Contribution to a non intrusive long-term sleep monitoring based on wearable patches and an algorithmic classification method
CONTRIBUTION À UNE SURVEILLANCE LONGITUDINALE DU SOMMEIL A DOMICILE BASÉE SUR DES PATCHS PORTABLES ET UNE MÉTHODE DE CLASSIFICATION ALGORITHMIQUE
Résumé
Considerable effort has been devoted to academic and industrial research and development on wireless body networks for sleep monitoring in terms of non-intrusiveness, portability and autonomy. After an extensive review of current research on innovative technological systems and algorithms for sleep monitoring, this work presents three main contributions in sleep monitoring:
- The implementation of a complete hardware architecture based on an IoT network. Movements and temperature data are collected from wearable autonomous devices (chest, wrist, feet), and sound, luminosity and room temperature data are collected from ambient sensors. This data is automatically sent to a remote database for display on a dashboard.
- The proposal of two original methods for sleep stages classification (threshold-based methods and k-means clustering). In this work, the proposed algorithms use only the non-dominant wrist acceleration data. The computations lead to a classification into 4-sleep stages ("awake", "light sleep", "deep sleep" and "REM") for night sleep. The methods were validated with reference to the results obtained by two commercial devices "Fitbit" and "Withings Sleep Analyzer" and the subjective comments of the volunteers on their feelings about their sleep quality. Changes in sleep quality were evaluated between different nights with two volunteers to verify the performance of the algorithms.
- The proposal and definition of sleep indicators to describe the sleep state and its quality via the calculation of a sleep score based on the duration of each sleep stage. Five volunteers were recruited for the tests during 15 nights and the performances between the two proposed algorithms were compared against the results of the "Fitbit" device. In terms of sleep stage classification, the device was compared to the clinical gold standard (PSG Polysomnography) on one subject during one night at the sleep clinic of the Purpan hospital in Toulouse.
This work showed that it was possible to propose a light, non-intrusive, autonomous system for continuous sleep monitoring at home.
Des efforts considérables ont été consacrés à la recherche et aux développements académiques et industriels sur les réseaux corporels sans fil pour la surveillance du sommeil en termes de non-intrusivité, de portabilité et d'autonomie. Après une revue approfondie des recherches actuelles sur les solutions technologiques et les algorithmes innovants pour la surveillance du sommeil, ce travail présente trois contributions principales :
- La mise en œuvre d'une architecture matérielle complète basée sur un réseau IoT. Les mouvements et les données de température sont collectés à partir de dispositifs autonomes portables de type patchs (poitrine, poignet, pieds), et les données de son, de luminosité et de température ambiante sont collectées à partir de capteurs ambiants. Ces données sont automatiquement envoyées à une base de données distante pour être affichées sur un tableau de bord.
- La proposition de deux méthodes originales pour la classification des stades du sommeil (méthodes basées sur des seuils et le partitionnement k-means). Dans ce travail, les algorithmes proposés utilisent uniquement les données d'accélération du poignet non-dominant. Les calculs conduisent à une classification en 4 stades de sommeil ("éveillé", "sommeil léger", "sommeil profond" et "sommeil paradoxal") pour le sommeil nocturne. Les méthodes ont été validées en se référant aux résultats obtenus par deux dispositifs commerciaux "Fitbit" et "Withings Sleep Analyzer" et aux commentaires subjectifs des volontaires sur leurs ressentis concernant la qualité de leur sommeil. Les changements dans la qualité du sommeil ont été évalués pour différentes nuits avec deux volontaires afin de vérifier la performance des algorithmes proposés.
- La proposition et la définition d'indicateurs de sommeil pour décrire l'état de sommeil et sa qualité via le calcul d'un score global du sommeil basé sur la durée de chaque stade du sommeil. Cinq volontaires ont été recrutés pour les tests pendant 15 nuits et les performances entre les deux algorithmes proposés ont été comparées aux résultats du dispositif "Fitbit". En termes de classification des stades de sommeil, le dispositif a été comparé au gold standard clinique (polysomnographie PSG) sur un sujet pendant une nuit à l’unité du sommeil de l'hôpital Purpan à Toulouse.
Ce travail a montré qu'il était possible de proposer un système léger, non intrusif et autonome de surveillance continue du sommeil à domicile.
Origine : Fichiers produits par l'(les) auteur(s)