. 사용자는 상이한 유형들을 선택하거나 볼 수 있으며, 미래에 그러한 정보를 사용자에게 제시하는 데 사용될 수 있는 선호도 또는 즐겨찾기를 제공할 수 있다. 사용자는 또한 그 사용자가 원하지 않는 형식들을 나타낼 수 있는 능력을 가질 수 있으며, 사용자 값들, 평균 값들 및 동일한 그래프 상의 주어진 수면자 유형에 대한 평균 값들을 비교하는 능력과 같은 이들 제시들을 사용자 맞춤화할 수 있는 적어도 일부 능력을 가질 수 있다.
[0033]
언급된 바와 같이, 이러한 정보는 개인화된 수면 분석, 요약 또는 전기의 일부분으로서 제공될 수 있다. 수면 메트릭 값들 및 수면 동물 시각화들을 제공하는 것 외에도, 사용자에게 그 사용자가 잘 수행하고 있는 것 및 개선될 수 있는 것이 무엇인지를 구체적으로 나타낼 수 있는 정보가 제공될 수 있다. 정보는 또한 사용자가 잘 수행하고 있지 않을 수 있거나 차이점들이 상당할 수 있는 것들, 그 사용자에 대해 수집된 데이터에 적어도 부분적으로 기반하여 어떤 접근법들이 상기 것들을 개선하는데 도움이 될 수 있는가 및 동일하거나 유사한 수면자 유형의 다른 사용자들에 무엇이 매우 효과가 있었는가에 대해 나타낼 수 있다. 다양한 예들에서 백분율이 제공되지만, 사용자가 평균치를 구한 각 수면자 유형의 시간(분) 대 모든 사용자들 및 주어진 수면자 유형의 사용자들 전반에 대한 평균 시간(분)을 나타내는 것과 같은 사용자에게 유용할 수 있는 다른 유형들의 데이터가 제공될 수 있다. 이들 각 수면 메트릭들이 중요한 이유 및 개별 사용자의 목표 값에 관한 정보가 또한 제공될 수 있다. 경향이 또한 식별되고, 예측들이 수행될 수 있고, 임의의 바람직하지 않은 경향 또는 예측된 값들을 방지하는 데 도움이 되는 권장사항들이 제공될 수 있다. 일부 실시양태들에서, 예측들 또는 비정상 값들은 잠재적인 원인을 좁히는 데 도움이 될 수 있거나 더욱 표적화된 권장사항들을 생성하는 데 도움이 될 수 있는 정보를 사용자로부터 요청하는 인터페이스를 트리거할 수 있다. 이것은 달리 모니터링 데이터를 통해 결정하기 어려울 수 있는 스트레스, 통증, 카페인 또는 알코올 섭취, 식사 패턴 등과 같은 것들에 관한 질문을 포함할 수 있다.
[0034]
본원에서 논의된 바와 같이, 그러한 정보는 웨어러블 모니터링 디바이스(502)와 같은 디바이스로부터 적어도 부분적으로 수집되고 이를 사용하여 제시될 수 있다. 이것은 수면 상태의 의미 있는 분석을 수행하는 데 필요한 종류의 데이터를 얻는 데 방해가 되는 장벽을 감소시키는 데 도움이 될 수 있는데, 웨어러블 디바이스가 데이터 포인트를 더 빈번하게 수집하고 그러한 분석을 정기적으로, 심지어 하루에도 수차례 수행할 수 있고, 이는 카페인을 섭취했을 때의 수면 상태, 활동 및/또는 섭취한 음식에 기반하여 수면이 어떻게 달라지는지 및 사용자가 얼마나 많은 스트레스를 받고 있는지와 같은 관계를 결정할 수 있게 하기 때문이다. 그러한 디바이스는 또한 이러한 수면 데이터가 많은 날들, 주들 또는 개월들과 같은 일정 기간 동안 수집될 수 있게 한다. 장기간에 걸쳐 수집된 데이터는 다양한 수면 메트릭들에 대해 더 나은 평균 값들 또는 범위들을 제공하는 데 도움이 될 수 있으며, 또한 수면의 경향 또는 패턴을 식별하는 데 도움이 될 수 있다. 그러한 데이터 수집은 또한 주어진 밤 동안의 데이터가 주어진 사용자에 대해 전형적인지 아니면 비전형적인지 여부를 결정하는 데 도움이 될 수 있으며, 이는 수집된 데이터를 컨텍스트에 배치하는 데 도움이 될 수 있다. 예를 들어, 하룻밤의 데이터만을 캡처하는 수면 연구의 경우, 그러한 결정들은 일반적으로 불가능하므로 해당 분석의 정확도가 제한될 수 있다.
[0035]
일 실시양태에서, 사용자는 광학 측정 서브시스템 광용적맥파(photoplethysmogram: "PPG") 컴포넌트(552) 및 가속도계와 같은 컴포넌트를 포함하는 모니터링 디바이스(502)를 착용할 수 있다. PPG는 도 5b에 예시된 바와 같이 착용자의 손목에 근접한 디바이스의 한 양상에 하나 이상의 방출기들 및 하나 이상의 검출기들을 사용하고 시간 경과에 따라 광 흡수의 변경을 측정하는 것과 같이 피부를 조명함으로써 체적 측정치들을 얻을 수 있다. 이들 변경들의 빈도는 사용자의 심박수 또는 맥박을 나타낼 수 있다. 이들 측정치들은 모션 효과에 민감할 수 있기 때문에, 적어도 일부 실시양태들에서 사용자의 안정시 심박수(RHR)를 결정하고자 시도하는 것이 바람직할 수 있다. 이것은 사용자가 잠자는 동안 밤에 달성될 수 있지만, 예를 들어 다른 낮은 활동 기간들(또는 심지어 활동-독립적인 기간들)도 다양한 실시양태들의 범위 내에서 사용될 수 있다. 모니터링 디바이스(502)는, 예를 들어, 광학 신호의 피크들을 검출함으로써 심박수를 결정할 수 있다. 일부 경우들에서, 과도한 모션으로 인해 명확한 피크가 없을 수 있어서 심박수가 안정적으로 검출될 수 없다. 가속도계, 관성 센서 또는 기타 그러한 센서 또는 컴포넌트를 포함하는 모니터링 디바이스(502)의 경우, 과도한 움직임의 기간들이 결정된 다음, 분석으로부터 제외될 수 있다. 다른 예시적인 실시양태들에서, 이들 기간들 동안의 데이터는 여전히 이용될 수 있지만, 분석에서는 모션 효과들이 고려된다. 가속도계와 같은 센서를 또한 사용하여 전체 수면 기간(예를 들어, 오후 11시부터 오전 7시까지)을 결정할 수 있다. 그 다음, 사용자의 RHR 추정치를 계산할 수 있다. 일 실시양태에서, 하룻밤 동안의 심박수 값들의 히스토그램이 생성될 수 있다. 이러한 히스토그램의 10번째 백분위수와 같은 특정된 측정치를 RHR의 대표 값으로서 취할 수 있다. RHR 값들은 사용자가 적어도 5분과 같은 적어도 최소한의 기간 동안 가만히 있었던 시간 세그먼트들(time segments)만을 사용하고 충분히 높은 신호-대-노이즈 비로서 광학 신호를 사용하는 것과 같은 다른 방식으로도 결정할 수 있다. RHR 값은 일단 결정되면, 수면 기간들을 포함하여 그 대상체에 대한 전체 날짜를 특징화하는 데 사용할 수 있다. 모니터링 디바이스는 피부 온도를 측정하는 데 사용될 수 있는 온도 센서와 같은 본원에서 논의된 바와 같은 다른 센서 또는 검출기도 포함할 수 있으며, 그 다음 상기 디바이스는 건강-관련 데이터(506)의 하나 이상의 추가 디스플레이들을 통해 상기 피부 온도를 사용자에게 표시할 수 있다.
[0036]
캡처된 생리학적 데이터는 심박수(HR), RHR, SpO2, 헤모글로빈 농도, 수분 보유량, 피부 피지 또는 콜라겐 함량, 혈액 또는 간질 조직 중의 지질 함량, 수면 로깅(sleep logging), 수면의 질, 수면 지속시간, 수면 단계들 아키텍처(sleep stages architecture architecture)(입면부터의 시간, 침대에 있는 총 시간, 총 깨어 있는 시간을 포함하나 이에 제한되지 않음), 낮 동안 및 수면 동안의 HRV 메트릭들, HR-유도된 메트릭들, 상이한 HR 영역에서의 소요 시간, 호흡률, 활동 시간(분), 운동 로깅, 고도계 변경들, 걸음 수, 음식 로그들, 수분 로그들, 체중 측정치들, 체질량 지수, 신체 임피던스 분석, 기분 로그들, 증상 로깅, 시간대의 변경들, 위치, 기초 체온, 구강 온도, 귓속 온도, 소변 또는 혈액 검사 샘플에 의해 검출된 호르몬 수준 등을 포함하나 이에 제한되지 않는 임의의 잠재적으로 관련된 데이터를 포함할 수 있다. 일례에서, RHR 및 헤모글로빈 농도들에 대한 데이터는 본원에서 논의된 바와 같은 광학 센서의 선택을 사용하여 수집될 수 있지만, 다른 접근법들도 사용될 수 있다. 본원에서 논의된 데이터는 단지 예시에 불과하며 메트릭들과 정보의 다른 조합들 또는 유형들도 다양한 실시양태들의 범위 내에서 사용될 수 있음을 이해해야 한다.
[0037]
적어도 일부 실시양태들에서, 사용자에 대해 결정된 수면-관련 정보는 다수의 상이한 디바이스들 또는 통신 채널들을 사용하여 다수의 상이한 방식들로 사용자 또는 관련 엔티티에 제시되거나 제공될 수 있다. 이것은 다른 그러한 옵션들 중에서 분석을 위한 원시 데이터 또는 그러한 분석 결과를 포함할 수 있다. 적어도 하나의 실시양태에서, 수면-관련 데이터는 도 6의 시스템 개요(600)에 예시된 바와 같이, 사용자가 착용한 웨어러블 모니터링 디바이스(602) 또는 사용자와 연관된 컴퓨팅 디바이스(606)와 같은 디바이스를 사용하여 수집되거나 결정될 수 있다. 적어도 일부 실시양태들에서, 그러한 데이터는 또한 사용자와 연관된 하나 이상의 스마트 디바이스들(604)에 의해 수집될 수 있다. 그러한 스마트 디바이스는 수면 분석 또는 기타 그러한 건강 또는 상태 분석에 유용할 수 있는 데이터를 수집하거나 결정할 수 있는 임의의 디바이스를 포함할 수 있으며, 그 연결이 적어도 하나의 네트워크(610)에 걸쳐 직접적일 수 있는 유선 또는 무선 연결을 통한 또는 하나 이상의 다른 디바이스들 또는 채널들을 통한 것과 같은 일부 방식으로 다른 컴퓨팅 디바이스에 그 데이터를 제공할 수 있다. 스마트 디바이스는, 예를 들어, 온도 데이터를 제공할 수 있는 스마트 온도조절기, 상태 데이터(예를 들어, 켜짐/꺼짐 상태, 밝기, 볼륨, 청색광 상태 또는 표시되는 콘텐츠의 유형)를 제공할 수 있는 스마트 텔레비전, 설정 데이터를 제공할 수 있는 스마트 알람, 액세스 데이터를 제공할 수 있는 스마트 냉장고 및 기타 그러한 장치들을 포함할 수 있다. 적어도 하나의 실시양태에서, 이러한 데이터는 수면 분석 기능을 갖는 애플리케이션을 실행하는 태블릿 또는 데스크탑 컴퓨터와 같은 사용자 컴퓨팅 디바이스(606)에 의한 분석을 위해 수집될 수 있다. 적어도 일부 실시양태들에서, 이러한 데이터의 적어도 일부는 건강 모니터링 디바이스(602) 또는 건강 모니터링 소프트웨어와 연관된 서비스 제공자 시스템(608)에 제공될 수 있다. 일부 실시양태들에서, 사용자는 이러한 서비스 제공자(608)에 의해 제공되는 서비스에 대신 가입할 수 있고, 그 다음 상기 서비스 제공자는 데이터를 수신하고 수면-관련 분석 또는 권장사항들을 제공할 수 있다. 일부 실시양태들은 또한 이러한 데이터 수집 또는 분석의 적어도 일부분을 위해 또는 분석에 유용한 관련 데이터를 수집하기 위해 제3자 시스템(612) 또는 서비스를 이용할 수 있다. 예를 들어, 이러한 제3자 시스템(612)은 다른 개인들에 대한 수면 데이터, 업데이트된 수면 분석 등을 제공할 수 있다. 일부 실시양태들에서, 제3자 시스템(612)은 스마트 디바이스들(604) 중 하나 이상과 연관될 수 있고, 이러한 디바이스들에 의해 수집되고 제3자 시스템에 제공되는 데이터를 제공할 수 있다. 예를 들어, 문과 창문 열림, 모션, 연기 및 기타 그러한 데이터에 관한 정보를 제공할 수 있는 스마트 알람 시스템은 그 데이터를 제3자 보안 시스템(612)에 제공할 수 있으며, 그 다음 상기 제3자 보안 시스템은 사용자 및 현지 개인정보 보호법 등에 의해 허용될 경우 분석을 위해 이러한 데이터의 적어도 일부를 수면-관련 서비스 제공자(608)에게 제공한다.
[0038]
그러한 접근법은 다수의 유형들의 디바이스들(602, 604, 606)이 개인의 수면과 관련될 수 있는 데이터를 수집하는 데 사용될 수 있기 때문에 다양한 이점들을 갖는다. 그 다음, 이러한 데이터는 이러한 데이터를 집계 및 분석하여 다양한 수면-관련 메트릭들 및 기타 그러한 정보를 결정할 수 있는 디바이스, 시스템 또는 제공자에게 적어도 하나의 네트워크(610)를 통해 전송될 수 있다. 그러한 접근법은 또한 유익한데, 그 이유는 대부분의 데이터 분석 및 처리가 원격 시스템, 서비스 또는 디바이스에 의해 수행될 수 있으므로 이러한 데이터를 수집하고 전송하는 데 사용되는 디바이스가 상당한 처리 또는 메모리 용량을 가질 필요가 없기 때문이다. 그러한 접근법은 또한 적어도 이러한 서비스 제공자가 다른 사용자들 또는 개인들을 위해 디바이스로부터 데이터를 수집할 수도 있고 이를 통해 유사한 기간들 동안 다른 사람들과의 더 정확한 비교가 가능할 수 있다는 사실로 인해 유익할 수 있다.
[0039]
그러한 수면 분석 또는 기타 건강 또는 상태 분석의 결과들은 이들 또는 기타 그러한 시스템들, 디바이스들, 서비스들 또는 제공자들에게 다시 제공될 수도 있다. 예를 들어, 텔레비전의 볼륨을 줄이거나 방의 조명을 어둡게 하는 것과 같은 상태를 조정하거나 작업을 수행하기 위해 데이터 또는 명령들이 스마트 디바이스(604)에 제공될 수 있다. 일부 실시양태들에서 데이터 또는 명령들은 관리 디바이스와 같은 중앙 시스템 또는 디바이스에 제공될 수 있으며, 그 다음 상기 중앙 시스템 또는 디바이스가 특정 작업을 수행하거나 특정 변경을 실시하도록 개별 명령들을 관련 디바이스들에 전송할 수 있다. 데이터 또는 명령들은 사용자가 착용하고 있는 모니터링 디바이스(602)에 제공되어 비교적 즉각적으로 수신되어야 하는 프롬프트들 또는 권장사항들을 사용자에게 제공할 수 있다. 데이터 또는 명령들은 또한 업데이트된 수면 동물 또는 동물 상태, 수면 메트릭들의 변경, 수면 개선을 위한 권장사항들 등을 제공하는 것과 같이 사용자에게 제시하기 위해 사용자 컴퓨팅 디바이스(606)에 제공될 수 있다.
[0040]
사용자가 스마트 홈, 또는 적어도 중앙 집중식 제어 시스템을 갖거나 갖지 않을 수 있는 스마트 기능들 또는 디바이스들을 갖는 가정에 살 수 있는 상황에서, 이러한 스마트 데이터의 적어도 일부는 수면 분석을 위해 캡처될 수 있다. 게다가, 수면 분석 또는 예측들의 결과들에 적어도 부분적으로 기반하여, 이들 스마트 디바이스들 또는 특징들 중 적어도 일부에 대한 명령들 또는 권장사항들이 제공될 수 있다. 예를 들어, 가정은 스마트 제어기를 가질 수 있다(독립형 디바이스든, 가정 내부 또는 외부의 컴퓨터에서 실행되는 소프트웨어든). 이러한 제어기는 다수의 스마트 디바이스들 또는 적어도 네트워크-연결된 디바이스들과 인터페이스할 수 있다. 이러한 네트워크는 와이파이, Bluetooth®, 직접 유선 또는 무선 연결, 적외선 통신, 근거리 통신(NFC) 등을 포함할 수 있는 하나 이상의 네트워킹 또는 통신 프로토콜들 또는 채널들을 사용하여 제공될 수 있다. 이들 디바이스들은 수면 결정을 하거나 수면-관련 데이터에 반응하여 생성된 하나 이상의 명령들에 기반하여 조치를 취하는 데 유용할 수 있는 데이터를 제공할 수 있는 임의의 디바이스들을 포함할 수 있다. 그러한 디바이스들은 스마트 기기들, 텔레비전들, 스피커들, 보안 시스템들, 모니터들, 센서들 등을 포함할 수 있지만, 이에 제한되지 않는다. 이들 디바이스들은 하나 이상의 센서들 또는 기타 그러한 메커니즘들을 이용할 수 있으므로, 예컨대 온도, 압력, 모션, 광, 소리, 색상, 작동 상태, 디바이스 상태의 변경들 등을 포함할 수 있는 캡처되거나 결정될 수 있는 다양한 유형들의 데이터를 제공할 수 있다. 이들 디바이스들은 또한 현재 또는 미래의 수면 상태와 관련된 원하는 변경들과 관련될 수 있는 수면 모니터링 애플리케이션 또는 중앙 모니터링 서비스로부터 수신된 명령들에 기반하여 변경을 수행할 수 있다. 이것은, 예를 들어, 작동 상태의 조정, 구성의 변경, 켜기 또는 끄기 등을 포함할 수 있다. 디바이스가 적어도 하나의 조정을 수행하게 하는 것은 소프트웨어 및/또는 하드웨어 자원들을 사용하여 명령들, 요청들 또는 호출들을 제공하거나 실행하는 것을 포함할 수 있다. 이것은 디바이스, 시스템, 서비스 또는 프로세스의 기능, 상태 또는 작동에 영향을 미치는 작업을 수행하기 위해 회로, 기계들 또는 전자장치들을 사용하는 것을 포함할 수 있다. 언급된 바와 같이, 이것은 다른 그러한 옵션들 중에서 디바이스 또는 시스템 내에서 별도의 디바이스 또는 시스템으로 또는 네트워크를 통해 명령들을 제공하는 것을 포함할 수 있다. 또한, 다른 그러한 옵션들 중에서 디스플레이가 그 디스플레이의 활성화 또는 밝기를 변경하거나 그 디스플레이를 통해 제시된 콘텐츠를 변경하는 것과 같이 디바이스 또는 컴포넌트에 대해 수행된 다양한 유형들의 조정들이 있을 수 있다.
[0041]
예를 들어, 사용자가 너무 늦게 잠자리에 들거나 잠드는 데 문제가 있는 것으로 결정되는 경우, 적절한 시간에 하나 이상의 스마트 디바이스들에 명령들을 전송하여 사용자가 잠들도록 돕고자 시도할 수 있다. 이것은 스마트 워치 또는 피트니스 트래커가 진동하거나 알람을 울리거나 또는 다른 방식으로 하품을 하거나 잠자리에 들 준비를 하는 관련 수면 동물을 애니메이션화하는 것을 수반할 수 있는 프롬프트 또는 알림을 제공하는 것을 포함할 수 있다. 사용자가 연결된 스마트 텔레비전을 시청하고 있는 경우, 볼륨을 낮추고 밝기를 줄이고 더 낮은 블루라이트 함량을 갖는 디스플레이 모드로 전환하라는 명령들이 전송될 수 있다. 조광 가능한 스마트 조명들 또는 플러그들이 연결되어 있는 경우, 조명들의 밝기를 줄이라는 명령이 전송될 수 있다. 다른 유형들의 명령들도 전송될 수 있으며, 이들은 다른 그러한 옵션들 중에서 단일 인스턴스들 또는 일정 기간에 걸쳐 취해진 조치들을 위해 전송될 수 있다. 사용자가 대신 잠을 덜 자거나 더 일찍 기상하려고 시도하는 경우, 커피 메이커를 활성화하거나 미디어 플레이어를 활성화하거나 조명을 켜서 사용자가 기상하는 것을 돕고자 시도하는 명령이 전송될 수 있다.
[0042]
적어도 일부 실시양태들에서, 이들 명령들은 수면자 유형 또는 수면 목표에 기반할 뿐만 아니라 사용자의 현재 수면 또는 건강 상태에 기반하여 결정될 수 있다. 예를 들어, 스마트 알람이 특정 시간에 울리도록 설정되어 있지만 사용자가 깊은 수면 또는 REM 수면의 상태에 있고 사용자가 그러한 상태에서 깨어나기를 원하지 않는 경우, 알람은 사용자가 기상하거나 얕은 수면에 있는 지점까지 지연될 수 있다(사용자 또는 일정에 의해 허용될 때). 유사하게, 사용자가 잠들도록 돕기 위해 특정 시간에 조치가 취해져야 하지만, 사용자가 이미 잠든 경우, 이러한 조치들 중 적어도 일부는 이때에 수행되지 않을 수 있다. 조명 끄기와 같은 일부 조치들은 계속 취해질 수 있지만, 수면 알림을 트리거하는 것과 같은 다른 조치는 취해지지 않을 수 있다. 일부 디바이스들의 경우, 사용자가 이미 잠들어 있고 이때에 잠들기 위해 도움이 필요하지 않은 경우, 밝기를 줄이는 대신 스마트 조명을 끄는 것과 같이 수면 상태에 기반하여 다른 조치들이 취해질 수 있다. 사용자가 현재 위치하지 않는 환경들을 포함하여 사용자와 연관된 환경에서 하나 이상의 디바이스들에 대한 다양한 다른 변경들이 이루어질 수 있다. 예를 들어, 사용자가 귀가 중이고 도착한 직후 잠들고자 하는 경우, 스마트 홈의 디바이스들은 원하는 목표에 대응하는 적어도 하나의 설정을 활성화하거나 비활성화거나 작동 상태를 변경하거나 조정할 수 있다. 이것은, 예를 들어, 수면 동안 더 낮은 온도로 조정하기, 조명을 비교적 낮은 밝기로 조정하기, 잔잔한 음악을 켜기, 사람의 주의를 산만하게 할 수 있는 임의의 것을 끄기 등을 포함할 수 있다. 사용자가 곧 취침을 시도해야 한다는 프롬프트 또는 알림을 제공하는 것과 같이 스마트 워치 또는 웨어러블 디바이스에 대한 조정 등이 자동적으로 이루어질 수도 있다. 일부 실시양태들에서, 이들 변경들 중 적어도 일부는 자동적으로 발생하지 않을 수 있지만, 원하는 목표에 기반하여 사용자에 대한 프롬프트에 반응하여 발생할 수 있다. 예를 들어, 사용자가 게스트와 함께 도착하는 경우, 사용자는 스마트 홈이 수면 모드로 들어가는 것을 원하지 않을 수 있다. 시스템이 사용자의 일정 또는 작업 목록에 대한 액세스를 갖고 있고 목적하는 활동 또는 이벤트가 있다고 결정할 수 있는 경우, 시스템은 이를 사용하여 수면 모드로 들어가지 않고 대신 디폴트 모드, 게스트 모드 또는 기타 그러한 모드로 들어가기로 결정할 수 있다. 예컨대 오디오 또는 비디오 데이터를 사용함으로써 게스트가 떠났다고 결정할 수 있는 경우, 스마트 홈은 그 시간에 수면 모드로 들어가는 것으로 결정할 수 있다.
[0043]
일부 실시양태들에서, 사용자가 잠들거나 잠에서 깨어나는 것을 도울 뿐만 아니라, 결정된 수면-관련 데이터에 기반하여 사용자의 수면을 개선하거나 조정하고자 시도하도록 조정들이 수행될 수 있다. 예를 들어, 소정의 밤에 사용자가 평소보다 더 얕은 수면을 경험하거나 계속 깨는 경우, 시스템은 그 사용자가 다시 잠들거나 더 깊은 수면 상태에 들어가는 것을 돕도록 조정들을 수행할 수 있다. 이것은, 예를 들어, 온도 조정, 음향 기계의 활성화, 스마트 침대의 설정(예를 들어, 경도(firmness))의 조정, 야간 조명 밝기의 조정 등을 포함할 수 있다. 언급된 바와 같이, 이들 조정들 중 적어도 일부는 또한 특정 사용자에 대해 알려진 정보 또는 특정 범주의 수면자와 관련이 있는 것으로 결정된 정보에 적어도 부분적으로 기반할 수 있다. 그러한 변경들의 영향 또는 효과는 또한 이러한 개별 사용자에게 보다 적절한 변경을 수행하고 일반적으로 또는 수면자 유형에 기반하여 사용자들 전반에 걸친 정보를 집계하기 위해 시간 경과에 따라 모니터링될 수 있다.
[0044]
언급된 바와 같이, 다양한 실시양태들에서 이러한 기능의 일부는 자동적으로 수행될 수 있는 반면, 이러한 기능의 일부는 수동 지시 또는 확인을 필요로 할 수 있다. 이것은 사용자가 조치를 취하도록 권장하거나 그러한 조치를 취하는 것을 승인하는 것을 포함할 수 있다. 그 다음, 사용자가 취한 조치 및 이어서 수면 상태 또는 기타 건강 상태에 대한 영향을 시간 경과에 따라 모니터링하여 더 나은 권장사항들을 만들고자 시도할 수 있다. 이것은 이러한 사용자가 취할 수 있는 조치뿐만 아니라 일단 취해진 이러한 조치들의 영향에 기반할 수 있다. 일부 실시양태들에서, 본원의 다른 곳에 논의된 바와 같은 기계 학습을 사용하여, 그러한 정보에 적어도 부분적으로 기반하여 취해질 조치를 추론하려고 할 수 있다. 사용자에 대한 프롬프트들은 사운드, 오디오, 비디오, 이미지 데이터, 진동들 또는 햅틱 피드백 등을 포함할 수 있는 다양한 형태를 취할 수 있다. 이들 프롬프트들은 웨어러블 컴퓨터 또는 프롬프트의 필요성을 수신하거나 결정한 다음, 적절한 프롬프트, 알림 또는 제시를 제공할 수 있는 임의의 적절한 디바이스에 의해 제공될 수 있다. 언급된 바와 같이, 스마트 폰 또는 태블릿 컴퓨터와 같은 컴퓨팅 디바이스는 종종 웨어러블 디바이스 또는 모니터링 시스템뿐만 아니라 하나 이상의 다른 스마트 디바이스들과 통신할 것이며, 이러한 정보는 그 컴퓨팅 디바이스를 통해서도 제공될 수 있다. 가능하다면, 사용자에 의해 적극적으로 사용되는 디바이스의 결정은 예를 들어 사용자에 의해 수신될 가능성이 더 높은 것으로서 알림을 위해 이용될 디바이스 또는 메커니즘에 대해 더 나은 결정을 내리는 데 도움이 될 수 있다. 누르기 정보만을 제공하는 스마트 버튼은 확인 또는 확인 없음과 같은 이진 데이터만을 제공할 수 있는 반면, 태블릿 컴퓨터는 훨씬 더 세분화된 입력을 제공할 수 있으므로, 제공되는 알림 또는 프롬프트의 유형은 또한 프롬프트를 제공하거나 확인을 허용하는 디바이스의 성능에 적어도 부분적으로 기반할 수 있다. 스마트 디바이스가 사용자가 게임을 하거나 영화를 보거나 웹을 탐색하는 것과 같은 사용자가 참여하는 활동에 관한 정보를 제공할 수 있는 경우, 디바이스는 활동의 유형에 적어도 부분적으로 기반하여 가장 영향력 있는 방식으로 제시될 권장사항 및 프롬프트를 제공할 수 있다. 이러한 활동에 관한 정보는 볼륨 낮추기, 상이한 게임 또는 영화로의 변경을 제안하기 등과 같이 취해야 할 조치를 결정하는 데에도 사용될 수 있다. 이러한 활동 정보는 건강 데이터와도 결합될 수 있어, 사용자가 게임을 하고 있고 심박수가 높은 경우, 사용자가 가까운 미래에 잠들려고 시도한다면 사용자를 보다 편안한 상태로 만들기 위해 적어도 게임을 중단하도록 하는 권장이 수행될 수 있다. 사용자가 음악을 듣고 있는 경우, 미디어 플레이어가 자동적으로 재생목록을 조정하여 보다(또는 덜) 편안한 음악 또는 상이한 유형의 음악을 재생할 수 있다. 적어도 일부 실시양태들에서, 심박수 또는 호흡 패턴과 같은 건강 데이터는 이들 변경들의 영향을 모니터링하고 적절한 경우 추가 조정들을 수행하는 데 사용될 수 있다. 스크린 시간 또는 활동의 유형과 같은 해당 활동에 대한 통계는 수면-관련 패턴 또는 요인을 결정하고자 시도하는 데 사용될 수 있으며, 이는 수면 또는 기타 건강-관련 양상을 개선하기 위해 취해야 할 조치를 결정하거나 권장하는 데 도움이 될 수 있다.
[0045]
적어도 일부 실시양태들에서, 이들 권장사항들, 프롬프트들 또는 변경들은 위치에 적어도 부분적으로 기반할 수 있다. 사용자가 가정에 있는지, 직장에 있는지, 휴가 중인지 등의 여부와 같은 적어도 특정 결정을 내릴 수 있도록 하는 지리적 위치 데이터와 같은 데이터가 이용가능할 수 있다. 권장사항들 또는 조치들은 이러한 위치 데이터에 적어도 부분적으로 기반하여 달라질 수 있다. 이것은 변경을 수행하기 위해 액세스할 수 있거나 액세스할 수 없는 상이한 디바이스들이 이용가능하다는 사실에 적어도 부분적으로 기반할 수 있다. 그러한 경우들에서, 조치 대신에 사용자에게 프롬프트가 표시될 수 있다. 사용자 연락처 정보로부터 결정될 수 있는 바와 같이 사용자가 더 늦게까지 깨어 있어야 하고 친구의 집에 있는 경우, 디바이스는 사용자에게 볼륨 또는 밝기를 높이도록 요청하거나 게임 또는 기타 활동을 제안하도록 권장할 수 있다. 그러나, 사용자가 상점에 있는 경우, 그러한 활동이 불가능하여, 더 빨리 걷기와 같은 다른 권장들이 수행될 수 있다. 그러한 경우에, 디바이스 또는 통신이 취해야 할 조치(들)에 대한 실제 권장사항들을 제공하지 않더라도, 사용자가 잠들기 또는 깨어 있기에 대해 생각하기 시작해야 하고 적절한 조치를 취하기를 원할 수 있다는 통신이 그 사용자에게 대안적으로 제공될 수 있다. 사용자가 상점에서 또는 운전하는 동안에는 잠들지 않아야 하므로, 이러한 위치 데이터도 사용자의 가능한 상태를 결정하는 데 사용될 수 있다.
[0046]
적어도 일부 실시양태들에서, 디바이스 또는 애플리케이션은 상이한 시간들 또는 위치들에서 상이한 시스템들 또는 환경들에 연결될 수 있고, 조치들 또는 권장사항들은 그에 적어도 부분적으로 기반하여 수행되거나 조정될 수 있다. 예를 들어, 사용자 디바이스는 디바이스가 사용자 홈 네트워크에 연결할 수 있거나 지리 데이터를 사용하여 근접성을 결정할 수 있는 때와 같이 사용자가 스마트 홈에 있거나 충분히 가까이 있을 때 그 스마트 홈에 연결할 수 있다. 그 사용자 디바이스는 대안적으로 사용자의 자동차에 있는 네트워크에 연결하고 그 자동차의 스마트 특징들에 액세스할 수 있다. 유사하게, 디바이스는 직장 내의 네트워크에 연결할 수 있거나 그것이 인터넷-연결된 디바이스 또는 기능을 갖는 위치에 있는지를 결정할 수 있다. 이들 위치들 또는 환경들 중 임의의 것에서, 디바이스는 이용가능한 기능뿐만 아니라, 이용가능하거나 수집될 수 있는 데이터의 유형을 결정할 수 있으며 주어진 환경에서 이용가능한 기능의 유형(들)에 적어도 부분적으로 기반하여 권장하거나 조치를 취할 수 있다.
[0047]
일부 실시양태들에서, 사용자에게 권장사항들이 프롬프트되지 않을 수 있지만, 그 정보는 대신 사용자에게 편리한 시간에 사용자에 의한 액세스를 위해 제공될 수 있다. 이것은, 예를 들어, 컴퓨팅 디바이스 또는 네트워크-연결된 인터페이스를 통해 이용가능한 건강 애플리케이션의 인터페이스를 통해 정보 또는 조언들을 제공하는 것을 포함할 수 있다. 예를 들어, 사용자는 그 사용자에 대한 수면자 유형 및 관련 데이터를 제공하는 그 사용자에 대해 결정된 수면 바이오에 액세스할 수 있다. 이러한 바이오는 충분한 수면 취하기 및 충분한 깊은 수면 시간(분)과 같은 사용자가 잘 수행하고 있는 것들뿐만 아니라, 너무 늦게 잠자리에 들고 너무 자주 깨는 것과 같은 사용자가 잘 수행하지 못하는 것들에 대한 이해하기 쉬운 정보를 제공할 수 있다. 개선될 수 있는 영역의 경우, 해당 사용자에 대해 수집된 데이터뿐만 아니라 현재 해당 사용자에 대해 결정된 수면자의 유형에 기반하여 해당 사용자에게 적절할 수 있는 권장사항들이 제공될 수 있다. 이것은, 예를 들어, 적어도 주어진 수면자 유형에 대해 수면의 해당 양상을 개선하는 데 일반적으로 유익한 환경을 변경하는 것을 포함할 수 있다. 일부 경우들에서, 추가 정보로부터 이익을 얻을 수 있는 권장사항들이 있을 수 있다. 그러나, 언급된 바와 같이, 일부 권장사항들은 일부 사용자들에게 불쾌감을 줄 수 있어, 추가 정보를 요청하는 것이 바람직할 수 있다. 예를 들어, 술을 마시지 않는 사람에게 그들이 취침 전에 술을 줄이도록 권장하는 대신, 인터페이스는 커피, 소다, 알코올, 물 또는 기타 그러한 음료와 같은 몇 가지 옵션들을 포함할 수 있고 잠재적인 불쾌감을 줄이는 방식으로 표현된, 사용자가 취침 전에 일 세트의 음료들 중 어느 것을 소비하도록 선택하기 위해 프롬프트할 수 있고, 이러한 정보는 특정 권장사항들의 관련성을 결정하는 데 도움이 되거나 해당 사용자의 건강 또는 상태 정보를 더 잘 결정하는 데 사용될 수 있다. 특정 음료 또는 음식을 소비하는 것이 특정 수면자 유형에 특히 영향을 미칠 수 있는 이유에 대한 정보가 또한 제공될 수 있다. 스마트 냉장고와 같은 디바이스가 예컨대 바코드를 스캔함으로써 사용자가 전형적으로 취침 전에 맥주를 마신다고 결정할 수 있는 경우, 이러한 정보를 사용하여 그러한 추론들 및 권장들을 수행할 수 있다. 사용자가 취했을 수 있는 조치(그 정보가 다른 방식으로 이용될 수 없는 경우) 및 이러한 조치들이 어떠한 차이를 만들었는지의 여부에 대한 사용자의 인상에 관한 정보를 수집하고, 그렇다면 그 차이에 관한 정보를 제공하는 것과 같이 사용자에게 질문을 하는 것은 다른 이유로도 유익할 수 있다. 그러한 정보는 사용자를 더 잘 이해하고, 원하는 목표 또는 결과를 달성하는 데 도움이 될 가능성이 더 높은 조치뿐만 아니라 주어진 시간, 위치 또는 상태에서 사용자가 실제로 취할 가능성이 있는 조치를 포함하여 더 나은 권장사항들을 만드는 데 도움이 될 수 있다.
[0048]
일부 실시양태들에서, 동적 수면 바이오와 같은 사용자 인터페이스는 특정 시간에 사용자에게 질문하는 것과 같은 다수의 상이한 방식들로 사용자로부터 정보를 수집하고자 시도할 수 있다. 이것은, 특정 데이터가 특정 결정, 조치 또는 권장사항에 도움이 될 것이라고 결정될 때 그 특정 데이터를 요청하는 것을 포함할 수 있거나, 질문 또는 조치로 사용자를 압도하지 않으면서 사용자를 이해하는 데 도움이 될 수 있는 시간 경과에 따른 데이터 수집을 포함할 수 있다. 일부 실시양태들에서, 이들 질문들은 작은 터치 스크린을 갖는 스마트 워치 또는 피트니스 트래커와 같은 제한된 인터페이스를 가질 수 있는 디바이스를 통해 취급될 수 있는 간단한 예/아니오 답변이 있는 질문일 수 있다. 다른 실시양태들에서, 이들 질문들은 사용자가 스마트 폰 또는 태블릿 컴퓨터와 같은 더 많은 자원 및 인터페이스 성능을 갖는 디바이스에서 대응하는 앱에 액세스할 때 제시될 수 있다. 일 실시양태에서, 수면 바이오와 같은 콘텐츠 제시의 정보가 사용자가 그들이 어떻게 잠을 자고 그들이 어떻게 수면을 개선할 수 있는지를 이해하는 것을 돕는지의 여부를 평가하는 데 도움이 될 수 있는 하나 이상의 설문조사들이 설계될 수 있다. 이것은, 하나의 설문조사 또는 일련의 소규모 설문조사에서, 사용자들이 고급 메트릭들과 독립적으로 그들의 수면 동물을 이해하는지 여부, 고급 메트릭들이 혼동을 주는지 여부, 다른 무슨 수면 동물들이 사용자와 관련될 수 있는가, 사용자들이 그들이 다른 수면 동물을 가져야 한다고 생각하는지 여부, 특정 유형들의 차트들 또는 디스플레이들이 도움이 되고 쉽게 이해되는지 여부, 사용자가 그들의 수면이 다른 사용자들의 수면과 어떻게 다른지를 명확하게 이해하는지 여부 등을 포함할 수 있다. 그러한 설문조사는 집계된 피드백에 적어도 부분적으로 기반하여 사용자들 간의 바이오 콘텐츠 또는 제시를 개선하는 데 도움이 될 뿐만 아니라, 특정 사용자에 대한 바이오를 사용자 맞춤화하는 데 도움이 될 수 있어, 사용자에게 가장 유용한 정보 선택이 그 사용자에게 제시되고 정보가 도움이 되고 사용자에 의해 잘 수신되는 방식으로 제시된다. 언급된 바와 같이, 수면 바이오는 사용자의 수면에 관해 새로운 수준으로 사용자를 참여시키는 데 도움이 될 수 있다. 이러한 정보의 제시는 사용자들이 그들이 어떤 수면자 유형들인지를 더 잘 이해하는 데 도움이 될 수 있으며, 그들이 더 나은 수면을 위해 무엇을 할 수 있는지를 이해하는 데 도움이 될 수 있다.
[0049]
일부 실시양태들에서, 특정 활동을 식별하기 위해 특정 시간에 짧은 설문조사 또는 심지어 단일 질문이 제시될 수 있다. 예를 들어, 질문은 사용자에게 그 사용자가 단기간에 잠들 수 있는 능력에 영향을 미칠 수 있는, 식사, 음주 또는 흡연과 같은 하나 이상의 활동들에 그들이 참여하고 있는지 여부를 묻는 질문일 수 있다. 이용가능하고 사용자에 의해 허용되는 경우, 그러한 활동들을 식별하는 데 도움이 될 수 있는 임의의 오디오, 카메라 또는 센서 데이터도 사용될 수 있다. 이것은, 예를 들어 최근에 문이 열렸거나 음식이 제거되었음을 나타낼 수 있는 스마트 냉장고, 또는 적어도 일부 양의 연기를 감지하는 연기 감지기 등을 포함할 수 있다. 웹 탐색 또는 팟캐스트 청취와 같은 일부 활동들은 설문지를 통해 또는 해당 활동에 사용되는 디바이스와 통신하여 결정될 수 있다. 사용자의 인식에 대해 문의하기 위해 하나 이상의 질문들이 제시될 수도 있다. 이것은, 예를 들어, 사용자가 피곤함, 스트레스, 걱정, 불안, 완전히 깨어 있음, 우울 등을 느끼는지의 여부를 포함할 수 있다. 지각 데이터가 결국 완전히 정확해지지 않을 수 있지만, 사용자를 더 잘 이해하고 인식들과 수면 패턴들 사이의 상관관계를 만드는 데 도움이 될 수 있다. 이것은, 사용자가 가만히 있는지, 특정 유형들의 통증을 느끼는지, 상해를 입었는지, 당뇨병이 있는지, 임신한 상태인지, 방광 제어 문제가 있는지 등의 여부와 같은 다른 건강 정보에 관해 질문하는 것을 포함할 수 있다. 수면 무호흡 상태, 경련, 질환 상태 또는 약물 섭취(또는 처방)에 관한 정보를 수집하고자 시도할 수 있다. 질문들은 건강과 직접적인 관련이 없지만 평가를 내리는 데 도움이 될 수 있는 다른 문제들, 예컨대 사용자가 교대 근무자인지 아니면 달리 특정 수면 일정을 갖는지의 여부, 사용자가 특정 시간 동안 취침하기 곤란하게 만드는 환경에 있는지의 여부, 사용자가 밤 전반에 걸쳐 자주 또는 무작위로 깰 수 있는 어린 아이의 부모인지의 여부 등과 관련될 수 있다. 이러한 정보는 사용자가 피곤하거나 우울하거나 스트레스를 받는 경우 등에는 특정 활동에 참여하거나 특정 조치를 취할 가능성이 적을(또는 높을) 수 있으므로 사용자에게 더 나은 권장사항들을 만드는 데 도움이 될 수 있다. 사용자는 그들이 현재 자신들이 상이한 수면 동물에 더 유사하다고 생각하는지 여부에 대한 정보를 또한 제공할 수도 있다. 이것은 사용자의 인식들을 더 잘 이해하는 데 도움이 될 수 있으며, 특정 수면 동물을 선택함으로써 사용자가 본질적으로 다른 수면 동물에 대해 지배적인 하나 이상의 수면 메트릭들에 대한 인식된 값들을 제공한다고 추론함으로써 권장사항들 또는 조치들을 맞춤화하는 데 사용될 수 있다. 이러한 정보 중 임의의 것 또는 전부는 또한 결정에서 하나 이상의 요소들의 가중치들을 조정하는 데 사용될 수 있으며, 이는 사용자가 특정 수면 동물에 더 근접하게 정렬되도록 하거나 더욱 확실성 또는 신뢰성 있게 해당 동물과 정렬되도록 할 수 있다.
[0050]
일부 실시양태들에서, 수면 바이오는 사용자가 특정 수면 동물 또는 건강 유형과 연관된 이유에 대한 추가 정보를 제공할 수 있다. 예로서, 예를 들어 25번째, 50번째 및 75번째 백분위수에서 고급 수면 메트릭들의 분포에 기반한 각 수면 동물에 대한 정의 메트릭들을 식별하는 정보가 제시될 수 있다. 정의 메트릭들은 레이더 차트 상의 "피크" 및 "밸리"일 수 있고, 따라서 그들은 심지어 25번째 또는 75번째 백분위수에 대해서도 전형적으로 높거나 낮은 메트릭들이다. 사용자들이 수면 동물들 "사이"에 놓이게 하는 수면 특성들을 갖거나 사용자가 단일 수면 동물과 명확하게 정렬하지 않고 2가지의 상이한 수면 동물들과 유사한 특성들을 갖는 에지 케이스들(edge cases)인 것으로 결정되는 사용자들을 위해 추가 정보가 또한 제공될 수 있다. 예를 들어, 사용자가 높은 "시간당 깨어난 횟수" 값과 높은 "잠들기까지의 시간(분)" 값 둘 다를 갖는 경우, 그 사용자는 캥거루 또는 거북으로서 분류될 수 있다. 사용자에게 적절한 수면 동물 또는 건강 유형을 결정하는 데 도움을 주기 위해, 레이더 차트의 고급 수면 메트릭들 또는 기타 그러한 다차원 수면 공간에 적어도 부분적으로 기반한 상이한 거리 메트릭들을 계산하는 하나 이상의 휴리스틱에 기반하여 클러스터링 후 결정이 내려질 수 있다. 적어도 하나의 실시양태들에서, 그러한 거리 메트릭은 수면 동물-관련 고급 수면 메트릭들과 비교하여 사용자가 유사한 "피크" 및 "밸리" 고급 수면 메트릭을 갖는지 여부에 가중치를 부여할 수 있다. 예를 들어, 캥거루에 대한 피크는 "시간당 깨어난 횟수" 메트릭일 수 있고, 따라서 거리 메트릭들은 "시간당 깨어난 횟수" 메트릭에 더 많은 가중치를 두어 사용자가 캥거루와 연관될 유사한 "시간당 깨어난 횟수" 메트릭을 가져야 함을 보장한다.
[0051]
다양한 거리 휴리스틱이 클러스터링 후에 사용될 수 있다. 이들은, 예를 들어, k-평균 클러스터링 접근법에서 사용될 수 있는 것과 같은 중심 거리 기반 할당을 갖는 유클리드 거리와 같은 메트릭들의 사용을 포함할 수 있다. 다른 거리 메트릭들은 특히 맨하튼 거리(Manhattan distance), 체비쇼프 거리(Chebyshev distance), 코사인 유사도, 레벤슈타인(Levenshtein) 또는 해밍 거리(hamming distance), 켄달-타우 거리(Kendall-Tau distance) 또는 가중 맨하튼 거리(weighted Manhattan distance)를 포함할 수 있다. 하나의 예시적인 구현에서, 가중 맨하튼 거리는 극단적인 백분위수를 보상하는 클러스터링 후 이용된다. 이러한 예에서, 최종 수면 동물은 부분적으로 다음에 의해 결정되었다:
최종 수면 동물 = K 평균 클러스터링으로부터 유도된 "전형적" 수면 동물 고급 메트릭들로부터의 최소 가중 맨하튼 거리를 갖는 동물
취침 시간부터 마지막 깨어남-광-깨어남 사이클까지의 시간과 관련하여, 입면과 유사한 어떤 것을 설명하는 추가 메트릭도 생성 및 검증되었으며, 여기서 빛이 켜진 시기(light epoch)는 1시간 미만이어야 한다. 그러한 접근법은 지속적인 수면까지의 잠복기와 유사할 수 있고 불면증을 앓고 있는 개인을 식별하는 데 도움이 될 수 있다.
[0052]
도 7은 다양한 실시양태들에 따라 이용될 수 있는, 사용자에 대한 수면 정보를 결정하고 수면을 개선하기 위한 하나 이상의 변경들을 수행하거나 권장하기 위한 예시적인 프로세스(700)를 예시한다. 본원에서 논의된 이러한 및 다른 모든 프로세스들에 대해, 달리 언급되지 않는 한 다양한 실시양태들의 범위 내에서 유사하거나 대안적인 순서로 또는 동시에 수행되는 추가적, 대안적 또는 더 적은 수의 단계들이 있을 수 있음을 이해해야 한다. 게다가, 수면은 설명 목적을 위한 예로서 사용되지만, 그러한 접근법은 다양한 실시양태들의 범위 내에서 하나 이상의 사용자들의 다른 신체 또는 정신 상태들, 조건들 또는 활동들을 위해 사용될 수 있음을 이해해야 한다. 이러한 예에서, 여러 날들, 주들 또는 개월들 동안과 같은 여러 수면 기간들 동안 사용자에 대한 수면 관련 데이터가 수집된다(702). 수면-관련 데이터는 사용자가 잠든 시간 및 사용자가 깨어난 시간과 같이 사용자 수면과 직접적으로 관련된 데이터를 포함할 수 있지만, 방의 온도 또는 사용자가 특정 수면 상태에 있거나 상태들 사이를 전환할 때의 노이즈의 양과 같은 수면의 양상과 관련된 단지 누군가일 수 있는 데이터를 포함한다. 이러한 데이터는 직접 입력을 통해 수신하거나 데이터를 생성하거나 제공하기 위한 센서 또는 프로세서를 갖는 디바이스로부터 수신하는 것과 같은 임의의 적절한 방법에 의해 수집될 수 있다. 적어도 일부 실시양태들에서, 노이즈를 제거하고, 중복 데이터를 제거하고, 관련 데이터를 선택하고, 정규화를 수행하는 등과 같은 데이터 전처리가 어느 정도 수행될 수 있다. 데이터는 수동 입력, 디바이스 결정, 센서 검출 등과 같은 다수의 위치들의 다수의 공급원들에서 비롯된 것일 수도 있다.
[0053]
이러한 수집된 데이터의 적어도 일부를 사용하여 사용자에 대한 수면 메트릭들의 세트에 대한 값을 결정할 수 있다(704). 이들은 그 중에서도 REM의 시간 백분율, 평균 수면 시간(시), 평균 취침 시간, 취침 시간 변동성, 평균 회복 길이, 평균 잠들기까지의 시간(분), 시간당 각성 횟수, 긴 각성 횟수, 기간당 낮잠 횟수 및 깊은 수면의 평균 시간(분)을 포함할 수 있는, 수면 분석에 특히 중요한 것으로 결정된 수면 메트릭들을 포함할 수 있다. 그 다음, 이들 사용자 수면 메트릭 값뿐만 아니라 다른 잠재적 메트릭들을 클러스터들의 세트에 대한 값과 비교할 수 있으며(706), 이러한 클러스터들 각각은 수면자 유형(예를 들어, 수면 동물)과 연관되어 있다. 각각의 수면자 유형은 본원의 다른 곳에서 논의되고 제안된 다양한 접근법들을 사용하여 결정되었을 수 있는 해당 수면자 유형의 사용자들을 나타내는 것으로 결정된 값들을 포함할 수 있다. 하나 이상의 거리 휴리스틱 또는 또 다른 그러한 접근법을 사용하여, 이들 수면자 유형들 중 하나를 결정할 수 있거나(708) 또는 달리 결정된 사용자 수면 메트릭들과 가장 근접하게 정렬되는 것으로서 선택할 수 있다. 사용자 수면 메트릭들이 시간 경과에 따라 변경됨에 따라, 그 사용자에 대해 결정된 수면자 유형(예를 들어, 동물)도 변경될 수 있다. 이러한 예에서, 선택된 사용자의 수면자 유형에 관한 정보 및 시각화는, 그 수면자 유형의 사용자의 평균 또는 예상 값들로부터의 개별 분산들에 관한 정보 및 기타 그러한 정보와 함께, 사용자에게 제시하기 위해 이어서 제공될 수 있다(710). 선택된 수면자 유형의 메트릭들을 다른 수면자 유형들의 메트릭들과 대조하는 정보도 제공될 수 있다.
[0054]
사용자에게 수면자 유형 및 그들의 개별 수면 데이터에 대한 정보를 제공하는 것 외에도, 사용자의 수면을 개선하거나 달리 다른 수면-관련 목표를 달성하는 데 도움이 될 수 있는 옵션들 또는 제안들을 사용자에게 제공하는 것이 바람직할 수 있다. 이러한 예에서, 예를 들어 사용자의 상태, 활동, 조건 또는 인식과 관련될 수 있는 추가 정보가 사용자로부터 임의로 요청될 수 있고(712), 여기서 이러한 정보는 수면 결정들 또는 권장들을 수행하는 하는 것과 관련될 수 있지만, 그 밖에 수집된 수면-관련 데이터의 일부분으로서 얻기가 어렵거나 이용가능하지 않을 수 있다. 언급된 바와 같이, 이것은 사용자가 현재 졸리거나 불안해하는지 여부, 사용자가 하루 중 하나 이상의 시점들에서 특정 활동들에 참여했는지 여부 등을 포함할 수 있다. 수면 메트릭들, 수면자 유형 및 수면-관련 데이터 또는 추가 정보 중 임의의 것 또는 전부를 사용하여, 수면을 개선하거나 다른 수면 관련 목표를 달성하는 데 도움이 될 수 있는 하나 이상의 변경을 결정할 수 있다(714). 변경은 사용자 동작 또는 행동의 변경을 포함할 수 있거나, 사용자의 수면에 영향을 미칠 수 있는 디바이스, 시스템 또는 서비스의 작동 또는 상태의 변경을 포함할 수 있다. 이러한 변경들 각각에 대해, 변경이 디바이스, 시스템 또는 서비스에 의해 자동화되거나 자동적으로 수행될 수 있는지 여부에 대한 결정이 내려질 수 있다(716). 그렇지 않다면, 주어진 동작을 수행하거나, 행동을 수정하거나, 디바이스의 작동 상태를 변경하거나, 다른 방식으로 결정된 변경을 수행하도록 하는 권장사항이 사용자에게 제시하기 위해 제공될 수 있다(718). 변경이 자동화될 수 있는 경우, 결정된 변경을 수행하거나 결정된 변경을 초래하거나 그에 대응하는 작업을 수행하기 위해 하나 이상의 관련 디바이스들, 시스템들, 애플리케이션들, 모듈들 또는 서비스들에 하나 이상의 명령들(또는 요청들 또는 호출들 등)이 제공될 수 있다(720). 권장사항이 제공되거나 변경 명령이 전송된 후, 예컨대 변경이 수행되었는지 여부 또는 변경이 수행된 정도뿐만 아니라 임의의 거동 변경 또는 발생한 예측 수면으로부터의 이탈을 결정하기 위해 변경의 상황 및/또는 영향이 모니터링될 수 있다. 그 다음, 이러한 정보는 수집된 수면-관련 데이터와 함께 제공되어 사용자 수면 데이터를 업데이트할 수 있으며, 이는 결정된 수면자 유형, 프로파일, 바이오, 권장사항, 또는 본원에서 제시되거나 제안된 기타 그러한 양상에 대한 변경을 초래할 수 있다.
[0055]
다양한 예시적인 실시양태들은 활동, 수면, 심박수("HR") 등과 같은 웨어러블 모니터링 디바이스 센서를 통해 비침습적으로 수득되고 기록된 객관적인 생리학적 데이터를 캡처하고 고려한다. 이들 생리학적 데이터 변수들 및 메트릭들은, 일부 예들을 통해, 다른 옵션들 중에서도 사용자의 안정시 심박수("RHR") 및/또는 기타 HR-유도된 데이터, 혈액 산소 농도(SpO2) 수준, 심박수 변동성(HRV), 수면 시간 및 질, 운동 수준, 체중, 헤모글로빈 및 수분 농도뿐만 아니라, 피부의 오일/지질/콜라겐 농도와 같은 유사한 바이오마커를 추가로 포함할 수 있다. 다양한 시스템들 및 방법들은 추가로 또는 대안적으로 피부전기 측정들뿐만 아니라 흉부 밴드 또는 심전도("ECG") 패치와 같은 다른 유형들의 디바이스들로부터의 정보를 이용할 수 있다. 사용자와 그들의 웨어러블 모니터링 디바이스, 스마트폰 및/또는 기타 디바이스와의 상호작용에 대한 세부사항 및 조건들, 예컨대 디바이스가 체크되는 빈도 및 버튼을 얼마나 세게 누르는지도 캡처 및 분석될 수 있다.
[0056]
예시적인 실시양태에서, 심박수, 수면 및 신체 활동의 패턴들은 시스템 구성 및 어떤 생리학적 객관적 데이터가 수집되고 분석되는지와 같은 요인에 따라 달라질 수 있는 하나 이상의 예측 모델 알고리즘에 의해 분석된다. 특히, 객관적인 생리학적 데이터 포인트들의 잠재적 범주들은 다음과 같은 가장 예측 가능한 것들을 포함할 수 있다: 안정시 심박수; 심박수 변동성; 1일 평균 걸음 수; 활동 시간(분); 평균적으로 사용자가 잠자리에 드는 시간 및 그들이 기상하는 시간과 같은 평균 수면 일정; 일단 침대에서 잠들기 전의 시간 길이; 수면 중단 횟수; "깊은" 수면의 양을 포함하는 수면 단계들. 적어도 일부 실시양태들에서, 사용자는 길이, 품질 및 단계들 등을 결정하기 위해 수면-관련 데이터의 적어도 일부를 캡처할 수 있는 스마트워치 또는 일부 다른 모니터링 디바이스를 착용할 수 있다.
[0057]
메트릭들의 범주들 및 유형들은 사용자 맞춤화될 수 있고 데이터는 수동적으로 수집될 수 있으며, 이때 사용자는 데이터를 클라우드 또는 다른 네트워크로 전송하기 위해 어떠한 작업도 수행할 필요가 없다. 건강-관련 메트릭들 중 하나 이상을 시간 경과에 따라 모니터링하여 정신 상태와 상관될 수 있는 메트릭들의 변동의 패턴 또는 사이클을 결정할 수 있다. 특히, 입력들의 다양한 범주들 내에서 얼마나 많은 변동이 있는지에 대한 분석은 본원에 제시된 다양한 유형들의 분석을 수행하는 데 도움이 된다고 증명될 것이다. 그 다음, 이러한 정보를 사용하여 예측 모델을 업데이트할 수 있을 뿐만 아니라, 사용자에 대한 해당 메트릭들의 현재 값에 적어도 부분적으로 기반하는 개별 권장사항들을 업데이트할 수 있다. 예측들에 관한 정보 및 예측들에 대한 업데이트는 사용자에게 표시될 수 있으며, 이는 일상의 이벤트들에 맞춰 계획하는 데 도움이 될 수 있다.
[0058]
생리학적 또는 기타 건강 데이터의 적어도 일부는 다수의 디바이스에서 비롯된 것일 수 있다. 예를 들어, 사용자는 정확한 심박수 정보를 제공할 수 있는 "스마트" 링, 피부와 주변 온도 둘 다를 측정하는 손목 온도 센서, 구강 온도 센서 또는 정확한 체온 정보를 제공하도록 구성된 이어버드들을 착용할 수 있다. 이러한 정보는 수신된 다음, 보다 정확한 결과를 생성하고자 시도하기 위해 이용가능한 다른 데이터와 함께 사용될 수 있다. 예를 들어, 이어버드들로부터의 온도 데이터만이 손에 들고 추적하는 데 사용될 수 있거나, 손목 상의 온도 판독값이 주변 온도 등의 변화에 더 민감할 수 있기 때문에 외부 요인으로 인한 것인 임의의 온도 변동들을 제거하기 위해, 일단 시간이 동기화되면, 이어버드들, 스마트 링 및 모니터링 디바이스로부터의 온도 데이터가 모두 함께 분석될 수 있다. 결과들은 평균화되거나 다른 방식으로 대조될 수 있거나, 3개의 판독값들 중 2개가 변동과 일치하지만 3번째는 그렇지 않은 경우, 3번째 디바이스로부터의 데이터는 변동 시간 동안 고려 대상으로부터 제거될 수 있다. 다른 외부 디바이스들로부터의 데이터도 다양한 실시양태들의 범위 내에서 사용될 수 있다. 다른 예를 들면, 혈액 검사 기계, 소변 분석 디바이스들 등으로부터의 데이터가 이용가능한 경우, 다양한 상태들 및 시점들의 예측 시 호르몬 수준 또는 신체 화학에 관한 다른 정보도 사용될 수 있다. 온도와 같은 데이터는 예컨대 스마트 의류, 침대 시트, 웨어러블들 등을 포함할 수 있는 많은 다른 유형들의 디바이스로부터도 수득될 수 있다. 확산반사 분광법, 광-음향 효과들, 광학 간섭 단층촬영, 확산 광학 단층촬영, 시간-게이트 분광법(time-gated spectroscopy) 또는 공간 주파수 도메인 이미징(spatial frequency domain imaging)를 통해 피부의 화학물질과 같은 신체 특성들을 측정하는 광학 디바이스도 다양한 실시양태들의 범위 내에서 사용될 수 있다. 인체의 상이한 양상들은 상이한 패턴들을 가질 것이며, 이들을 학습하고 이용가능한 데이터에 적용시켜 가능한 한 정확한 예측을 할 수 있다. 본원에서 논의된 바와 같이, 시간 경과에 따라 패턴 인식 및 분류의 정확도를 개선하고자 시도하기 위해 기계 학습이 사용될 수 있다.
[0059]
수면-관련 애플리케이션들의 선택 및 심지어 버전들은 사용자 디바이스의 유형 및 저장 공간 및 그의 컴퓨팅 제한에 따라 상이하고 사용자 맞춤화될 수 있다는 점을 유의해야 한다; 디스플레이되는 그래픽 요소의 수는, 가령 데스크톱 모니터와 착용된 모니터링 디바이스들 간에 상이할 수 있는 한편, 필요한 사용자 움직임들도 상이할 수 있다(즉, 스마트워치에서 하나 이상의 스와이프들과 대조적으로 마우스의 움직임 및 클릭). 고해상도 스크린은 더 많은 정보가 디스플레이되도록 할 것이다. 예를 들어, 태블릿 또는 스마트워치에 대해 그렇게 함으로써, 터치스크린의 부분들은 픽셀들이 터치에 반응하는 사용자 입력 영역들로서 미리 결정된다. 물론, 더 큰 디스플레이 영역을 필요로 하는 일부 인터페이스들은 단순히 전형적인 스마트워치 또는 심지어 휴대폰에서 찾아볼 수 있는 것과 같은 작은 스크린에 적합하지 않을 수 있다.
[0060]
일 실시양태에서, 사용자에 대한 야간 심박수 기록은 먼저 얕은 수면, 깊은 수면 및 급속 안구 운동("REM") 수면을 포함할 수 있는 다양한 수면 단계들로 나눌 수 있다. 그 다음, HRV 파라미터들 및 HR을, 원하는 경우, 전체 밤에 대해서가 아니라 수면 단계에 대해서만 계산할 수 있다. 수면의 비-REM 섹션들(예를 들어, 얕은 수면 및 깊은 수면)에 대해서만 계산된 RHR(또는 HRV로부터 유도된 메트릭)의 모델은 본원에서 논의된 목적을 위한 예측 모델과 관련하여 사용할 수 있다.
[0061]
다른 실시양태에서, 사람의 호흡률을 PPG 신호로부터 추출할 수 있다. 호흡률은 전형적으로 분당 12회 내지 20회로 측정할 수 있다. 각 밤 또는 일련의 밤 동안 평균 호흡률을 추출할 수 있다. 대상체의 활동 수준을 또한 추척할 수 있으며, 이는 예측 모델에서 사용되는 안정시 HR 및 HRV 파라미터들에 영향을 미칠 수 있는 심한 운동 및 기타 격렬한 신체 활동과 같은 교란요인을 수정하는 데 사용할 수 있다.
[0062]
적어도 일부 실시양태들에서 분석 및 예측들과 동시에, RHR과 같은 HR 정보가 사용자에 대해 모니터링될 수 있다. 언급된 바와 같이, 이것은 본원에서 논의되고 제안된 하나 이상의 접근법들을 사용하여 사용자에 대한 RHR 날짜를 수득하기 위해 수면 기간 동안 및 최소 비활동 기간 후에 모니터링 디바이스(102)를 사용하는 것을 포함할 수 있다. 이용가능한 안정시 심박수 패턴 정보가 없는 것으로 결정된 경우, 그러한 패턴 정보를 이용하지 않고도 프로세스를 계속할 수 있다.
[0063]
다시 말하면, 이들 HR 데이터 및 다른 메트릭들을 사용하여 건강 문제를 예측할 수 있고, 일부 실시양태들에서 이들 메트릭들과 접근법들의 조합들을 사용하여 예측들의 정확도를 개선하고자 시도할 수 있다. 다른 실시양태들에서, 상기 논의된 바와 같은 사용자 입력 기반 예측을 사용하든, 측정 또는 검출된 신체 및 건강 데이터에만 기반하든, 둘 이상의 측정들을 조합하여 예측을 개선하고자 시도할 수 있다. 예를 들어, 일 실시양태에서 사용자의 HR 정보 및 혈액 또는 조직 화학을 사용하여 정신 상태를 스크리닝할 수 있다. 예를 들어, 적혈구 또는 백혈구의 농도 또는 수, 또는 헤모글로빈, 페리틴, 혈청 철, 말초 모세관 산소 포화도(SpO2), 수분, 지질, 콜라겐, 피지 또는 전형적으로 사람의 혈액 또는 피부 조직 또는 피부 표면에서 발견되는 기타 성분들의 농도 또는 양에 변동들이 있을 수 있다. 체온의 변동들은 온도 센서를 사용하여 결정될 수도 있다.
[0064]
다양한 예시적인 실시양태에 따른 모니터링 디바이스는 본원에서 논의되고 제안된 것들과 같은 광학 방출기, 센서들 및 기타 컴포넌트들을 사용하여 사용자의 신체에서 헤모글로빈 및 수분 함량(예를 들어, 헤모글로빈 대 수분 비, 또는 혈액 및 조직 중의 헤모글로빈 또는 수분 농도의 상대적 변화)의 비침습적 실시간 측정을 수행할 수 있다. 인간 피부의 광 흡수량은 헤모글로빈 및 수분 농도의 차이에 따라 달라질 수 있다. 이것은 적외선("IR") 또는 근적외선 스펙트럼의 파장을 갖는 광의 경우에 특히 현저할 수 있다. 헤모글로빈 농도가 감소할수록 헤모글로빈에 의한 광 흡수량이 감소한다. 광 흡수량은 또한 산소 포화도의 변화에 기반하여 상이한 양만큼 변화할 것이며, 흡수 차이들은 상이한 파장들에서 더욱 두드러진다. 따라서, 일부 실시양태들에서 모니터링 디바이스(102)는 헤모글로빈 및 물 농도의 변동들을 검출하기에 적절한 제1 파장의 제1 방출기 및 제2 파장의 제2 방출기를 포함할 수 있는 한편, 다른 실시양태들에서 디바이스(102)는 SpO2의 변동을 검출하기에 적절한 제2 파장의 제3 방출기를 포함할 수 있는 한편, 일부 추적 디바이스(102)는 SpO2의 변화를 검출하기에 적합한 파장을 포함할 수 있지만, 일부 추적 디바이스(102)들은 둘 다(또는 두 표적 파장 대역들 모두에서 광을 선택적으로 또는 동시에 방출할 수 있는 방출기 어셈블리)를 포함할 수 있다. 일 실시양태에서, 모니터링 디바이스(102)는 SpO2 및 헤모글로빈 함량의 변화를 검출하기 위한 약 600 내지 1000 nm 범위의 2개의 파장들을 갖는 2개의 발광 다이오드들(LED), 및 수분 함량의 변동들을 측정하고 처음 2개의 LED 중 하나와 결합될 때 헤모글로빈 대 물 비를 측정하기 위한 1000 내지 1500 nm 범위의 파장을 갖는 또 다른 LED를 포함할 수 있다.
[0065]
안정시 심박수 데이터와 마찬가지로, 헤모글로빈, 수분 농도 및 SpO2와 같은 메트릭들에 대한 값들은 순환적일 수 있다. 이들 메트릭들이 시간 경과에 따라 사용자의 신체에서 어떻게 변동하는지 및 이들 변동들이 정신 상태에 어떻게 대응하는지를 모니터링함으로써, 메트릭들의 측정들을 사용하여 건강-관련 이벤트들 및 에피소드들의 시기를 예측할 수 있다. 이들 파라미터들의 변경들은 또한 사용자의 신체에서 표시 또는 다른 잠재적인 문제일 수 있으므로, 일부 실시양태들에서 의사를 만나거나 다른 조치를 취하는 것을 권장하기 위해 사용될 수 있다.
[0066]
일부 실시양태들에서, 소프트웨어 애플리케이션은 사용자의 신체의 검출된 변경에 반응하여 사용자에게 질문할 수 있다. 예를 들어, 수면 패턴의 변경은 위치 또는 스트레스의 변경으로 인한 것일 수 있다. 새로운 의약 또는 운동 패턴과 같은 다른 변경도 측정의 적어도 일부에 영향을 미칠 수 있다. 이러한 정보를 얻음으로써, 소프트웨어는 특정 값들 또는 기간들을 제외할지의 여부, 해당 값들에 차등적으로 가중치를 부여할지의 여부 등을 결정할 수 있다. 다양한 실시양태들의 범위 내에서 모션 센서들 또는 기타 활동 추적으로부터 이용가능한 정보를 사용하여 이들 요인들 중 일부를 결정하고자 시도할 수도 있다.
[0067]
헤모글로빈 농도와 관련하여, 일 실시양태에서, 사용자의 체내의 농도는 근적외선("NIR") 분광법과 같은 광학 기술들을 사용하여 측정된다. NIR 접근법들은 예컨대 780 nm 내지 2500 nm 범위의 파장을 가질 수 있는 NIR 스펙트럼에서 방사선을 방출하는 방출기를 이용할 수 있다. NIR은 다른 광학 기술들보다 피부에 더 깊이 침투할 수 있다는 점에서 다른 광학 기술에 비해 장점을 갖는다. 흡수되지 않은 방사선의 부분들은 적어도 대응하는 파장 대역에 걸쳐 방사선을 검출할 수 있는 센서를 갖는 하나 이상의 검출기로 다시 반사될 수 있다. 검출기(들)에 의해 결정된 흡수 데이터를 다른 그러한 옵션들 중에서 주성분 분석("PCA") 또는 신경망들과 같은 다변량 접근법을 사용하여 분석하여, 대상체의 체내 혈액 조성에 관한 정보를 결정할 수 있다. 하나 이상의 광학 분산 요소들을 사용하여 측정을 위한 특정 파장을 분리할 수 있다. 일례에서, 피부 표면의 아티팩트들(artifacts)뿐만 아니라 압박 또는 기타 외부 영향으로 인해 발생할 수 있는 피부의 변동들을 설명하고자 시도하기 위해 2개의 검출기가 상이한 포지션들에서 사용된다. 일부 장치들은 덜 민감한 검출기를 가질 것이고 일부 장치들은 피부에 밀착되는 반면 일부 장치들은 어느 정도 분리될 수 있으므로 침투 깊이와 농도의 변동들에 대한 민감도 간에는 상호절충이 있을 수 있기 때문에, 헤모글로빈 및 수분 농도를 측정하는 데 사용되는 특정 파장(들)(예를 들어, 900 내지 1500 nm)은 특정 구현 및 설계에 부분적으로 의존할 수 있다. 다른 그러한 옵션들 중에서 실리콘 및 인듐 갈륨 비소로 제조된 검출기를 포함할 수 있는 상이한 재료들의 검출기들 및 이에 따른 상이한 감도들 및 정확도들이 또한 사용될 수 있다. 다양한 실시양태들에 따른 디바이스들은 또한 상이한 방출 파장들을 갖는 하나 초과의 방출기 또는 하나 초과의 파장을 방출하는 방출기들 등을 이용할 수 있다. 일부 실시양태들에서, 정확도는 부분적으로 피부에 대한 장치의 배향, 피부에 대한 근접성 또는 장치로 인한 임의의 피부 압박(예컨대, 트래커를 피부 주위에 단단히 착용하거나 수면 동안 신체의 다른 부분에 의해 압박됨에 의한)에 의존할 수 있다. 따라서, 일부 실시양태들에서 압력 센서, 카메라 또는 다른 센서는 그러한 요인들 또는 변동들을 설명하고자 시도하기 위해 사용될 수 있다.
[0068]
생리학적 데이터를 시간 경과에 따라 수집한 다음, 필터링하여, 자연적 변동들뿐만 아니라 운동, 식단, 스트레스 및 수면의 변경과 같은 외부 영향으로 인한 것일 수 있는 데이터의 무작위 변동들 및 노이즈를 감소시킬 수 있다. 다른 유형들의 데이터 처리가 사용될 수 있을 뿐만 아니라 본원에 포함된 교시 및 제안에 비추어 당업자에게 자명할 것이다. 언급된 바와 같이, 다양한 실시양태들에서, 휴식 또는 수면 기간 동안 측정들이 수행될 수 있고, 여기서 일정 기간 동안 포지션의 변경들은 비교적 거의 없을 것이다. 산소 또는 헤모글로빈 신호의 변경들이 움직임들 또는 포지션의 변경들에 의해 트리거될 수 있어, 휴식 기간들은 보다 정확하거나 일관된 결과들을 제공하거나 많은 외부 요인들과 독립적인 신체의 실제 상태를 나타낼 수 있다. 일부 실시양태들에서, 모니터링 또는 다른 연관된 디바이스는 가속도계들, 고도계들, 관성 센서들 또는 기타 그러한 컴포넌트들을 이용하여 움직임을 모니터링할 수 있으며, 디바이스는 대상체가 측정을 수행하기 위해 적어도 정해진 비활동 기간 동안 (허용되는 임계 움직임 양 내에서) 가만히 있을 때까지 기다릴 수 있다. 이것은 수준이 평형점에 도달하는 데 충분한 시간을 제공할 수 있고, 이에 따라 적어도 일부 실시양태들에서 더 큰 정확도를 가능하게 한다.
[0069]
시간 경과에 따라 수집된 필터링된 데이터는 각각의 메트릭들에 대해 결정된 패턴을 결정하거나 업데이트하기 위해 분석될 수 있다. 이것은 생리학적 데이터를 하나 이상의 예측 모델들에 입력하여 그 안에서 발견되는 임의의 패턴들을 포함하는 생리학적 데이터가 신체 또는 정신 상태와 관련된 하나 이상의 바이오마커들과 상관되는지 여부를 식별하는 것을 포함할 수 있다. 생리학적 데이터와 비교하는 데 사용되는 바이오마커는 개방형(open-ended)이며 다음을 포함하지만, 이에 제한되지 않는다:
· 낮은 수준의 활동(예를 들어, 심박수가 심장강화운동 구역(cardio zone) 또는 피크 구역(peak zone)에 있는 1일 평균 총 시간(분); 예를 들어, 이 바이오마커가 더 낮은 값을 가질 때, 우울증 위험이 더 높다);
· 가변적 수면(하룻밤당 수면 시간(분)의 표준 편차 또는 취침 시간 또는 각성 시간의 표준 편차, 이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다);
· 높은 안정시 심박수(최대(또는 평균) 안정시 심박수; 이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다);
· 빠른 입면 잠복기(sleep onset latency)(취침 시간과 입면 사이의 평균 시간(분), 이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 낮다);
· 낮은 1일 평균 걸음 수(이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다);
· 수면 기간 동안 긴 각성 기간 또는 간격(즉, 고도로 방해받은 수면; 이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다);
· 낮은 심박수 변동성(이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다);
· 늦은 취침 시간(이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다); 및
· 느린 REM 개시 잠복기(이 바이오마커가 더 높은 값을 가질 때, 우울증 위험이 더 높다).
[0070]
예측 모델들은 더 정확한 패턴 정보를 얻기 위해 추가 데이터에 기반하여 패턴 정보를 업데이트할 수 있다. 일부 실시양태들에서, 상태 데이터는 최근 생리학적 데이터가 연령, 호르몬 수준들 등의 변경들과 같은 사용자의 건강의 변경들을 설명하기 위해 패턴 결정에 더 많은 영향을 미치도록 가중치 부여되거나 감소될 수 있다. 현재 정보가 스크리닝 또는 초기 분석을 형성하기에 충분할 수 있지만, 추가 정보가 수신되고 분석됨에 따라 예측 모델들은 더 정확해질 것이다.
[0071]
다양한 실시양태들의 범위 내에서 생리학적 데이터를 분석하고 상관시키기 위해 다양한 알고리즘들 및 접근법들이 사용될 수 있다. 사용자의 신체에 관한 정보는 모니터링 디바이스, 또는 정신 및 신체 상태 및 건강 정보와 상관될 수 있는 기타 그러한 추적 디바이스에 의해 수득될 수 있다. 이것은 기본 패턴으로서 다양한 개인들에 대한 알려진 정보를 포함할 수 있지만, 더 정확한 예측들을 제공하기 위해 특정 개인에 대해 업데이트되거나 결정될 수도 있다. 분석들, 상관관계들 및 결정들은 다른 그러한 옵션들 중에서 고급 신호 처리 방법들, 평균화 또는 다른 방식으로 추가 기간들 동안 얻은 데이터의 집계에 의해 및/또는 데이터를 기계 학습 알고리즘에 공급함으로써 수행될 수 있다. 생리학적 데이터는 결정된 패턴에 기반하여 예측을 생성하는 데 사용할 수 있다. 또한, RHR 정보의 변화가 시간 경과에 따라 결정됨에 따라, 예를 들어, 예컨대 RHR이 우울 또는 불안 상태의 시작을 나타내는 경우에 예측이 업데이트될 수 있다.
[0072]
데이터는 정보를 사용하여 미래의 정신 또는 신체 상태를 예측할 수 있는 예측 모델링 또는 기계 학습 프로세스에 대한 입력들로서 제공될 수 있다. 언급된 바와 같이, 심박수, 활동, 수면 및 본원에 논의된 기타 사항들과 관련될 수 있는 다양한 생리학적 데이터 입력들이 있을 수 있다. 패턴들을 결정하고 각각의 이용가능한 유형의 데이터를 위해 사용하여 더 정확한 결정을 내리고자 시도할 수 있다. 데이터 값들은 예컨대 다른 그러한 요인들 중에서 예측 또는 정확도의 강도에 기반할 수 있는 상이한 양들에 의해 가중치 부여될 수 있다. 이들 가중치들은 기계 학습 또는 사용자의 신체 또는 상태의 변경들 등에 기반할 수 있는 것과 같이 시간 경과에 따라 업데이트되거나 수정될 수 있다. 또한, 상대적 가중치들에도 영향을 줄 수 있는 상이한 신뢰도 수준들 또는 기타 요인들이 있을 수 있다. 선택된 가중값들은 또한 일부 신호들의 신호-대-노이즈 비에 의존할 수 있다.
[0073]
일반적으로 말하면, 기계 학습 기술들(확장)을 통해, 하나 이상의 시스템들은 메트릭들의 세트, 생리학적 데이터에서 및/또는 그 밖에 특정 사용자 또는 일반 집단에 대해 훈련될 수 있다. 그 다음, 생리학적 데이터 및 기타 메트릭들이 특정 사용자로부터 캡처되고 훈련된 시스템에 의해 분석되어 그 사용자의 메트릭들 간의 관계가 결정된 다음, 정신 상태 상황 및/또는 지침이 사용자에게 푸시될 수 있다.
[0074]
예를 들어, 컨볼루션 신경망(convolutional neural network: "CNN")을 사용하는 기계 학습 시스템은 수면 동안 HR 메트릭들을 추출하도록 설계될 수 있다. CNN은, 예를 들어, 상이한 수면 단계들 동안의 데이터 세트와 같은 데이터 세트에 대해 훈련될 수 있고 최적의 수면 단계가 결정될 수 있다. 장단기 기억 신경망(long short-term memory neural network: "LSTM"), 은닉 마르코프 모델(hidden Markov model) 또는 기타 시계열 모델은 이전 이력에 기반하여 상태 이벤트를 예측하도록 설계될 수 있으며, 이러한 모델은 또한 본원에서 논의된 적절한 변수들 중 임의의 것을 고려할 수 있다. 다중 LSTM 모델들은 다양한 실시양태들에서 정신적 또는 신체적 건강과 관련된 상이한 요인들을 예측하도록 훈련될 수 있다. 더욱이, 피드포워드, 회귀, 방사 기저 함수, 모듈형 및/또는 자가-조직화 신경망을 적용하는 것은 확실히 본 개시내용의 범위 내에 있다.
[0075]
논의된 바와 같이, RHR과 수면 데이터 둘 다 또는 다른 그러한 메트릭들의 함수인, 일부 실시양태들에서 생성된 하나의 패턴이 있을 수 있다. 일부 실시양태들에서, 심층 신경망 또는 다른 기계 학습 접근법은 다른 그러한 정보 중에서 수득된 메트릭들에 기반하여 패턴을 "학습"하는 데 사용될 수 있다. 본원에서 논의되고 제안된 것들을 포함하는 다양한 다른 예측 모델링 패턴들 및 접근법들도 사용될 수 있다. 예측 모델링을 통해 식별된 상관관계들 및 패턴들을 사용하여 정신 건강-관련 이벤트뿐만 아니라 잠재적으로 다른 관련 이벤트들의 다음 발생 시기를 예측할 수 있다. 패턴 및 상관관계 정보는 일부 실시양태들에서 언제든 추가 정보가 제공되거나 수득될 때마다 업데이트될 수 있다.
[0076]
언급된 바와 같이, 예측 모델링은 상이한 신체에 대한 데이터 값들에 영향을 미칠 수 있는 다양한 유형들의 정보를 사용하고 적용할 수 있다. 예를 들어, 주어진 날짜 또는 기간 동안 사람이 겪었던 운동 또는 신체 활동의 양에 관한 정보가 수득될 수 있으며, 이는 본원에서 논의된 바와 같은 검출된 생리학적 데이터 값들의 차이들을 설명할 수 있다. 식단, 스트레스, 체중, 체지방률, 체질량 지수("BMI"), 의약 또는 또한 설명될 수 있는 기타 그러한 요인들의 변동들이 있을 수도 있다. 적어도 일부 실시양태들에서, 이들 및 다른 그러한 요인들이 하나 이상의 예측 모델링 스키마에 공급된 다음, 정확한 예측을 위한 조건들을 검증하기 위해 회귀가 적용될 수 있다. 하나 이상의 바이오마커와의 상관관계가 발견되면, 사용자에 대한 적어도 잠재적인 건강 문제가 결정될 수 있다. 프로세스가 계속되고 반복되어 사용자의 상태 상황을 업데이트할 수 있으며, 추가 유형들의 정보는 그 정보가 이용가능하게 되면 고려를 위해 프로세스에 추가될 수 있다. 적어도 일부 실시양태들에서, 예컨대 신체 또는 운동 수준들, 연령 등의 변경들에 대한 권장사항들 또는 가중치들은 시간 경과에 따라 변경될 수 있다.
[0077]
일단 건강 상태 상황이 생성되거나 업데이트되면, 그것은 사용자 또는 또 다른 적절한 또는 인가된 엔티티에게 출력되거나 노출될 수 있다. 상태 상황 정보는 다수의 상이한 방식으로 표시될 수 있다. 사용자가 탐색할 수 있는 다양한 옵션이 있을 수 있으며, 다른 가능성들 중에서 특정 인터페이스 또는 디스플레이가 제공될 수 있다. 일부 실시양태들에서, 다양한 사용자들의 증상들이 결정될 수 있고, 애플리케이션은 그 사용자들에게 전달되는 대응하는 알림과 함께 그 사용자들이 언제 건강-관련 폐해로 고통을 받을지를 예측할 수 있다. 주어진 애플리케이션은 사용자의 목표들에 따라 상이한 보기들을 제공할 수도 있다. 일부 실시양태들에서, 앱은 또한 모니터링된 건강 정보에 적어도 부분적으로 기반하여 건강을 개선하거나 목표를 달성하기 위한 권장사항들을 제공할 수 있다. 생리학적 데이터 및 기타 데이터가 잠재적인 의학적 병태를 나타낼 수 있는 경우에 의사를 만나도록 권장될 수도 있다.
[0078]
언급된 바와 같이, 다양한 실시양태들은 주어진 사용자에 대한 하나 이상의 모니터링/추적 디바이스들을 포함하는 시스템으로서 구현될 수 있다. 다른 실시양태들에서, 실시양태들은 사용자들이 자신들의 디바이스들을 위해 사용할 수 있는 서비스로서 제공될 수 있다. 다른 피트니스 트래커 및 건강 관리 제공자들도 그들의 고객들을 위해 그러한 서비스를 구독하거나 이용할 수 있다. 일부 실시양태들에서, 응용 프로그래밍 인터페이스("API"), 또는 수집된 생리학적 데이터 및 기타 정보가 서비스에 의해 수신될 수 있게 하는 다른 그러한 인터페이스가 노출될 수 있으며, 이는 정보를 처리하고 사용자에 의한 액세스를 위해 결과를 모니터링 또는 관련 컴퓨팅 디바이스에 다시 보낼 수 있다. 일부 실시양태들에서 처리의 적어도 일부는 모니터링 또는 추적 디바이스 자체에서 수행될 수 있지만, 원격 시스템 또는 서비스에 의한 처리는 특히 제한된 용량 또는 처리 능력을 가진 추적 디바이스들에 대해 보다 견고한 처리를 가능하게 할 수 있다.
[0079]
도 8을 보조로 도시된 예시적인 실시양태(800)에서 알 수 있는 바와 같이, 하나 이상의 방출기(802)로부터 방출된 광은 피부로부터 검출기들(804)로 다시 반사될 수 있다. 다양한 실시양태들에서 사용자는 스마트워치 또는 피트니스 트래커와 같은 모니터링 디바이스, 또는 손목에 근접한 다른 PPG 디바이스를 착용할 수 있지만 위치, 다른 실시양태에서 그러한 디바이스는 귀, 손가락 끝, 발목, 목, 상완, 몸통, 다리 및/또는 이마와 같은 위치에서 (예를 들어, PPG 디바이스들의 광원이 인간의 혈관에 인접하도록) 착용될 수 있다. 이러한 실시양태에서 피부 표면의 아티팩트들뿐만 아니라 압박 또는 다른 외부 영향으로부터 야기될 수 있는 피부의 변동을 설명하기 위해 2개의 검출기들(804)이 상이한 포지션들에서 사용된다.
[0080]
광이 방출기(802)로부터 피부로 이동하고 검출기(804) 중 하나로 다시 이동하는 경로는 "광 경로"로 지칭될 수 있다. 광 경로는 일반적인 의미 외에도, 한 위치로부터 다른 위치까지, 전형적으로 광원(또는 방출기)으로부터 광 센서(또는 검출기)까지 광자의 확률론적 경로를 지칭할 수 있다. 방출기(802)에 의해 방출된 광자들은 각각의 검출기(804)로의 많은 상이한 경로들을 따를 것이다. 단순성 및 명료성을 위해, 모든 가능한 경로들의 광학 전력-가중 평균으로부터 발생하는 경로는 일부 실시양태들에서 단순히 광 경로로서 기재된다. 일부 대안적인 실시양태들에서, "광 경로"는 대부분의 광자가 이동하는 경로를 지칭한다. 또 다른 실시양태들에서, "광 경로"는 광원의 중심에 원점을 갖고 검출기(804)의 표면적의 임의의 곳에서 종료되고 방출기 공급원(802)으로부터 검출기(804)까지의 광의 대략적인 경로를 나타내는 근사 벡터를 지칭한다.
[0081]
광 경로는 주어진 방출기 공급원(802)으로부터 주어진 검출기(804)로의 대략적인 광 경로를 나타내기 때문에, 예를 들어 다수의 방출기들(802)과 다수의 검출기들(804)이 있는 경우, 다수의 공급원들 각각과 다수의 검출기들 각각 사이에 별개의 광 경로가 존재한다. 본원에 설명된 실시양태들과 일치하여, 전술한 광 경로들 중 임의의 것과 연관된 PPG 신호들은 HR 및/또는 다른 생리학적 메트릭들을 추정하기 위해 선택적으로 수득되고 이용될 수 있다. 예를 들어, 다수의 경로들 중 어느 하나에 대응하는 PPG 신호들은 신호-대-노이즈 비("SNR")와 같은 품질/신뢰도 메트릭들을 사용하여 비교할 수 있으며, 가장 높은 품질을 갖는 PPG 신호를 선택하여 HR 및/또는 기타 생리학적 데이터를 추정하는 데 사용할 수 있다.
[0082]
도 9는 다양한 실시양태들에 따라 이용될 수 있는 예시적인 컴퓨팅 디바이스(900)의 컴포넌트들을 예시한다. 이러한 예에서, 모니터링 또는 추적 디바이스는 다른 그러한 옵션들 중에서 예컨대 플래시 메모리 또는 DRAM을 포함할 수 있는 메모리 디바이스(904)에 저장될 수 있는 명령을 실행하기 위한 중앙 처리 디바이스("CPU") 또는 그래픽 처리 디바이스("GPU")와 같은 적어도 하나의 프로세서(902)를 포함한다. 당업자에게 명백할 수 있는 바와 같이, 디바이스는 프로세서에 의한 실행을 위한 프로그램 명령들에 대한 데이터 저장소와 같은 많은 유형들의 메모리, 데이터 저장소 또는 컴퓨터-판독가능 매체를 포함할 수 있다. 이미지 또는 데이터에 대한 동일하거나 별도의 저장소가 사용될 수 있다; 착탈식 메모리가 다른 디바이스와의 정보 공유를 위해 이용 가능할 수 있으며, 다른 디바이스와의 공유를 위해 임의의 수의 통신 접근법들이 이용가능할 수 있다. 디바이스는 전형적으로 터치 스크린, 유기 발광 다이오드("OLED") 또는 액정 디스플레이("LCD")와 같은 일부 유형의 디스플레이(906)를 포함할 것이지만, 디바이스들은 다른 수단들을 통해, 예컨대 오디오 스피커들 또는 프로젝터들을 통해 정보를 전송할 수 있다.
[0083]
모니터링 디바이스 또는 유사한 추적 디바이스는 예시된 바와 같이 적어도 하나의 I/O 요소들(908)을 포함할 수 있는 적어도 하나의 모션 검출 센서를 포함할 것이다. 이러한 유형의 센서는 디바이스의 배향 및/또는 움직임을 결정 및/또는 검출할 수 있다. 그러한 요소는, 예를 들어, 디바이스의 움직임(예를 들어, 회전 움직임, 각도 변위, 기울기, 포지션, 배향 또는 비선형 경로를 따른 모션)을 감지하도록 작동가능한 가속도계, 관성 센서, 고도계 또는 자이로스코프를 포함할 수 있다. 배향-결정 요소는 디바이스가 (예를 들어, 기본 축 또는 기타 그러한 양상에 대해) 가리키는 것으로 결정된 방향(예를 들어, 북쪽 또는 남쪽)을 나타낼 수 있는 전자 또는 디지털 나침반을 또한 포함할 수 있다. 디바이스는 또한 디바이스(또는 디바이스의 사용자)의 위치를 결정하기 위한 I/O 요소(908)를 포함할 수 있다. 그러한 포지셔닝 요소는 디바이스의 포지션에 대한 상대 좌표들을 결정하도록 작동가능한 글로벌 포지셔닝 시스템(Global Positioning System: "GPS") 또는 유사한 위치-결정 요소(들)를 포괄하거나 포함할 수 있다. 포지셔닝 요소들은 위치 정보를 브로드캐스트하거나 신호의 삼각측량을 가능하게 하여 디바이스의 위치를 결정할 수 있는 무선 액세스 포인트, 기지국 등을 포함할 수 있다. 다른 포지셔닝 요소들은 디바이스가 위치 정보를 감지하고 수신할 수 있게 하는 QR 코드들, 바코드들, RFID 태그들, NFC 태그들 등 또는 장치가 위치 정보를 얻을 수 있도록 하는 식별자들(예를 들어, 식별자들을 대응하는 위치에 대해 맵핑함으로써)을 포함할 수 있다. 다양한 실시양태들은 하나 이상의 그러한 요소들을 임의의 적절한 조합으로 포함할 수 있다. I/O 요소들(908)은 또한 하나 이상의 생체인식 센서들(biometric sensors), 광학 센서들, 기압 센서들(예를 들어, 고도계) 등을 포함할 수 있다.
[0084]
위에서 언급된 바와 같이, 일부 실시양태들은 사용자의 위치 및/또는 모션을 추적하기 위해 요소(들)를 사용한다. 디바이스의 초기 포지션을 결정할 때(예를 들어, GPS를 사용하여), 디바이스는 요소(들)를 사용하거나 일부 경우들에 위에서 언급한 배향 결정 요소(들) 또는 이들의 조합을 사용하여 디바이스의 위치를 추적할 수 있다. 이해해야 하는 바와 같이, 포지션 및/또는 배향을 결정하기 위해 사용되는 알고리즘들 또는 메커니즘들은 디바이스에 이용가능한 요소들의 선택에 적어도 부분적으로 의존할 수 있다. 예시적인 디바이스는 또한 특정 무선 채널의 통신 범위 내에서 하나 이상의 전자 디바이스들과 통신하도록 작동가능한 하나 이상의 무선 컴포넌트들(910)을 포함한다. 무선 채널은 블루투스(Bluetooth), 셀룰러, NFC 또는 와이파이 채널과 같이 디바이스가 무선으로 통신할 수 있게 하는 데 사용되는 적절한 채널일 수 있다. 디바이스가 당업계에 공지된 바와 같은 하나 이상의 종래의 유선 통신 연결들을 가질 수 있음을 이해해야 한다. 디바이스는 또한 예컨대 종래의 플러그인 접근법들을 통해 또는 전력 매트 또는 다른 그러한 디바이스와의 근접성을 통한 용량성 충전(capacitive charging)과 같은 다른 접근법들을 통해 재충전하도록 작동가능한 배터리를 포함할 수 있는 하나 이상의 전원 컴포넌트들(912)을 포함한다. 일부 실시양태들에서, 디바이스는 사용자로부터 종래의 입력을 수신할 수 있는 적어도 하나의 추가 입력/출력 디바이스(908)를 포함할 수 있다. 이러한 종래의 입력은, 사용자가 디바이스에 명령어를 입력할 수 있게 하는 예를 들어, 푸시 버튼, 터치 패드, 터치 스크린, 휠, 조이스틱, 키보드, 마우스, 키패드, 또는 임의의 다른 그러한 디바이스 또는 요소를 포함할 수 있다. 이들 I/O 디바이스들(908)은 일부 실시양태들에서 심지어 무선 적외선 또는 블루투스 또는 기타 링크에 의해서도 연결될 수 있다. 일부 디바이스들은 또한 음성 또는 기타 오디오 명령어들을 허용하는 마이크 또는 기타 오디오 캡처 요소를 포함할 수 있다. 예를 들어, 디바이스는 버튼을 전혀 포함하지 않고, 시각 및 오디오 명령어들의 조합을 통해서만 제어될 수 있어, 사용자가 디바이스와 접촉하지 않고도 디바이스를 제어할 수 있다.
[0085]
언급된 바와 같이, 많은 실시양태들은 추적 디바이스를 착용한 사람과 같은 인체의 하나 이상의 메트릭들에 대한 데이터를 측정하기 위한 하나 이상의 방출기들(914) 및 하나 이상의 검출기들(916)의 적어도 일부 조합을 포함할 것이다. 일부 실시양태들에서, 이것은 주변 환경의 이미지들을 캡처할 수 있고 디바이스 부근의 사용자, 사람 또는 물체들을 이미징할 수 있는 하나 이상의 카메라와 같은 적어도 하나의 이미징 요소를 포함할 수 있다. 이미지 캡처 요소는 사용자가 디바이스를 작동할 때 사용자의 이미지를 캡처하기에 충분한 해상도, 초점 범위 및 가시 영역을 갖는 CCD 이미지 캡처 요소와 같은 임의의 적절한 기술을 포함할 수 있다. 컴퓨팅 디바이스와 함께 카메라 요소를 사용하여 이미지들을 캡처하는 방법은 당업계에 널리 공지되어 있으며 본원에서 상세히 설명하지 않을 것이다. 이미지 캡처는 단일 이미지, 다수의 이미지들, 주기적 이미징, 연속 이미지 캡처, 이미지 스트리밍 등을 사용하여 수행할 수 있음을 이해해야 한다. 또한, 디바이스는 예컨대 사용자, 애플리케이션 또는 기타 디바이스로부터 명령어를 수신할 때 이미지 캡처를 시작하고/하거나 중지하는 능력을 포함할 수 있다.
[0086]
본원의 광학-배향 논의에 따라, 도 9의 예시적인 디바이스 시스템은 광학 광용적맥파("PPG") 측정들을 수득하기 위해 사용될 수 있는 방출기들(914) 및 검출기들(916)을 포함한다. 일부 PPG 기술들은 단일 공간 위치에서 빛을 검출하거나 둘 이상의 공간 위치로부터 취한 신호들을 추가하는 데 의존한다. 이들 접근법들 둘 다는 HR 추정치(또는 기타 생리학적 데이터)가 결정될 수 있는 단일 공간 측정을 초래한다. 일부 실시양태들에서, PPG 디바이스는 단일 검출기(916)(즉, 단일 광 경로)에 결합된 단일 광원(914)을 사용한다. 대안적으로, PPG 디바이스는 단일 검출기 또는 다수의 검출기들(916)(즉, 2개 이상의 광 경로)에 결합된 다수의 광원(914)을 사용할 수 있다. 다른 실시양태들에서, PPG 디바이스는 단일 광원 또는 다수의 광원들(914)(즉, 2개 이상의 광 경로)에 결합된 다수의 검출기들(916)을 사용한다. 일부 경우들에서, 광원(들)(914)은 녹색, 적색, 및/또는 적외선 광 중 하나 이상을 방출하도록 구성될 수 있다. 예를 들어, PPG 디바이스는 단일 광원(914) 및 각각이 특정 파장 또는 파장 범위를 검출하도록 구성된 2개 이상의 광 검출기들(916)을 사용할 수 있다. 일부 경우들에서, 각각의 검출기(916)는 서로 상이한 파장 또는 파장 범위를 검출하도록 구성된다. 다른 경우들에서, 2개 이상의 검출기들(916)은 동일한 파장 또는 파장 범위를 검출하도록 구성된다. 또 다른 경우에, 하나 이상의 검출기들(916)은 하나 이상의 다른 검출기와 상이한 특정 파장 또는 파장 범위를 검출하도록 구성된다). 다수의 광 경로들을 사용하는 실시양태들에서, PPG 디바이스는 HR 추정치 또는 다른 생리학적 메트릭들을 결정하기 전에 다수의 광 경로들로부터 발생하는 신호들의 평균을 결정할 수 있다. 그러한 PPG 디바이스는 개별 광 경로들을 분해할 수 없거나 다수의 광 경로들로부터 발생하는 개별 신호를 별도로 이용하지 않을 수 있다.
[0087]
일부 실시양태들에서, PPG 기능을 갖는 모니터링 디바이스를 착용한 사용자는 모션(또는 예를 들어 손목-착용 PPG 디바이스의 경우 손목의 뒤틀림)을 포함하는 활동을 수행함으로써 손목 내 혈류의 역학에 영향을 미칠 수 있다. 그러한 경우들에서, PPG 디바이스에 의해 제공되는 HR 추정의 정확도는 감소되거나 손상될 수 있다. 광 검출기(916)에 의해 수신된 광 강도는 전형적으로 크기 순으로 또는 원하는 심장 신호보다 더 크게 이들 움직임들에 의해 변조될 수 있다. 따라서, 이들 움직임들의 신호 효과를 제거하는 전처리 단계를 이용하여 모션 동안의 HR 추정 정확도를 개선할 수 있다. 모션의 해로운 효과 외에도, PPG 디바이스들에서 신호 품질이 감소되는 또 다른 원인은 감지되는 국소 영역의 특성들일 수 있다. 예를 들어, 손목-착용 PPG 센서가 손목의 위 또는 아래로 수 밀리미터만 움직이면, 신호 품질이 급격하게 달라질 수 있다. 또한, 모션 동안, 손목-착용 PPG 디바이스의 특정 부분들은 위치, 포지션 및/또는 배향에 따라 더 많은 모션을 겪을 수 있으며, 따라서 그러한 부분들에 배치된 PPG 센서들은 모션으로 인해 PPG 신호의 더 큰 저하를 초래할 수 있다.
[0088]
다양한 실시양태들은 2개 이상의 독립적으로 어드레싱 가능한(addressable) 공급원-검출기 조합들에 기반한 신호들을 PPG 디바이스가 사용할 수 있게 하여, PPG 디바이스의 신호 품질이 특히 모션을 포함하는 활동 동안 개선되도록 한다. 일부 실시양태들에서, PPG 신호들은 하나 이상의 공급원들 및 상이한 공간 위치들에 배치된 하나 이상의 검출기들을 포함하는 다수의 광 경로들을 통해 획득될 수 있다. 그 다음, 이들 다수의 PPG 신호들을 처리하여 PPG 신호들로부터 (예를 들어, 운동 성분을 제거함으로써) 심장 성분을 단리할 수 있다. 예를 들어, 모션 성분은 가속도계, 비지도 학습 및/또는 이전에 수행된 지도 학습으로부터의 입력에 기반하여 제거될 수 있다. 추가적으로 또는 대안적으로, 이들 다수의 광 경로들에 대응하는 PPG 신호들을 품질 메트릭들을 사용하여 비교하여, HR 또는 기타 생리학적 메트릭들뿐만 아니라 수면 시간 또는 다른 잠재적인 양상들을 추정하기 위해 최고-품질의 PPG 신호가 선택되도록 할 수 있다.
[0089]
모션 신호 제거를 위한 둘 이상의 공급원-검출기 쌍들을 이용하기 위해, 다양한 실시양태들에 따른 PPG 디바이스는 컴퓨터 프로그램을 사용하여 주어진 신호의 모션 성분을 식별하고 복합 신호로부터 모션 성분을 제거함으로써 나머지로서 심장 신호만을 남긴다. 일부 구현들에서, 심장 파형의 시간적 위상은 상이한 광 경로들 사이에서 일정하게 유지되는 것으로 가정되는 반면, 운동 신호의 위상은 모션을 포함하는 활동 동안 PPG 센서가 피부 표면과 상호작용하는 방식으로 인해(예를 들어, PPG/피부 경계면에서의 압력은 광 경로의 광원과 광 검출기의 공간적 위치에 따라 달라질 수 있다) 광 경로들 사이에서 달라질 수 있을 것으로 예상된다. 이러한 개념을 사용하여, PPG 디바이스들은 수학적 모델을 공간 광 경로 신호들에 핏팅하여 심장 및 운동 성분들을 식별할 수 있다. 먼저, 각각의 공급원-검출기 조합에 의해 PPG 신호들이 추출된다. 예를 들어, 2개의 광원들(914) 및 2개의 광 검출기들(916)은 4개의 광원-검출기 조합을 생성할 수 있다. 그 다음, 수학적 모델은 PPG 신호들의 심장 및 운동 성분들과 관련된 특징적 신호들이 추출되는 다양한 공간 지점에 핏팅될 수 있다. PPG 디바이스는 또한 독립 성분 분석(independent component analysis: "ICA") 및 기타 형태들의 블라인드 공급원 분리(blind source separation)를 포함하지만 이에 제한되지 않는 다른 기술들을 구현할 수 있다.
[0090]
일부 실시양태들은 HR 또는 PPG 신호들의 심장 성분들과 관련하여 설명되지만, 본원에 설명된 기술들은 예컨대 SpO2, 또는 생리학적 데이터 또는 메트릭들을 결정하기 위해 PPG 신호로부터 추출될 수 있는 다른 유형들의 신호와 관련될 수 있는 본원에 설명된 다른 유형들의 생리학적 데이터로 확장될 수 있다. 예를 들어, 일부 실시양태들에서, SpO2 값을 결정하는 방법은 아날로그 신호들 또는 아날로그 성분으로부터 샘플링되고 컴퓨터 메모리에 저장된 디지털 데이터를 포함할 수 있는 하나 이상의 PPG 신호들의 제1 세트를 하나 이상의 PPG 센서들(916)로부터 수신하는 단계를 포함한다. PPG 신호들의 제1 세트는 모니터링 디바이스가 사용자에 의해 착용될 때 방출된 광이 사용자의 피부와 상호작용한 후 하나 이상의 방출기들(914)에 의해 이전에 방출된 적색 광 및/또는 적외선에 대응할 수 있다. PPG 신호들의 제1 세트는 노이즈 성분들을 포함할 수 있다. SpO2 값을 결정하는 방법은 아날로그 신호들 또는 아날로그 성분들로부터 샘플링되고 컴퓨터 메모리에 저장된 디지털 데이터를 포함할 수 있는 하나 이상의 PPG 신호들의 제2 세트를 하나 이상의 PPG 센서들 또는 검출기들로부터 수신하는 단계를 추가로 포함할 수 있다. 예를 들어, PPG 신호들의 제2 세트는 광원(914)으로부터 방출된, PPG 신호들의 제1 세트와 상이한 범위들의 파장들로부터 수득될 수 있다. PPG 신호들의 제2 세트는 하나 이상의 녹색 광원들(914)로부터 수득될 수 있다. 일부 경우들에서, PPG 신호들의 제2 세트는 사용자의 심박수를 추적하기 위해 사용되는 디바이스 내의 시스템으로부터 수득된다. 다른 경우들에서, PPG 신호들의 제2 세트는 HR 검출과 별개의 시스템으로부터 수신된다. SpO2 값을 결정하는 방법은 PPG 신호들의 제2 세트의 특징에 기반하여 PPG 신호의 제1 세트를 필터링하여 PPG 신호들의 필터링된 세트를 생성하는 단계를 추가로 포함할 수 있다. 다양한 필터링 기술들을 사용하여 PPG 신호들의 제2 세트의 특징에 기반하여 PPG 신호들의 제1 세트로부터 노이즈 또는 다른 특징들을 제거할 수 있다. 단지 일례로서, HR은 PPG 신호들의 제2 세트의 특징일 수 있다. HR의 경우, 디바이스는 HR 신호의 검출된 주파수에 적어도 부분적으로 기반하여 필터를 생성할 수 있다. 필터들의 예로는 저역 통과 필터, 고역 통과 필터 및 HR 신호의 주파수와 일치하지 않는 주파수를 제외하는 협대역 필터가 포함될 수 있다. SpO2 값을 결정하는 방법은 PPG 신호들의 제1 세트의 파장이 작동하는 기본 신호를 더 잘 측정하기 위해 파장들의 하나의 범위를 사용하는 단계를 추가로 포함할 수 있다. 이러한 기본 신호(또는 그로부터 유도된 특징들)에 기반하여, 디바이스는 PPG 신호들의 제1 세트로부터 노이즈 필터링에 기반하여 PPG 신호들의 제1 세트를 개선할 수 있다. 또한, PPG 신호들의 필터링된 세트를 사용하여 SpO2 값을 생성하고 저장할 수 있다. 일례로서, PPG 신호들의 필터링된 세트는 감소되거나 제거된 노이즈 성분을 가질 수 있으므로 SpO2 값을 생성하고 저장하기 위한 보다 정확한 기준으로서 작용할 수 있다.
[0091]
일부 실시양태들에서, 중간 HR 추정은 2개 이상의 광 경로들로부터의 PPG 신호들에 기반하여 수행될 수 있다. 획득된 PPG 신호들 각각에 대해, PPG 디바이스는 분당 심장 박동수("BPM")의 HR의 추정치를 결정할 수 있고 PPG 신호와 연관된 특정 광 경로에 대한 신호 품질을 나타내는 PPG 신호와 연관된 신뢰도 메트릭을 계산할 수 있다. 예를 들어 PPG 신호의 특성들(예를 들어, 통계) 또는 PPG 신호의 필터링된 버전들을 통해, 중간 HR 추정 없이 신뢰도 메트릭을 계산할 수도 있다. 일부 실시양태들에서, 각각의 신뢰도 메트릭은 단일 PPG 신호에 대응한다. 다른 경우들에서, 각 신뢰도 메트릭은 다수의 PPG 신호들에 대응한다. 특정 예로서, PPG 신호들을 조합하는 각각의 방식(예를 들어, 신호들 A+B, 신호들 A+C, 신호들 B+C 및 신호들 A+B+C)뿐만 아니라 PPG 신호들의 다양한 조합들(예를 들어, 신호들 A, B 및 C 중 적어도 2개를 선택)에 대해 신뢰도 메트릭이 계산될 수 있다. 다른 경우들에서, 하나의 신뢰도 메트릭은 단일 PPG 신호에 대응하고 다른 신뢰도 메트릭은 다수의 PPG 신호들의 조합에 대응한다. PPG 디바이스는 (예를 들어, 가장 높은 신뢰도 메트릭을 갖는 PPG 신호의 HR 추정치를 선택함으로써) 다수의 광 경로들에 대응하는 다수의 HR 추정치들로부터 HR 추정치를 선택할 수 있다. 대안적으로, PPG 디바이스는 개별 및/또는 다수의 PPG 신호들과 연관된 신뢰도 메트릭 값들에 기반하여 다수의 HR 추정치들에 상이한 가중 값들을 할당하고 가중 값들에 기반하여 최종 HR 추정치를 계산할 수 있다. 본 개시내용의 다른 양상들에서와 같이, 신뢰도 값들 및/또는 가중 값들은 기계 학습을 사용하여 업데이트되거나 최적화될 수 있다. PPG 디바이스는 2개의 광 경로들에 대응하는 신뢰도 메트릭 값들이 임계값 내에 있는 경우에 짧은 시간 윈도우에서 광 경로들 사이의 점프를 방지하는 히스테리시스 로직을 구현할 수 있다. PPG 디바이스는 또한 사용자 데이터, 활동 데이터, 움직임 데이터, 또는 PPG 디바이스에 의해 액세스 가능한 다른 데이터에 기반하여 HR 추정치의 선택을 바이어스하도록 구성된 로직을 구현할 수 있다. PPG 디바이스는 예를 들어 정확도를 개선하고 더 나은 사용자 경험을 제공하기 위해 HR 추정치에 평활화 필터를 적용할 수 있다.
[0092]
그러한 접근법의 한 가지 이점은 HR 또는 PPG 감지 디바이스의 기타 생리학적 메트릭 추정 정확도를 개선하기 위해, 특히 디바이스의 사용자가 운동을 하거나 모션을 포함하는 활동을 수행할 때 광원들(914) 및/또는 광 검출기들(916)과 연관된 공간 정보가 상이한 알고리즘들에 의해 사용될 수 있다는 사실에 있다. 기존 구현들은 전형적으로 HR 또는 기타 생리학적 메트릭 추정 성능을 개선하기 위해 알고리즘에 의존하지만, 다수의 광 경로들에 기반하여 생성된 추가 센서 데이터의 이점을 갖지 않는다.
[0093]
도 9를 참조하면, 예시적인 모니터링 디바이스는 다른 그러한 옵션들 중에서 메모리(904), 디스플레이(906), 버스, 하나 이상의 입력/출력(I/O) 요소들(908) 및 무선 네트워킹 컴포넌트들(910)에 결합된 하나 이상의 프로세서들(902)을 포함할 수 있다. 디스플레이(906) 및/또는 I/O 디바이스들(908)은 특정 실시양태에서 생략될 수 있다. 포함된다면, 디스플레이(906)는 HR, 혈액 산소 포화도(SpO2) 수준 및 사용자의 다른 메트릭들과 같은 데이터를 디스플레이하기 위한 인터페이스를 제공할 수 있다. 예를 들어, 프로세서(902)는 광의 검출기들(916)에 의해 생성된 하나 이상의 PPG 신호들에 기반하여 디바이스에 의해 모니터링된 생리학적 메트릭들에 대한 값들을 계산할 수 있다. 일 실시양태에서, PPG 디바이스는 손목 밴드이고, 디스플레이는 사용자가 PPG 디바이스를 착용할 때 디스플레이(906)가 사용자의 손목의 바깥쪽을 등지도록 구성된다. 다른 실시양태들에서, 디스플레이(906)는 생략될 수 있고, PPG 디바이스에 의해 검출된 데이터는 분석, 디스플레이, 보고 또는 기타 그러한 사용을 위해 적어도 하나의 네트워크(918)에 걸쳐 근거리 통신("NFC"), 블루투스, 와이파이 또는 다른 적합한 무선 통신 프로토콜을 통해 무선 네트워킹 인터페이스를 사용하여 호스트 컴퓨터(920)로 전송될 수 있다.
[0094]
메모리(904)는 RAM, ROM, FLASH 메모리 또는 다른 비일시적 디지털 데이터 저장소를 포함할 수 있고, 상기 메모리로부터 로드되고 프로세서(902)를 사용하여 실행될 때 프로세서(902)로 하여금 본원에 기재된 기능을 수행하게 할 수 있는 명령 시퀀스들을 포함하는 제어 프로그램을 포함할 수 있다. 방출기들(914) 및 검출기들(916)은 드라이버 회로(922)를 사용하여 버스에 직접 또는 간접적으로 결합될 수 있고, 상기 드라이버 회로에 의해 프로세서(902)는 광 방출기들(914)을 구동하고 광 검출기들(916)로부터 신호를 수득할 수 있다. 호스트 컴퓨터(920)는 하나 이상의 로컬 영역 네트워크들, 광역 네트워크들 및/또는 지상 또는 위성 링크들 중 임의의 것을 사용하는 인터넷을 포함할 수 있는 하나 이상의 네트워크(918)를 통해 무선 네트워킹 컴포넌트들(910)과 통신할 수 있다. 일부 실시양태들에서, 호스트 컴퓨터(920)는 본원에 설명된 기능들 중 일부를 수행하도록 구성된 제어 프로그램 및/또는 응용 프로그램을 실행한다.
[0095]
일부 실시양태들에서, 각각의 방출기(914)는 개별적으로 제어될 수 있거나, 다수의 검출기들(916)이 사용될 때 각각의 광 검출기(916)는 개별적으로 판독될 수 있고, 그러한 실시양태들에서, 여러 상이한 광 경로들을 따라 PPG 센서 데이터가 수집될 수 있다. 제어 프로그램은 수집된 데이터를 이용하여 보다 정확한 추정 또는 HR 및/또는 기타 생리학적 메트릭들을 제공할 수 있다. 관련된 양상들에서, 프로세서(902) 및 PPG 모니터링 디바이스의 다른 컴포넌트(들)은 하나 이상의 감소된 명령 세트 컴퓨팅(reduced instruction set computing: "RISC") 명령 세트들 및/또는 모니터링 디바이스를 지원하는 기타 소프트웨어 및 하드웨어를 사용하는 하나 이상의 CPU 코어를 포함할 수 있는 시스템-온-칩(System-on-Chip: "SoC")으로서 구현될 수 있다.
[0096]
다양한 실시양태들에서, 방출기(또는 광원)(914)는 LED와 같은 전자 반도체 광원을 포함하거나 필라멘트들, 형광체들 또는 레이저 중 임의의 것을 사용하여 광을 생성한다. 일부 구현들에서, 광원들(914) 각각은 동일한 중심 파장을 갖거나 동일한 파장 범위 내에 있는 광을 방출한다. 다른 경우들에서, 적어도 하나의 광원(914)은 광원들(914) 중 다른 하나와 상이한 중심 파장을 갖는 광을 방출할 수 있다. 광원(914)에 의해 방출된 광의 중심 파장은 495 nm 내지 570 nm의 범위일 수 있다. 예를 들어, 특정 녹색 광원(914)은 528 nm의 중심 파장을 갖는 광을 방출할 수 있다. 다른 실시양태들에서, 광원들(914) 중 하나 이상은 적색 광(예를 들어, 660 nm 중심 파장) 또는 IR 광(예를 들어, 940 nm 중심 파장)을 방출할 수 있다. 일부 실시양태들에서, 광원들(914) 중 하나 이상은 전형적으로 650 nm 내지 940 nm 범위의 피크 파장을 갖는 광을 방출할 수 있다. 보다 구체적으로, 적색 광원(914)은 660 nm의 피크 파장을 갖는 광을 방출할 수 있고, 하나 이상의 적외선 광원(914)은 750 nm 내지 1700 nm 범위의 피크 파장을 갖는 광을 방출할 수 있다. 어떤 종류의 제한도 아닌 예로서, 특정 적외선 광원(914)은 730 nm, 760 nm, 850 nm, 870 nm 또는 940 nm의 피크 파장을 갖는 광을 방출할 수 있다. 일부 경우들에서, LED와 같은 상업적 광원은 제조업체의 특정된 파장으로부터 +/- 10 nm의 중심 파장 허용 오차로 약 20nm 간격으로 출력을 제공할 수 있으므로 광원에 대한 유용한 피크 파장의 하나의 가능한 범위는 650 nm 내지 950 nm이다. 녹색 광원들(914)은 495 nm 내지 570 nm 범위의 파장을 갖는 광을 방출하도록 구성될 수 있다. 예를 들어, 특정 녹색 광원(914)은 528 nm의 파장을 갖는 광을 방출할 수 있다. 녹색 광원(914)은 적색 및 적외선 광원(914)의 쌍들과 동등하게 광 검출기(916)로부터 이격될 수 있다. 가령, 광 검출기들(916)과 제1 적색 광원(914)의 중심 사이의 거리가 2mm인 경우, 광 검출기들(916)과 녹색 광원(914) 사이의 거리도 2mm(예를 들어, 등거리)일 수 있다. 일부 다른 경우들에서, 광 검출기들(916)과 하나 이상의 광원들(914) 사이의 거리는 등거리가 아니다. 게다가, 일부 실시양태들에서, 광원들(914) 중 하나 이상은 다수의 검출기들(916)에 대해 동일하거나 실질적으로 동일한(예를 들어, 1mm 미만의 차이) 위치에서 녹색, 적색 및 적외선 파장과 같은 다수의 파장들을 방출하는 단일 LED 패키지를 포함할 수 있다. 그러한 LED들은 단일 패키지에 단일 다이를 사용하여 공동-위치된 다수의 반도체 요소들을 포함할 수 있다.
[0097]
광원들(914)의 간격은 광원(914)의 측면 또는 광원(914)의 중심으로부터 측정될 수 있다. 예를 들어, 광원들(914)은 각각의 광원(914)의 중심이 광 검출기들(916) 중 가장 가까운 것의 에지로부터 제1 거리에 있도록 구성될 수 있다. 예시적인 실시양태에서, 제1 거리는 2mm일 수 있다. 일부 구현들에서, 각각의 광원(914)은 광원들(914) 중 가장 가까운 광원으로부터 제2 거리에 위치되고, 각각의 광 검출기(916)는 광 검출기들(916) 중 가장 가까운 것으로부터 제3 거리에 위치된다. 일부 실시양태들에서, 제2 및 및 제3 거리는 제1 거리와 동일하다. 다른 실시양태들에서, 각각의 제2 및 제3 거리는 제1 거리와 상이하다. 제2 거리는 제3 거리와 동일하거나 상이할 수 있다. 간격의 특정 크기는 수많은 요인들에 의존할 수 있고 본 개시내용은 실시양태들을 임의의 특정 간격으로 제한하지 않는다. 예를 들어, 1mm(또는 그 이하) 내지 10mm 범위의 간격은 다양한 실시양태들에서 실행가능할 것이다.
[0098]
일부 실시양태들에서, 모든 광원들(914)의 독립적인 제어가 제공된다. 다른 실시양태들에서, 여러 광원들(914)은 갱(gang) 또는 뱅크(bank)로서 함께 제어된다. 각각의 광원(914)의 독립적인 제어 또는 다수의 검출기들(916) 각각으로부터의 독립적인 판독(예를 들어, 다수의 검출기들 각각으로부터 동일하거나 상이한 광 파장에 기반한 독립적인 신호들의 수득)의 이점은 다중 광 경로 접근법을 사용하여 본원에서 논의된 바와 같은 HR 및/또는 기타 생리학적 메트릭들의 추정을 개선할 수 있다는 점이다.
[0099]
광 검출기들(916)은 광원(914)으로부터 방출된 광의 파장을 검출하도록 적응된 하나 이상의 센서들을 포함할 수 있다. 특정 검출기와 결합된 특정 광원(914)은 PPG 센서와 같은 센서를 포함할 수 있다. 제1 PPG 센서 및 제2 PPG 센서는 동일한 광원들(914) 및/또는 검출기들(916)과 같은 컴포넌트들을 공유하거나 상이한 컴포넌트들을 가질 수 있으므로, 실제 실시양태들은 PPG 센서를 구현 시 다수의 컴포넌트들을 사용할 수 있지만, 용어 "PPG 센서"는 이의 일반적인 의미를 갖는 것 외에도, 그러한 배열들 중 임의의 것을 지칭할 수 있다. 용어 "PPG 디바이스"는 이의 통상적인 의미를 갖는 것 외에도, PPG 센서를 포함하는 임의의 디바이스를 지칭할 수 있다. 일 실시양태에서, 광 검출기(916)는 광원들(914)에 의해 사용되는 각각의 상이한 파장의 광을 검출하기 위해 하나 이상의 검출기(916)를 포함할 수 있다. 예를 들어, 제1 검출기(916)는 560 nm의 파장을 갖는 광을 검출하도록 구성될 수 있고, 제2 검출기(916)는 940 nm의 파장을 갖는 광을 검출하도록 구성될 수 있고, 제3 검출기(916)는 528 nm의 파장을 갖는 광을 검출하도록 구성될 수 있다. 예로는 반도체 재료로 제조되고 특정 파장 또는 파장들의 범위의 광만을 허용하는 광학 필터를 갖는 포토다이오드가 포함된다. 광 검출기들(916)은 포토다이오드, 광트랜지스터, 전하 결합 소자("CCD"), 서모파일 검출기, 마이크로볼로미터, 또는 상보적 금속 산화물-반도체("CMOS") 센서 중 임의의 것을 포함할 수 있다. 광 검출기(916)는 본원에서 추가로 설명되는 다중 검출기 요소들을 포함할 수 있다. 검출기들(916) 중 하나 이상은 대역통과 필터 회로를 포함할 수 있다.
[0100]
다른 실시양태들에서, 검출기(916)는 광의 다수의 파장들을 검출하도록 구성된 하나 이상의 검출기들(916)을 포함할 수 있다. 예를 들어, 단일 검출기(916)는 검출기에 결합된 전기 디지털 마이크로프로세서로부터 수신된 데이터에 기반하여 상이한 주파수들에 튜닝하도록 구성될 수 있다. 다른 방식으로, 단일 검출기(916)는 각각의 활성 영역이 파장들의 주어진 범위에 민감한 다수의 활성 영역들을 포함할 수 있다. 단일 검출기(916)는 적색 및 IR 주파수의 파장을 갖는 광을 검출하도록 구성될 수 있고, 제2 검출기(916)는 녹색 주파수의 파장을 갖는 광을 검출하도록 구성될 수 있다. 또한, 각각의 광원들(914)은 이전에 설명된 바와 같이 광의 하나 이상의 상이한 파장들 중 임의의 것을 사용할 수 있다.
[0101]
일 실시양태에서, 광 검출기들(916)은 광원(914)에 의해 방출된 파장들 이외의 광의 파장들을 필터링하도록 구성된 하나 이상의 필터를 갖는 하우징에 장착될 수 있다. 예를 들어, 하우징의 일부분은 광원(914)에 의해 방출된 파장의 광 이외의 주변 광을 제거하는 필터로 커버링될 수 있다. 광원들(914)로부터의 신호들은 검출기(916)에 의해 검출되는 파장과 상이한 파장을 갖는 주변광을 생성하는 주변 광원을 필터링하는 주변광 필터를 통해 광 검출기들(916)에서 수신될 수 있다. LED 및 포토다이오드들이 각각 광원들(914) 및 광 검출기들(916)의 예들로서 사용되지만, 본원에 설명된 기술들은 에지 방출 레이저, 표면 방출 레이저 및 광대역 광을 생성하는 LED-여기된 인광체들(LED-pumped phosphors)과 같은 다른 유형들의 광원들로 확장될 수 있다. 그리고 상기 기술들은 광원들과 검출기들의 다른 조합으로도 확장될 수 있다. 예를 들어, PPG 디바이스는 (i) 단일 또는 다수의 LED들 및 다중-요소 광검출기(예를 들어, 카메라 센서); (ii) LED 어레이 및 단일 또는 다수의 포토다이오드들; (iii) 각 검출기 상에 파장 선택적 필터를 갖는 광대역 LED-여기된 인광체 및 검출기 어레이; (iv) 공간 광 변조기("SLM")(예를 들어, 디지털 마이크로미러 디바이스("DMD"); 또는 (v) 실리콘상 액정(liquid crystal on silicon: "LCoS") 디바이스) 및 단일 또는 다수의 LED들, 이들의 기타 조합, 또는 광원들 및 검출기들의 다른 구성들)을 포함할 수 있다.
[0102]
예시적인 실시양태에 의해 수행될 수 있는 다양한 방법을 예시하기 위해 특정 흐름 논의들 및 도면들이 본원에 제시되지만, 이는 PPG 장치의 CPU 또는 마이크로컨트롤러에 의해 실행될 수 있는 기계 코드를 생성하기 위해 임의의 적합한 프로그래밍 환경 또는 언어를 사용하여 프로그래밍될 수 있는 예시적인 알고리즘들을 단지 예시할 뿐이다. 다시 말하면, 본 문서에 기재된 설명과 함께, 흐름도는 본 개시내용이 속하는 관련 분야의 숙련가들 사이에서 본 주제의 전달을 위해 일반적으로 사용되는 동일한 세부 수준에서 제시된, 청구된 주제 대상의 양상들에 대한 알고리즘들의 개시이다. 다양한 실시양태들은 어셈블리, C, 오브젝티브-C, C++, 자바 또는 기타 사람-판독가능 언어를 사용하여 코딩된 다음, 컴파일되거나 어셈블되거나 다른 방식으로 기계 코드로 변환될 수 있고, 이는 ROM, EPROM, 또는 CPU 또는 마이크로컨트롤러에 결합된 다음, CPU 또는 마이크로컨트롤러에 의해 실행되는 모니터링 디바이스 장치의 기타 기록가능 메모리에 로드될 수 있다.
[0103]
일 실시양태에서, 다수의 광 경로들로부터 수득된 PPG 신호들은 모션 성분을 식별하고 식별된 모션 성분을 복합 신호로부터 제거하여 나머지 또는 최종 신호로서 심장 성분을 남기기 위해 컴퓨터 애플리케이션 또는 프로그램을 사용하여 사용자의 모션과 연관된 신호 성분을 필터링하거나 제거하도록 처리될 수 있다. PPG 신호들은 예컨대 걷기, 운동 또는 수면 기간들과 관련될 수 있는 낮 동안 또는 밤의 다양한 활동들에서 수집될 수 있다. 가속도계, 자이로스코프 또는 고도계를 포함하는 기타 온-디바이스 센서들을 사용하여 적절한 필터를 개발하기 위한 기초로서 활동 또는 사람의 자세를 분류하거나 감지할 수 있다. 이들 필터들 또는 신호 처리 방법들은 다수의 광 경로들과 함께, 목표로 하는 PPG 데이터의 변동성 감소를 위해 사용할 수 있다. 제한이 아닌 예로서, 가속도계 데이터는 PPG 데이터를 필터링하고 특정 자세를 조사하여 다른 신체 배향들을 제거하기 위한 신호 처리 방법을 개발하는 데 사용할 수 있다. 이것은 PPG 데이터의 노이즈를 감소시키고 해당 광 경로들에 대한 해당 생리학적 변수들을 더 잘 평가하는 데 도움이 될 수 있다.
[0104]
다양한 실시양태들에서, 본원에서 논의된 접근법들은 모니터링 디바이스 또는 2차 디바이스, 예컨대 모니터링 디바이스, 서버, 호스트 컴퓨터 등에 페어링된 모바일 디바이스에서 작동하는 펌웨어 중 하나 이상에 의해 수행될 수 있다. 예를 들어, 모니터링 디바이스는 모션 성분들을 제거하고 HR, SpO2 및/또는 기타 생리학적 데이터 메트릭들에 대한 최종 추정값을 생성하기 위한 작동들을 수행하는 서버로 업로드되거나 다른 방식으로 전달되는 신호들을 생성하는 것과 관련된 작동들을 실행할 수 있다. 대안적으로, 모니터링 디바이스는 모니터링 신호를 생성하고 모션 성분들을 제거하여 HR, SpO2, 및/또는 모니터링 디바이스에 국소적인 기타 생리학적 메트릭들에 대한 최종 추정 값을 생성하는 것과 관련된 작동들을 실행할 수 있다. 이러한 경우에, 최종 추정치는 그 값을 사용하여 다른 작동들을 수행하는 호스트 컴퓨터와 같은 서버로 업로드되거나 달리 전달될 수 있다.
[0105]
도 9에 도시된 컴포넌트들을 갖는 것과 같은 예시적인 모니터링 또는 추적기 디바이스는 하나 이상의 센서(들) 및/또는 외부 디바이스로부터 하나 이상의 유형들의 생리학적 및/또는 환경적 데이터를 수집하고 그러한 정보를 다른 디바이스들(예를 들어, 호스트 컴퓨터 또는 다른 서버)로 전달하거나 중계함으로써, 수집된 데이터를, 예를 들어 웹 브라우저 또는 네트워크-기반 애플리케이션을 사용하여 볼 수 있도록 한다. 예를 들어, 사용자에 의해 착용되는 동안, 모니터링 디바이스는 하나 이상의 센서(들)를 사용하여 사용자의 걸음 수를 계산 및 저장함으로써 생체인식 추적을 수행할 수 있다. 모니터링 디바이스는 사용자의 걸음 수를 나타내는 데이터를 웹 서비스(예를 들어, www.fitbit.com), 컴퓨터, 휴대폰 및/또는 데이터가 사용자에 의해 저장, 처리 및/또는 시각화될 수 있는 건강 스테이션 상의 계정으로 전송할 수 있다. 언급된 바와 같이, 모니터링 디바이스는, 사용자의 걸음 수에 추가로 또는 이를 대신하여, 많은 다른 생리학적 데이터 메트릭들을 측정하거나 계산할 수 있다. 다시 말하면, 그러한 생리학적 데이터는, 에너지 소비(예를 들어, 소모된 칼로리); 올라간 및/또는 내려간 층들; HR; 심박 파형; HR 변동성; HR 회복; 호흡; SpO2; 혈액량; 혈당; 피부 수분; 피부 색소침착 수준; 위치 및/또는 방향(예를 들어, GPS, 글로벌 네비게이션 위성 시스템(GLONASS) 또는 유사한 시스템을 통해); 높이; 보행 속도 및/또는 이동 거리; 수영 랩 카운트(lap count); 수영 영법 및 감지된 카운트; 자전거 거리 및/또는 속도; 피부 전도; 피부 온도 및/또는 체온; 근전도검사를 통해 측정된 근육 상태; 뇌파검사에 의해 측정된 뇌 활동; 무게; 체지방; 칼로리 섭취; 식품을 통한 영양 섭취; 약물 섭취; 수면 기간들(예를 들어, 시계 시간, 수면 위상들, 수면의 질 및/또는 지속시간); pH 수준들; 수화 수준들; 호흡률; 및/또는 기타 메트릭들을 포함할 수 있지만 이에 제한되지는 않는다
[0106]
모니터링 또는 추적을 위한 예시적인 디바이스는 또한 예를 들어 기압, 기상 조건(예를 들어, 온도, 습도, 꽃가루 수치, 공기 질, 비/눈 조건들, 풍속), 광 노출(예를 들어, 주변 조명, 자외선(UV) 광 노출, 시간 및/또는 어둠 속에서 보낸 기간), 소음 노출, 방사선 노출 및/또는 자기장과 같은 사용자 주변의 환경과 관련된 메트릭들을 측정하거나 계산할 수 있다. 또한, 모니터링 디바이스(및/또는 호스트 컴퓨터 및/또는 다른 서버)는 디바이스의 하나 이상의 센서들로부터 데이터를 수집할 수 있고 그러한 데이터로부터 유도된 메트릭들을 계산할 수 있다. 예를 들어, 모니터링 디바이스는 HR 변동성, 피부 전도, 소음 공해 및/또는 수면의 질의 조합에 기반하여 사용자의 스트레스 또는 이완 수준들을 계산할 수 있다. 또 다른 예에서, 모니터링 디바이스는 예컨대 약물 섭취, 수면 및/또는 활동과 관련된 데이터의 조합에 기반하여 의학적 개입의 효능을 결정할 수 있다. 다시 말하면, 본원의 예는 단지 예시를 위해 제공되며, 제한적이지 않으며 철저하게 설명하기 위함이 아니다.
[0107]
예시적인 모니터링 디바이스는 또한 컴퓨터-판독가능 저장 매체 판독기, 통신 디바이스(예를 들어, 모뎀, 네트워크 카드(무선 또는 유선) 및/또는 적외선 통신 디바이스) 및 전술한 작업 메모리(904)를 포함할 수 있다. 컴퓨터-판독가능 저장 매체 판독기는 원격, 로컬, 고정 및/또는 착탈식 저장 디바이스를 대표하는 컴퓨터-판독가능 저장 매체뿐만 아니라 컴퓨터-판독가능 정보를 일시적으로 및/또는 보다 영구적으로 포함, 저장, 전송 및 검색하기 위한 저장 매체와 연결되거나 이를 수신하도록 구성될 수 있다. 모니터링 시스템 및 다양한 디바이스들은 또한 전형적으로 클라이언트 애플리케이션 또는 웹 브라우저와 같은 응용 프로그램들 및 운영 체제를 포함하는, 적어도 하나의 작업 메모리 디바이스(904) 내에 위치한 수많은 소프트웨어 애플리케이션들, 모듈들, 서비스들 또는 기타 요소들을 포함한다. 대안적인 실시양태들은 전술한 것으로부터 수많은 변형들을 가질 수 있음을 이해해야 한다. 예를 들어, 사용자 맞춤화된 하드웨어도 사용될 수 있고/있거나 특정 요소들이 하드웨어, 소프트웨어(애플릿과 같은 휴대용 소프트웨어를 포함) 또는 이들 둘 다에서 구현될 수 있다. 게다가, 네트워크 입력/출력 디바이스들과 같은 기타 컴퓨팅 디바이스들에 대한 연결이 사용될 수 있다.
[0108]
코드 또는 코드의 부분들을 포함하기 위한 저장 매체 및 기타 비일시적 컴퓨터-판독가능 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, 디지털 다기능 디스크("DVD") 또는 기타 광학 저장소, 자기 카세트들, 자기 테이프, 자기 디스크 저장소 또는 다른 자기 저장 디바이스들, 또는 원하는 정보를 저장하는 데 사용될 수 있고 시스템 디바이스에 의해 액세스될 수 있는 임의의 기타 매체를 포함하여, 컴퓨터 판독가능 명령들, 데이터 구조들, 프로그램 모듈들 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술에서 구현된 휘발성 및 비휘발성, 착탈식 및 비-착탈식 매체를 포함하나 이에 제한되지 않는 당업계에 공지되어 있거나 이용되는 임의의 적절한 매체를 포함할 수 있다.
[0109]
본원에 제공된 개시 및 교시들에 기초하여, 당업자는 다양한 실시양태들을 구현하기 위한 다른 방식들 및/또는 방법들을 이해할 것이다. 따라서, 명세서 및 도면들은 제한적인 의미가 아니라 예시적인 의미로 간주되어야 한다. 그러나, 청구범위에 기재된 본 발명의 보다 넓은 취지 및 범위를 벗어나지 않고 그에 대한 다양한 수정들 및 변경들이 이루어질 수 있음이 자명할 것이다.
Claims (20)
- 컴퓨터-구현 방법으로서,
다수의 수면 기간들에 걸쳐 수집된 사용자에 대한 수면-관련 데이터를 수득하는 단계;
상기 수면-관련 데이터로부터 수면 메트릭들(sleep metrics)의 세트에 대한 상기 사용자 값들을 결정하는 단계;
상기 사용자 값들을 수면자 유형들의 세트의 각각 수면자 유형에 대한 수면 메트릭 값들과 비교하여, 상기 사용자의 수면을 가장 근접하게 나타내는 수면자 유형을 식별하는 단계;
상기 사용자에게 제시하기 위해, 상기 사용자에 대해 식별된 수면자 유형에 관한 정보 및 식별된 수면자 유형의 평균 사용자에 대한 수면 메트릭 값들과 상기 사용자 값들의 비교를 제공하는 단계; 및
상기 사용자와 연관된 전자 디바이스로 하여금, 상기 사용자에 대해 식별된 수면자 유형에 적어도 부분적으로 기반하여 적어도 하나의 조정을 수행하게 하는 단계
를 포함하는 컴퓨터-구현 방법. - 제1항에 있어서,
상기 사용자의 수면 개선을 돕기 위해 상기 사용자에게 제시할 적어도 하나의 권장사항을 생성하는 단계를 더 포함하고, 상기 적어도 하나의 권장사항은 상기 수면 메트릭들에 대한 사용자 값들 및 상기 사용자에 대한 식별된 수면자 유형에 적어도 부분적으로 기반하여 결정되는, 컴퓨터-구현 방법. - 제2항에 있어서,
상기 사용자 또는 상기 사용자의 환경 중 적어도 하나의 현재 상태를 결정하는 단계를 더 포함하고, 상기 적어도 하나의 권장사항 또는 상기 적어도 하나의 조정은 추가로 상기 현재 상태에 기반하여 결정되는, 컴퓨터-구현 방법. - 제1항에 있어서,
상기 수면 관련 데이터의 적어도 한 서브세트는 상기 사용자가 착용한 웨어러블 모니터링 디바이스, 상기 사용자와 연관된 컴퓨팅 디바이스 또는 사용자 주변 환경에 위치한 감지 디바이스로부터 수득되는, 컴퓨터-구현 방법. - 제1항에 있어서,
한 집단의 사용자들에 대한 수면-관련 데이터를 수집하는 단계;
상기 수면-관련 데이터로부터 수면 특징들의 초기 세트를 결정하는 단계; 및
상기 수면 특징들의 초기 세트의 클러스터링을 수행하여 수면자 유형들의 세트에 대응하는 클러스터들의 세트를 생성하는 단계
를 더 포함하는 컴퓨터-구현 방법. - 제5항에 있어서,
하나 이상의 거리 휴리스틱을 사용하여 상기 사용자에 대한 수면자 유형을 식별하여, 상기 사용자 값들을 상기 클러스터들의 세트의 각 수면 메트릭 값들과 비교하는 단계를 더 포함하는 컴퓨터-구현 방법. - 제1항에 있어서,
상기 식별된 수면자 유형에 관한 정보는 상기 식별된 수면자 유형을 나타내는 그래픽 객체를 포함하고, 상기 그래픽 객체는 상기 정보의 서브세트를 상기 사용자에게 전달하기 위해 애니메이션화될 수 있는, 컴퓨터-구현 방법. - 제7항에 있어서,
상기 그래픽 객체는 수면 동물인, 컴퓨터-구현 방법. - 제1항에 있어서,
상기 전자 디바이스에 의해 수행될 적어도 하나의 조정은 디스플레이, 볼륨, 밝기, 모드, 작동 상태, 전력 수준, 통신, 구성 또는 작동의 변경 중 적어도 하나를 포함하고, 상기 조정은 원하는 수면 목표를 달성하는 데 있어서 사용자에게 도움이 되도록 의도되는, 컴퓨터-구현 방법. - 제1항에 있어서,
상기 다수의 수면 기간들은 상기 사용자가 수면 기회를 가졌던 여러 날들에 대응하는, 컴퓨터-구현 방법. - 모니터링 디바이스로서,
디스플레이 디바이스;
비침습적 측정 시스템;
적어도 하나의 프로세서; 및
명령들을 포함하는 메모리
를 포함하고,
상기 명령들은 적어도 하나의 프로세서에 의해 실행될 때 상기 모니터링 디바이스로 하여금:
상기 비침습적 측정 시스템을 사용하여, 다수의 데이터 수집 기간에 걸쳐 수집된 사용자의 생리학적 데이터를 수득하게 하고;
건강 메트릭들의 세트에 대한 사용자 값들이 적어도 상기 생리학적 데이터로부터 결정되게 하고;
사용자 값들을 건강 유형들의 세트 각각에 대한 건강 메트릭 값들과 비교하여 사용자의 건강을 가장 근접하게 나타내는 건강 유형을 식별하게 하고;
사용자에 대해 식별된 건강 유형에 관한 정보를 디스플레이 디바이스에 디스플레이되게 하고; 그리고
상기 식별된 건강 유형 및 생리학적 데이터에 적어도 부분적으로 기반하여 적어도 하나의 자동화된 변경을 트리거하게 하는, 모니터링 디바이스. - 제11항에 있어서,
상기 자동화된 변경은 모니터링 디바이스 또는 외부 전자 디바이스 중 적어도 하나에 대한 것이며, 상기 자동화된 변경은 사용자의 건강 개선을 돕도록 의도되는, 모니터링 디바이스. - 제11항에 있어서,
상기 명령들은 실행될 때 추가로 상기 모니터링 디바이스로 하여금:
사용자의 건강을 개선하기 위한 적어도 하나의 권장사항을 디스플레이 디바이스 상에 디스플레이하게 하고, 상기 권장사항은 식별된 건강 유형에 적어도 부분적으로 기반하여 결정되는, 모니터링 디바이스. - 제11항에 있어서,
상기 건강 메트릭들의 세트에 대한 사용자 값들은 하나 이상의 외부 데이터 공급원으로부터 수득된 수면-관련 데이터에 기반하여 추가로 결정되는, 모니터링 디바이스. - 제11항에 있어서,
상기 사용자에 대한 식별된 건강 유형은 수면자 유형이고, 상기 식별된 건강 유형에 관한 정보는 수면자 유형을 나타내는 그래픽 객체를 포함하고, 상기 그래픽 객체는 상기 정보의 서브세트를 사용자에게 전달하기 위해 애니메이션화될 수 있는, 모니터링 디바이스. - 수면 개선 시스템으로서,
하나 이상의 프로세서들; 및
명령들을 포함하는 메모리
를 포함하고,
상기 명령들은 상기 하나 이상의 프로세서들에 의해 실행될 때 상기 수면 개선 시스템으로 하여금:
하나 이상의 전자 디바이스들로부터 다수의 수면 기간들에 걸쳐 수집된 사용자에 대한 수면-관련 데이터를 수득하게 하고;
상기 수면-관련 데이터로부터 수면 메트릭들의 세트에 대한 사용자 값을 결정하게 하고;
상기 사용자 값들을 수면자 유형들의 세트 각각에 대한 수면 메트릭 값들과 비교하여, 상기 사용자의 수면을 가장 근접하게 나타내는 수면자 유형을 식별하게 하고; 그리고
상기 하나 이상의 전자 디바이스들 중 하나의 전자 디바이스로 하여금, 상기 사용자에 대해 식별된 수면자 유형에 적어도 부분적으로 기반하여 적어도 하나의 조정을 수행하게 하는, 수면 개선 시스템. - 제16항에 있어서,
상기 적어도 하나의 조정은, 상기 사용자에게 제시하기 위해, 상기 사용자에 대한 식별된 수면자 유형에 관한 정보 및 상기 식별된 수면자 유형의 평균 사용자에 대한 수면 메트릭 값들과 상기 사용자 값들의 비교를 제공하는 것을 포함하는, 수면 개선 시스템. - 제17항에 있어서,
상기 식별된 수면자 유형에 관한 정보는 수면자 유형을 나타내는 그래픽 객체를 포함하고, 상기 그래픽 객체는 상기 정보의 서브세트를 상기 사용자에게 전달하기 위해 애니메이션화될 수 있는, 수면 개선 시스템. - 제16항에 있어서,
상기 하나 이상의 전자 디바이스들은 상기 수면-관련 데이터의 적어도 한 서브세트를 제공할 수 있는, 웨어러블 모니터링 디바이스, 감지 디바이스, 사용자 컴퓨팅 디바이스 또는 네트워크-연결된 스마트 디바이스 중 적어도 하나를 포함하는, 수면 개선 시스템. - 제16항에 있어서,
상기 명령들은 실행될 때 추가로 상기 수면 개선 시스템으로 하여금:
상기 사용자의 수면 개선을 돕기 위해 상기 사용자에게 제시할 적어도 하나의 권장사항을 생성하게 하고, 상기 적어도 하나의 권장사항은 상기 수면 메트릭들에 대한 상기 사용자 값들 및 사용자에 대해 식별된 수면자 유형에 적어도 부분적으로 기반하여 결정되는, 수면 개선 시스템.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/162,286 | 2021-01-29 | ||
| US17/162,286 US11478186B2 (en) | 2021-01-29 | 2021-01-29 | Cluster-based sleep analysis |
| PCT/US2022/014235 WO2022165125A1 (en) | 2021-01-29 | 2022-01-28 | Cluster-based sleep analysis |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220110475A true KR20220110475A (ko) | 2022-08-08 |
Family
ID=82593836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227009685A KR20220110475A (ko) | 2021-01-29 | 2022-01-28 | 클러스터-기반 수면 분석 |
Country Status (6)
| Country | Link |
|---|---|
| EP (1) | EP4062425A1 (ko) |
| JP (2) | JP7423759B2 (ko) |
| KR (1) | KR20220110475A (ko) |
| CN (1) | CN115136255A (ko) |
| AU (1) | AU2022201287A1 (ko) |
| CA (1) | CA3151155A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116473527B (zh) * | 2023-06-25 | 2023-08-15 | 深圳大学 | 一种基于大数据的智能母婴健康监护*** |
| CN117275723B (zh) * | 2023-09-15 | 2024-03-15 | 上海全景医学影像诊断中心有限公司 | 一种早期帕金森病预测方法、装置及*** |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5748290B2 (ja) | 2012-02-15 | 2015-07-15 | 株式会社タニタ | 睡眠評価装置及び睡眠評価システム |
| CN105592777B (zh) | 2013-07-08 | 2020-04-28 | 瑞思迈传感器技术有限公司 | 用于睡眠管理的方法和*** |
| KR20170028247A (ko) | 2015-09-03 | 2017-03-13 | 삼성전자주식회사 | 수면 관리 방법 |
| AU2018395245A1 (en) | 2017-12-28 | 2020-07-16 | Sleep Number Corporation | Bed having sleep stage detecting feature |
| JP7110701B2 (ja) | 2018-04-23 | 2022-08-02 | セイコーエプソン株式会社 | 脈拍解析装置および脈拍解析方法 |
| CN110448779B (zh) | 2019-07-10 | 2022-05-06 | 华为技术有限公司 | 一种调整生物节律的方法及装置 |
-
2022
- 2022-01-28 AU AU2022201287A patent/AU2022201287A1/en not_active Abandoned
- 2022-01-28 CA CA3151155A patent/CA3151155A1/en active Pending
- 2022-01-28 JP JP2022515911A patent/JP7423759B2/ja active Active
- 2022-01-28 CN CN202280000500.8A patent/CN115136255A/zh active Pending
- 2022-01-28 EP EP22708727.7A patent/EP4062425A1/en active Pending
- 2022-01-28 KR KR1020227009685A patent/KR20220110475A/ko not_active Application Discontinuation
-
2024
- 2024-01-17 JP JP2024005189A patent/JP2024056697A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024056697A (ja) | 2024-04-23 |
| JP2023520833A (ja) | 2023-05-22 |
| AU2022201287A1 (en) | 2022-08-18 |
| EP4062425A1 (en) | 2022-09-28 |
| JP7423759B2 (ja) | 2024-01-29 |
| CN115136255A (zh) | 2022-09-30 |
| CA3151155A1 (en) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11889994B2 (en) | Menstrual cycle tracking | |
| US20230297163A1 (en) | Monitoring a user of a head-wearable electronic device | |
| US10492721B2 (en) | Method and apparatus for improving and monitoring sleep | |
| US11872041B1 (en) | Determining mental health and cognitive state through physiological and other non-invasively obtained data | |
| US11678838B2 (en) | Automated detection of breathing disturbances | |
| JP6723952B2 (ja) | 非一時的コンピュータ可読媒体、デバイス及び方法 | |
| US11478186B2 (en) | Cluster-based sleep analysis | |
| US20220304603A1 (en) | Wearable device operable to detect and/or manage user emotion | |
| CN108852283A (zh) | 基于生理信息的睡眠评分 | |
| JP7423759B2 (ja) | クラスタベースの睡眠分析の方法、睡眠改善のためのモニタリングデバイスおよび睡眠改善システム | |
| US20220370757A1 (en) | Personalized sleep wellness score for treatment and/or evaluation of sleep conditions | |
| US20220406453A1 (en) | Fitness Fatigue Score Determination and Management Techniques | |
| CN115802931A (zh) | 检测用户温度和评估呼吸***病症的生理症状 | |
| US20220375572A1 (en) | Iterative generation of instructions for treating a sleep condition | |
| US20210202078A1 (en) | Patient-Observer Monitoring | |
| WO2024039450A1 (en) | Fitness fatigue score determination and management techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |