СИСТЕМА И СПОСОБ МОНИТОРИНГА ДВИЖЕНИЙ НИЖНИХ КОНЕЧНОСТЕЙ Российский патент 2025 года по МПК A61B5/00 A61B5/11 A61B5/113 A61B5/205 

[0001] Настоящее изобретение относится к устройству и способу мониторинга движений конечностей людей во сне. Заявленное устройство может быть реализовано в смартфонах и домашних устройствах Интернета вещей (IoT). Мониторинг движений конечностей осуществляют с помощью сверхширокополосных (UWB, СШП) радаров (датчиков), встроенных в смартфон или IoT-устройство. Для улучшения мониторинга и функциональности совместно с устройством могут дополнительно использоваться умные часы/фитнес-браслет, специальный браслет или умное кольцо с блоком инерциальных измерений (IMU, БИИ), включающим в себя гироскопический датчик и акселерометр. Настоящее изобретение может использоваться для персонального медицинского контроля, телемедицины, мониторинга качества сна и предназначено для обнаружения движений конечностей во время сна.

Предпосылки изобретения

[0002] Расстройство (синдром) периодических движений конечностей (PLMD, РПДК) - расстройство сна, характеризующееся периодическими повторяющимися движениями конечностей во время сна, то есть эпизодами простых повторяющихся мышечных движений. Периодические движения конечностей не предполагают изменения положения тела, растяжения мышц или судорог. Вместо этого движения, как правило, включают в себя напряжение, расслабление или сгибание мышц. Они возникают чаще всего в голенях и только во время сна. В некоторых случаях это расстройство также поражает руки. Однако около 90% указанных движений возникает в нижних конечностях и только около 10% - в руках. У человека с PLMD эти движения можно распознать как короткие повторяющиеся подергивания мышц, напряжения или сгибания ног. Их называют периодическими движениями нижних конечностей (ног) во сне (PLMS, ПДКС) и они являются важным симптомом среди других движений. Такие движения происходят каждые 5-90 секунд в течение часа сна, могут нарушать сон человека, даже если он не просыпается, и сочетаться с другими нарушениями сна, включая синдром беспокойных ног (RLS, СБН) и нарколепсию. В тяжелых случаях PLMS можно рассматривать как расстройство сна PLMD.

[0003] PLMD одинаково влияет на мужчин и женщин и может возникнуть в любом возрасте, хотя у детей встречается довольно редко. Сопутствующее апноэ во сне или нервно-психическое расстройство повышают риск у ребенка, равно как и наличие у родителя синдрома беспокойных ног. От PLMD страдают примерно от 4% до 11% населения в мире. Риск PLMD значительно увеличивается с возрастом и это расстройство встречается у 34% людей старше 60 лет.

[0004] PLMD может быть первичным или вторичным заболеванием, то есть оно либо появляется само по себе, либо вызвано другим заболеванием. В случае первичного PLMD ученые до сих пор не знают, что вызывает это состояние. Двумя потенциальными причинами являются дефицит дофамина или нарушение связи между нервами спинного мозга. В случаях вторичного PLMD состояние может быть связано с:

- диабетом,

- дефицитом железа,

- чрезмерным употреблением кофеина,

- травмой или опухолью спинного мозга,

- уремией,

- анемией,

- другими нарушениями сна, такими как RLS, нарколепсия, нарушение REM-поведения (расстройство сна, при котором человеку снятся кошмары, а его сон характеризуется быстрыми движениями глаз) или апноэ (остановка дыхания) во сне,

- нарушениями нервно-психического развития,

- побочным эффектом некоторых лекарств, включая трициклические антидепрессанты, нейролептики, средства против тошноты и литий,

- отменой седативных препаратов, включая барбитураты и бензодиазепины.

[0005] Хотя PLMD может сопровождаться другими нарушениями сна, чаще всего оно возникает при RLS. От 80 до 90% людей с RLS также имеют PLMD.

PLMD часто путают с RLS, поскольку оба расстройства включают симптомы, поражающие ноги, но они не одинаковы, и их диагностируют и лечат по-разному. Симптомы RLS возникают, когда человек еще бодрствует, тогда как PLMD возникает только во время сна. Физические ощущения также различны. При RLS человек испытывает неприятное покалывание или ощущение ползания мурашек в ногах, сопровождающееся неконтролируемым желанием пошевелить ими, чтобы почувствовать облегчение. При PLMD ноги неоднократно дергаются или подергиваются без ведома больного. Это одна из основных особенностей PLMD - человек в фазе сна не осознает, что его конечности подергиваются. Для обнаружения нужен либо внешний наблюдатель, либо специальная система мониторинга (PSG).

[0006] К основным симптомам PLMD относятся плохой сон, дневная сонливость, частые пробуждения и ритмичные движения одной или обеих ног во время сна. Чтобы характеризоваться как PLMS, движения должны:

- вовлекать одну или обе нижних конечности с движением колена, ступни или большого пальца ноги за счет напряжения, расслабления или сгибания мышц,

- возникать во время легкого медленного сна, обычно в первой половине ночи,

- продолжаться примерно по две секунды за раз и повторяться каждые 5-90 секунд не менее 15 раз в течение часа сна.

[0007] Движения ног при PLMD могут различаться по своему характеру от ночи к ночи - от легких до сильных. Иногда они также могут затрагивать бедра и плечи. Отличительной особенностью движений является их повторяющийся характер и возникновение во время стадий сна.

Поскольку движения происходят во время сна, пациент не осознает, что у него расстройство сна, однако, он заметит такие симптомы, как пробуждение ночью без видимой причины или чувство чрезмерной усталости и сонливость в течение дня. В результате пациент может полагать, что у него бессонница. Но у большинства людей движения существенно не нарушают сон, и они могут жить с недиагностированным PLMD в течение некоторого времени, обычно обращаясь за помощью только после того, как сторонний наблюдатель замечает движения, поскольку его сон нарушается чаще, и сообщает о них пациенту или становятся очевидными другие симптомы, которые начинают мешать повседневной жизни. Это расстройство может быть фактором, вызывающим депрессию, плохую память, короткую концентрацию внимания и/или усталость.

[0008] Лечение расстройства периодических движений конечностей может включать в себя сочетание изменения образа жизни и приема лекарств в зависимости от тяжести симптомов. В частности, случаи легкого и умеренного PLMD можно лечить путем изменения образа жизни для улучшения сна, например, путем включения большего количества железа в свой рацион. Лечащий врач может порекомендовать сократить или исключить употребление кофеина или алкоголя. Он также может порекомендовать методы управления стрессом, такие как упражнения на глубокое дыхание, медитацию или йогу. Также может помочь соблюдение режима сна, то есть одинаковое время отхода ко сну и пробуждения.

В случаях тяжелой формы PLMD врачи могут назначить лекарства, чтобы либо уменьшить PLMS, либо помочь человеку уснуть при PLMS. К ним относятся многие из тех же препаратов, которые назначаются при RLS, в том числе бензодиазепины, мелатонин, дофаминергические средства, габапентин и агонисты ГАМК. В частности, было доказано, что клоназепам снижает общее количество движений ног, которые человек совершает в час.

При правильном лечении расстройство периодических движений конечностей можно контролировать.

[0009] Таким образом, предпочтительно осуществлять мониторинг движений конечностей, в частности, ног во сне.

[0010] Изучением PLMD занимается, среди прочих, Американская академия медицины сна (AASM), которая устанавливает стандарты и продвигает передовые технологии в области здравоохранения, образования и исследований в области медицины сна. В настоящем документе использованы стандарты, установленные AASM в “The AASM Manual for the Scoring of Sleep and Associated Events: Rules, Terminology and Technical Specifications” Conrad Iber et al. (Руководство AASM по оценке сна и связанных с ним событий: правила, терминология и технические условия, Конрад Ибер и др.) (например, презентация версии 2017 г. https://rtsleepworld.com/wp-content/uploads/2018/03/9.-Morphing-Manual-Adult-Rules.pdf и версия 2007 г. https://www.sleep.pitt.edu/wp-content/uploads/2020/03/The-AASM-Manual-for-Scoring-of-Sleep-and-Associated-Events-2007-.pdf). В указанном Руководстве изложены технические аспекты проведения процедуры PSG и методика аналитической оценки и интерпретации событий сна. Более подробная информация будет приведена далее.

[0011] Современные устройства для мониторинга движений:

- осуществляют мониторинг движений одиноко спящего человека с помощью единственного устройства;

- воспринимают все движения тела,

- подходят для личного использования дома, а значит, удобны пользователю,

- имеют выносной датчик (радар) со всенаправленной диаграммой направленности,

- используются без привлечения профессионального медицинского персонала,

- обеспечивают конфиденциальность и безопасность в отличие от решений с фото/телекамерами.

В то же время к основным проблемам современных устройств относятся:

- невозможность различения данных о движениях двух спящих пользователей с помощью единственного всенаправленного радара,

- невозможность классификации стадий сна для случая двух пользователей,

- отсутствие удобного интерфейса управления для случая двух пользователей.

[0012] Ниже приведены некоторые условные обозначения, используемые в настоящем документе:

AASM - Американская академия медицины сна,

AI/ИИ - искусственный интеллект,

IoT - Интернет вещей,

IMU/БИИ - блок инерциальных измерений,

BR/ЧД - частота дыхания,

BRL/БРЛ - биорадиолокация,

EEG/ЭЭГ - электроэнцефалография,

HR/ЧСС - частота сердечных сокращений,

PPG/ФПГ - фотоплетизмография,

PSG/ПСГ - полисомнография,

LM/ДН - движение ноги (конечности),

ML/МО - машинное обучение,

PLM/ПДК - периодические движения конечностей (ног),

RLS/СБН - синдром беспокойных ног,

PLMD/РПДК - расстройство периодических движений конечностей,

PLMI/ИПДК - индекс периодических движений конечностей,

PLMS/ПДКС - периодические движения конечностей во сне,

REM/БДГ - быстрое движение глаз (в стадии сна),

SEM/МДГ - медленное движение глаз (в стадии сна),

UWB/СШП - сверхширокополосный.

Кроме того, следует отметить, что в настоящем документе взаимозаменяемо могут использоваться термины «конечность», «нижняя конечность», «нога».

[0013] На сегодняшний день существует множество устройств мониторинга сна человека и, в частности, движений конечностей во время сна.

[0014] В заявке на патент US 2022/0218224 A1 (Google LLC), 14.04.2022, Sleep tracking and vital sign monitoring using low power radio waves (Отслеживание сна и мониторинг жизненно важных показателей с использованием радиоволн малой мощности) раскрыты различные устройства для проведения радиолокационных измерений жизненно важных показателей. Данные, характеризующие формы сигнала, могут быть получены, а затем отфильтрованы из данных, указывающих на статические объекты, для получения данных формы сигнала, указывающих на движение. По данным формы сигнала, указывающим на движение, может выполняться спектральный анализ для описания контролируемой области. Один или более жизненно важных показателей контролируемого пользователя, присутствующего в контролируемой области, могут быть определены и выведены на основе анализа данных формы сигнала, указывающего на движение.

К недостаткам заявленного решения относятся отсутствие информации о совместном использовании данных радара и носимого IMU/PPG-устройства (фотоплетизмографа, обеспечивающего получение и обработку пульсовых сигналов), а также отсутствие раскрытия подхода с различением двух пользователей.

[0015] В заявке на патент US 2020/0253547 A1 (Apple Inc.), 13.08.2020, Monitoring system for assessing control of a disease state (Система мониторинга для оценки контроля течения заболевания) раскрыты устройства, системы и способы для оказания помощи в мониторинге или управлении состоянием здоровья пациента, в которых используются один или более датчиков, воспринимающих данные отдельного пациента и находящиеся на пациенте или рядом с ним, например, под матрасом. Эти данные отдельного пациента соответствуют по меньшей мере одному физиологическому параметру пациента и их получают с помощью датчика, который не требует от пациента особенных действий по его применению или активации. Затем данные передаются в процессор для вычисления сигнала риска или статуса, который основан на сравнении с базовым уровнем, относящимся к пациенту или связанной с ним группе населения, и на основе результата сигнала может быть сгенерировано предупреждение или сигнал тревоги.

К недостаткам заявленного решения относится необходимость использования дополнительного аппаратного устройства, а именно, датчика под матрасом. При этом заявленная система может воспринимать только ту часть тела, под которой находится указанный датчик.

[0016] В патенте US 9094539 B1 (Amazon Technologies Inc.), 28.07.2015, Dynamic device adjustments based on determined user sleep state (Динамические настройки устройства на основе определенного состояния сна пользователя) раскрыто электронное устройство, которое выполняет настройки функциональных возможностей на основе определенного уровня внимания пользователя устройства. В некоторых вариантах осуществления устройство автоматически переходит в спящий режим после определения того, что пользователь заснул. Устройство может автоматически изменять функциональные возможности устройства с тем, чтобы свести к минимуму неудобства для пользователя или снизить энергопотребление. Устройство впоследствии определяет, что пользователь полностью проснулся или активно взаимодействует с устройством, и возвращается в стандартный режим работы, в котором функциональные возможности устройства настраиваются до уровня, соответствующего уровню внимания пользователя.

К недостаткам заявленного решения относятся отсутствие информации о совместном использовании данных радара и носимого IMU/PPG-устройства, а также отсутствие раскрытия подхода с различением двух пользователей.

[0017] В заявке на патент US 2023/0181073 A1 (Nintendo Co., Ltd.), 15.06.2023, Information processing system, information processing device, storage medium storing information processing program, and information processing method (Система обработки информации, устройство обработки информации, носитель данных, хранящий программу обработки информации, и способ обработки информации) раскрыта система обработки информации, способная выполнять игровое приложение. Система обработки информации получает пользовательскую информацию для расчета информации, относящейся ко сну пользователя, и вычисляет информацию о состоянии здоровья, относящуюся ко сну и/или усталости пользователя, на основе полученной пользовательской информации. Система обработки информации управляет ходом игры игрового приложения на основе информации о состоянии здоровья.

К недостаткам заявленного решения относятся отсутствие раскрытия подхода с различением двух пользователей, а также отсутствие информации о совместном использовании данных радара и носимого IMU/PPG-устройства.

[0018] Кроме того, из уровня техники известен ряд других устройств для мониторинга сна пользователя с помощью радара (радиолокационного устройства).

В качестве примера можно привести Somnofy - одну из самых точных в мире неинвазивных систем мониторинга сна. Somnofy SM-100 представляет собой небольшое стационарное устройство с радаром настенного крепления или на настольной подставке, которое автоматически измеряет и анализирует сон пользователя без какого-либо ручного вмешательства. Somnofy SM-100 требует подключения к Somnofy Cloud через локальную сеть Wi-Fi для расширенного анализа сна и функций оповещения. Такая система обеспечивает расширенный мониторинг частоты дыхания, функцию управляемого дыхания, углубленный анализ сна с указанием стадий сна, сохраняет историю сна и подробные сведения о сне, предоставляет умный будильник с функцией, позволяющей разбудить пользователя в определенный момент, например, в фазе быстрого сна. Однако, такая система не может различать двух пользователей, а также требует покупки отдельного устройства.

«Золотым» стандартом мониторинга сна в условиях больницы является полисомнография (PSG), с помощью которой обеспечивается наиболее точный мониторинг всех жизненно важных показателей пациента во сне. Вместе с тем, PSG имеет ряд существенных недостатков:

- трудно манипулировать пациентом, требуется профессиональная медицинская помощь,

- на пациенте находится множество проводов и электродов, то есть метод не удобен для повседневного использования,

- может вызывать дискомфорт во сне и искажать результаты,

- полученные результаты должен интерпретировать врач.

Недавно компания Amazon выпустила оригинальное устройство под названием Halo Rise на основе радара. Оно способно анализировать сон пользователя, определяя его движения и дыхание с помощью системы бесконтактных датчиков и вычисляя стадии сна, а заодно выполнять функции будильника, смарт-колонки и умного светильника. При этом указанное устройство способно определять идеальную стадию сна для пробуждения пользователя.

Компания Google представила смарт-устройство Nest Hub (2^d Gen), сочетающее в себе функции умного дисплея и умной колонки. Функция Sleep Sensing устройства использует Motion Sense для отслеживания сна человека, находящегося ближе всего к дисплею. Motion Sense использует низкоэнергетический радар для обнаружения движения и дыхания. Другие датчики в Nest Hub (2^d Gen) обнаруживают такие звуки, как храп и кашель, а также факторы окружающей среды, такие как освещенность и температура в комнате.

Устройство ResMed S+ обеспечивает бесконтактный мониторинг сна. ResMed S+ может записывать режим радара, параметры света, шума и температуры в комнате пользователя, обеспечивая обратную связь для улучшения сна. К недостаткам относится низкий уровень конфиденциальности.

Однако, вышеупомянутые устройства не способны различать двух пользователей и являются отдельно стоящими от смартфона устройствами, а не встроенными блоками смартфона.

[0019] В уровне техники также известен ряд устройств для мониторинга сна пользователя, в которых не используется радар для биорадиолокации.

Головная повязка для сна Dream Headband обеспечивает проведение EEG, а приложение Dream использует данные от головной повязки для предоставления ежедневных отчетов об особенностях сна пользователя. К недостаткам относится необходимость покупки дополнительного устройства, неудобного для постоянного использования.

Умное кольцо Oura Ring представляет собой устройство мониторинга сна в режиме 24 часа/7 дней в неделю. Кольцо автоматически распознает, когда пользователь активен, и отслеживает время, проведенное в неактивном режиме в течение дня. К недостаткам относится невозможность восприятия движения ног.

Трекер сна BeautyRest предназначен для одновременного мониторинга сна двух человек. Датчики BeautyRest располагаются на краю матраса/подушке кровати и управляются с помощью приложения. К недостаткам относится необходимость покупки дополнительного устройства, неудобного для постоянного использования. Кроме того, устройство может работать только в определенной зоне кровати, и пользователь может отвернуться от этой зоны.

Умные ‘phyjamas’ (пижамы) обеспечивают непрерывный мониторинг сна и их размещают на теле пользователя. Датчики ‘phyjamas’ позволяют обнаруживать физиологические сигналы во многих различных позах. К недостаткам относится необходимость покупки дополнительного устройства, неудобного для постоянного использования.

Носимое устройство Fitbit Versa 2 в виде умных часов с более специализированными трекерами сна было впервые продемонстрировано в 2019 году. К его недостаткам относится невозможность обнаружения движений ног.

Следует отметить, что ни одно из вышеупомянутых устройств не способно различать движения двух пользователей.

[0020] Таким образом, основная проблема данной области техники заключается в отсутствии способа и удобного для использования устройства (системы) мониторинга, способных обнаруживать и одновременно различать движения ног (нижних конечностей) двух партнеров во время сна.

[0021] Следовательно, существует потребность в устройстве и способе мониторинга, обеспечивающих точное обнаружение движения нижних конечностей во сне и при этом способных различать движения двух партнеров по сну.

[0022] Возможные продукты, в которых используется способ по изобретению, представляют собой, например, смартфон или IoT-устройство, такое как умная колонка, в которые встроен СШП-радар.

Сущность изобретения

[0023] Принимая во внимание изложенные выше технические проблемы, далее со ссылкой на описание и представленные ниже чертежи предлагаемое изобретение будет описано в качестве примера, а не ограничения.

[0024] Данное краткое изложение сущности изобретения предшествует подробному описанию конкретных примерных вариантов осуществления, чтобы дать общее представление аспектов заявленного изобретения, которые будут дополнительно объяснены далее, и никоим образом не предназначено для определения или ограничения объема настоящего изобретения.

[0025] Задачей настоящего изобретения является создание устройства мониторинга, способного обнаруживать и одновременно различать движения нижних конечностей двух партнеров во время сна. В частности, для реализации настоящего изобретения устройства мониторинга содержит сверхширокополосный радар для биорадиолокации, при этом устройство мониторинга может представлять собой, например, смартфон со встроенным СШП-радаром.

[0026] Радар представляет собой радиотехническую систему для обнаружения неподвижных и движущихся объектов, которыми могут быть люди, животные, транспортные средства, а также определения их направления движения, скорости, геометрических параметров, углового положения и расстояния до них относительно датчика, и использует метод радиолокации, основанный на излучении радиоволн и регистрации их отражений от объектов. Буквально слово RADAR (Radio Detection And Ranging) означает «радиообнаружение и дальнометрия». Это активный метод передачи и приема данных в микроволновом диапазоне ГГц. Иными словами, радары используют для бесконтактного обнаружения, отслеживания и позиционирования одного или нескольких объектов с помощью электромагнитных волн (радиоволн). Принцип работы радара состоит в следующем. Антенна радара излучает сигнал в виде радиоволн, которые движутся со скоростью света и не воспринимаются людьми. Когда волны достигают объектов и взаимодействуют с ними, сигнал изменяется и отражается обратно на радар, аналогично эху. Сигнал, поступающий на антенну, содержит информацию об обнаруженном объекте, а также помогает вычислить расстояние до него. Затем полученный сигнал обрабатывают для идентификации и позиционирования объекта с использованием собранных данных.

[0027] Радиоволны радаров легко проникают через различные диэлектрические материалы, в частности, одежду, пластмассы, что позволяет использовать такие датчики для мониторинга сна людей, которые находятся на кровати накрытыми одеялом или простыней. Радары для применения в быту отличаются компактной конструкцией и простотой интеграции, поэтому предоставляют определенные преимущества, поскольку радар работает в условиях любого освещения (темно или слишком ярко), не требует постоянного обслуживания, предлагает большой набор функций (измерение расстояния и скорости, отслеживание, позиционирование объектов, классификация объектов, подсчет людей).

[0028] В табл. 1 ниже проиллюстрировано сравнение различных методов исследования объектов, в которых используется излучение различных длин волн - радиоволны (радар), ИК-излучение, ультразвуковые волны, лазерное излучение.

Таблица 1

Особенности Радар ИК-излучение Ультразвук Лазер Гибкость применения Наилучшая Плохая Плохая Плохая Скорость обнаружения Наилучшая Плохая Хорошая Плохая Точность, чувствительность Наилучшая Плохая Наилучшая Наилучшая Разрешающая способность Наилучшая Плохая Наилучшая Наилучшая Возможность направления Наилучшая Хорошая Хорошая Плохая Измерение расстояния Наилучшее Хорошее Плохое Наилучшее Проникновение в материалы Наилучшее Плохое Плохое Плохое Размер решений Наилучший Наилучший Наилучший Плохой Цена Хорошая Наилучшая Наилучшая Плохая

[0029] Типичный спектр действия коммерческих радаров составляет от 1 до 120 ГГц. Разработчики используют разные рабочие диапазоны в зависимости от применения и технических характеристик приборов. Выбор частоты передачи и приема также влияет на достижимые характеристики радара. Например, радиоволны от радаров частотой 10 ГГц даже проникают сквозь стены, в то время как датчики с радиоволнами частотой 60 ГГц или 77 ГГц поддерживают более высокое разрешение благодаря более высокой разрешенной полосе пропускания. Неоспоримым преимуществом датчиков 24 ГГц является их признание и одобрение во всем мире.

Есть разные варианты использования радаров: в промышленном, коммерческом и транспортном секторах радары могут проводить измерения на расстоянии от нескольких сантиметров до нескольких сотен или тысяч метров. То, как далеко может измерять радар, зависит от различных факторов. Как правило, чем дальше находится объект, тем труднее его обнаружить. Объекты с малой эффективной площадью рассеяния также труднее обнаружить на расстоянии, поскольку сигнал должен пройти длинный путь до объекта и обратно. Это вызывает потери сигнала, например, из-за влияния окружающей среды или мешающих факторов. Чем выше мощность передачи и приема, тем лучше отраженный сигнал.

Дальность действия радара всегда ограничена выбранной полосой частот, которая определяет доступную длину волны и ее частоту, мощность передачи также ограничивается правилами. В то же время мощность приема определяется усилением антенны и ее конструкцией. За счет конструкции направленности антенны (например, сильной фокусировки) и интеграции нескольких антенн разработчики достигают высокой чувствительности. При разработке радара достигается оптимальное соотношение между дальностью, зоной покрытия и разрешением для соответствующего применения.

[0030] В рамках настоящего изобретения проведено обширное исследование корреляции между получаемыми с помощью СШП-радара сигналами и различными параметрами, характеризующими сон двух человек на одной кровати, включая движения нижних конечностей.

СШП-сигналы чаще всего представляют собой короткие импульсы, вся энергия которых распределена по заданному достаточно широкому участку спектра. Данные, в свою очередь, кодируются полярностью и взаимным расположением импульсов. В результате СШП-радары, обладая достаточно высокой суммарной передаваемой в эфир мощностью и сочетая в себе такие качества как небольшое энергопотребление и импульсный характер передачи данных, позволяют получить высокую скорость передачи данных. При этом такой сигнал практически не оказывает помех для других каналов связи, несмотря на то, что он занимает, в том числе, и уже отведенные для других стандартов участки спектра. Причиной этого является мощность сигнала в каждой конкретной точке спектра СШП-сигнала, которая не превышает крайне низкого, во много раз меньше, чем у узкополосных сигналов, значения.

Согласно Российскому СШП стандарту (Приложение 16 к решению Государственной комиссии по радиочастотам (ГКРЧ) от 7 мая 2007 года № 07-20-03-001 (дополнительно включено решением ГКРЧ при Мининформсвязи России от 15 декабря 2009 года № 09-05-02)), сверхширокополосные беспроводные устройства - это устройства малого радиуса действия, использующие для передачи и/или приема данных радиочастотный канал шириной не менее 500 МГц. Далее в табл. 2 показаны основные технические характеристики и условия использования сверхширокополосных беспроводных устройств в диапазоне 2,85-10,6 ГГц согласно Российскому СШП стандарту.

Таблица 2

Полосы радиочастот, МГц Технические характеристики Частотный канал Дополнительные условия использования Наименование Значение Размерность 2850-3375 Максимальная спектральная плотность (Эффективная изотропно-излучаемая мощность, ЭИИМ) -57 дБм/
МГц Не менее 500 МГц 1. Запрещается использование вне закрытых помещений 3375-3950 -61,5 3950-4425 -54,5 2. Запрещается использование на борту воздушных 4425-5470 -50 судов во время набора заданной высоты и снижения 5470-6000 -62,5 на посадку
3. Запрещается использование на грузовых терминалах в аэропортах 6000-8100 Максимальная спектральная плотность ЭИИМ -47 1. Запрещается использование вне закрытых помещений
2. Запрещается использование на борту воздушных судов во
время набора заданной высоты и снижения на посадку
3. Запрещается использование на грузовых терминалах в аэропортах 8100-8625 -65 дБм/
МГц Не менее 500 МГц 8625-9150 -47 9150-10600 -45 2850-3375 Максимальная спектральная плотность ЭИИМ -57 3375-4800 -76 Нет ограничений по территории 4800-5475 -50 5475-6000 -62,5 6000-7250 -47 дБм/
МГц Не менее 500 МГц 7250-7750 -73 7750-8625 -69 8625-9150 -47 9150-10600 -45

Таким образом, согласно российскому стандарту, СШП-сигнал определен как любой сигнал в диапазоне 2,85-10,6 ГГц с шириной спектра не менее 500 МГц.

Следует отметить, что согласно стандарту Института инженеров электротехники и электроники, IEEE 802.15.3a-2007, СШП-сигнал определен как любой сигнал в диапазоне 3,1-10,6 ГГц с шириной спектра более 500 МГц. В этом рабочем диапазоне спектральная плотность мощности сигнала ограничивается значением -41,5 дБм/МГц. С одной стороны, такая мощность ограничивает использование технологии по дальности, с другой указывает на слабый уровень сигнала, который практически сливается с уровнем шума, поэтому СШП-сигналы не нужно лицензировать. Поэтому диапазон 3,1-10,6 ГГц выделен Федеральной комиссией по связи (FCC) США для нелицензионного использования коммерческих устройств СШП-связи. Таким образом, российский стандарт предъявляет более жесткие требования по мощности, причем мощность ограничивается разными значениями в разных поддиапазонах частоты. Устройство по настоящему раскрытию способно работать как в соответствии с вышеуказанным российским стандартом, так и со стандартом IEEE.

К особенностям СШП-технологии можно отнести:

- большую скорость передачи информации;

- высокую помехозащищенность;

- высокую электромагнитную совместимость;

- устойчивость связи в условиях многолучевого распространения радиоволн;

- высокую степень защиты связи от перехвата;

- способность легко проникать через препятствия;

- техническую простоту аппаратуры и ее дешевизну.

Использование широкой полосы частот и большого количества сверхкоротких импульсов, в отличие от систем, использующих узкополосные сигналы, позволяет обеспечить высокую пространственную разрешающую способность по точности измерения расстояния до объекта. В настоящем изобретении использованы такие особенности антенн радара, как обратно-квадратичная зависимость мощности сигнала антенны от расстояния, а также наличие неравномерности диаграммы направленности излучения антенны.

[0031] Настоящее изобретение характеризуется следующими ключевыми особенностями (КО):

КО1: Различение двух пользователей единственным устройством.

В большинстве случаев различение движений разных пользователей можно выполнить с помощью единственного всенаправленного радара. Это можно сделать с помощью специальной обработки радиолокационных сигналов.

КО2: Обнаружение апноэ и стадий сна с помощью радара для каждого пользователя для оценки качества сна.

Классификация стадий сна, движений и оценка качества сна пользователей.

КО3: Снижение взаимного влияния пользователей со скрещенными/близко расположенными ногами.

Для снижения взаимного влияния применяют алгоритмическое решение на основе усреднения.

[0032] Настоящее изобретение обеспечивает достижение следующих эффектов:

- различение движений двух пользователей с помощью единственного устройства;

- обнаружение стадий сна с помощью радара для биорадиолокации;

- предоставление пользователю легких для понимания данных, показывающих уровень тяжести заболевания;

- выдача рекомендаций по улучшению качества сна или посещению врача (в тяжелых случаях);

- возможность использования существующих устройств (с СШП-радаром и, необязательно, носимых устройств для обнаружения движений пользователей, измерения BR, HR и определения структуры сна);

- возможность использования одного и того же аппаратного оборудования и для мониторинга других жизненно важных показателей, таких как частота сердечных сокращений, частота дыхания, апноэ, а также для обнаружения падения и т.д.

Устройство для мониторинга движений нижних конечностей выполнено с возможностью встраивания в или выполнения в виде смартфона или IoT-устройства и может использоваться совместно с умными часами, фитнес-браслетом, умным кольцом, специальным умным браслетом, портативным измерительным устройством персонального контроля здоровья, в частности, стационарным диагностическим прибором контроля здоровья, бытовым измерительным устройством персонального контроля здоровья и гаджетом персонального контроля здоровья.

Краткое описание чертежей

[0033] Вышеописанные и другие признаки и преимущества настоящего изобретения будут пояснены в последующем описании со ссылкой на прилагаемые чертежи. Приведенные конкретные примерные варианты осуществления заявленного изобретения, рассматриваемые вместе с чертежами, не предназначены для ограничения объема изобретения. Исходя из изучения представленного описания, специалистам будут очевидны дополнительные варианты осуществления, модификации или эквиваленты настоящего изобретения, и все такие варианты осуществления, модификации и эквиваленты считаются включенными в настоящее изобретение.

[0034] Чертежи предоставлены исключительно для помощи в понимании описания, и их не следует никоим образом рассматривать в качестве ограничения объема изобретения. На чертежах изображено следующее:

[0035] Фиг. 1 иллюстрирует примерную блок-схему радара.

Фиг. 2А иллюстрирует разрез диаграммы направленности антенны СШП-радара.

Фиг. 2Б иллюстрирует кривую коэффициента усиления антенны радара.

Фиг. 3 схематично иллюстрирует ключевые особенности (КО) работы устройства мониторинга движений конечностей согласно настоящему раскрытию.

Фиг. 4 схематично иллюстрирует ключевую особенность 1 (КО1) настоящего раскрытия.

Фиг. 5 схематично иллюстрирует принципы различения двух пользователей единственным устройством мониторинга согласно настоящему раскрытию.

Фиг. 6 и 7 схематично иллюстрируют ключевую особенность 2 (КО2) настоящего раскрытия.

Фиг. 8 иллюстрирует принципы предварительного обучения классификатора для обнаружения событий LM согласно настоящему раскрытию.

Фиг. 9 иллюстрирует принципы получения данных о последовательностях периодических движений нижних конечностей (PLM) и оценке качества сна согласно настоящему раскрытию.

Фиг. 10 и 11 схематично иллюстрируют ключевую особенность 3 (КО3) настоящего раскрытия.

Фиг. 12 иллюстрирует график вероятности ложного прогноза при PLMI>15 согласно настоящему раскрытию.

Фиг. 13 иллюстрирует график вероятности ложного прогноза при распределении неразличимых событий LM согласно настоящему раскрытию.

Фиг. 14 схематично иллюстрирует наилучший вариант осуществления изобретения.

Фиг. 15 схематично иллюстрирует вариант осуществления изобретения с использованием умных часов.

Фиг. 16 схематично иллюстрирует вариант осуществления изобретения с использованием специального браслета.

Фиг. 17 иллюстрирует вариант осуществления изобретения с использованием пассивного отражателя сигнала.

Фиг. 18 иллюстрирует вариант осуществления изобретения с использованием пассивного ретранслятора сигналов.

Фиг. 19 иллюстрирует дополнительные варианты применения настоящего изобретения.

Фиг. 20 иллюстрирует график, условно показывающий диапазоны частот, используемые в различных технологиях связи.

Фиг. 21 иллюстрирует общий вид радарной микросхемы, которая может использоваться в настоящем изобретении.

Фиг. 22 иллюстрирует матрицу несоответствия движений левой/правой ноги пользователя.

Подробное описание вариантов осуществления изобретения

[0036] Теперь со ссылкой на прилагаемые чертежи, на которых одинаковые или подобные ссылочные позиции относятся к одинаковым или подобным элементам или элементам, имеющим одинаковые или подобные функции, будут подробно описаны варианты осуществления настоящего раскрытия. Примерные варианты осуществления являются иллюстративными, используются только для объяснения настоящего раскрытия и не должны рассматриваться как какие-либо ограничения.

[0037] Настоящее изобретение представляет собой систему мониторинга движений нижних конечностей по меньшей мере двух пользователей во время сна, содержащую: сверхширокополосный (СШП) радар, содержащий приемо-передающий модуль и антенный модуль, и процессор обработки сигналов, причем система мониторинга выполнена с возможностью формирования диаграммы направленности излучения для сканирования целевых зон пространства обзора сигналами с разным усилением в разных направлениях и регистрации сигналов, отраженных от каждого из упомянутых по меньшей мере двух пользователей, находящихся в целевых зонах, и, на основе зарегистрированных сигналов для каждого пользователя, осуществления сбора данных о дыхании, движениях нижних конечностей и движениях всего тела, распознавания событий одиночных движений нижних конечностей (LM) с помощью предварительно обученного классификатора движений нижних конечностей, обнаружения и оценивания стадий сна с помощью предварительно обученного классификатора сна, группирования событий одиночных движений нижних конечностей в последовательности периодических движений нижних конечностей (PLM), исключения из сгруппированных последовательностей периодических движений нижних конечностей движений, связанных со стадиями бодрствования, апноэ или вызванных движением всего тела, с получением последовательностей периодических движений нижних конечностей во время сна (PLMS), и вычисления индекса периодических движений нижних конечностей (PLMI) для оценки качества сна.

[0038] Согласно варианту осуществления, система мониторинга дополнительно содержит запоминающее устройство и источник питания.

[0039] Согласно варианту осуществления, СШП-радар системы мониторинга работает в диапазоне частот 2,85-10,6 ГГц с шириной спектра не менее 500 МГц.

[0040] Согласно варианту осуществления, индекс PLMI, определяемый системой мониторинга, вычисляют по формуле: PLMI=N_PLMS/t, где N_PLMS - количество событий LM (одиночных движений нижних конечностей LM), сгруппированных в PLMS, t - время сна в часах.

[0041] Согласно варианту осуществления, система мониторинга дополнительно выполнена с возможностью уменьшения ошибки, вызванной взаимным влиянием пользователей со скрещенными или сближенными нижними конечностями, за счет усреднения неразличимых движений нижних конечностей каждого пользователя путем осуществления регистрации движений в течение по меньшей мере двух ночей, подсчета количества неразличимых движений, разделения подсчитанных неразличимых движений на две равные части после каждой ночи, отнесения каждой равной части на каждого пользователя, при этом индекс PLMI вычисляют согласно формуле: PLMI=(N_PLMS+n/2)/t, где N_PLMS - количество событий LM, сгруппированных в PLMS, n - количество неразличимых движений, t - время сна в часах.

[0042] Согласно варианту осуществления, система мониторинга дополнительно предназначена для определения частоты сердечных сокращений, частоты дыхания и/или уровня стресса.

[0043] Согласно варианту осуществления, система мониторинга дополнительно содержит модуль связи, выполненный с возможностью обмена информацией с внешним устройством, удаленным сервером и/или облачным хранилищем.

[0044] Согласно варианту осуществления, система мониторинга выполнена в виде смартфона или IoT-устройства.

[0045] Согласно варианту осуществления, система мониторинга дополнительно содержит пассивный отражатель, выполненный с возможностью перенаправления сигналов радара.

[0046] Согласно варианту осуществления, система мониторинга дополнительно содержит умное устройство, носимое по меньшей мере одним из пользователей и выполненное с возможностью определения движений конечностей и движений всего тела для уточнения данных, собранных системой мониторинга.

[0047] Согласно варианту осуществления, умное устройство системы мониторинга дополнительно выполнено с возможностью определения частоты дыхания и сердечных сокращений для уточнения стадий сна.

[0048] Согласно варианту осуществления, умное устройство системы мониторинга представляет собой умные часы, фитнес-браслет, умный браслет или умное кольцо с блоком инерциальных измерений (IMU) и/или PPG-датчиком.

[0049] Согласно варианту осуществления, классификатор движения конечностей и классификатор сна системы мониторинга предварительно обучены с помощью алгоритма машинного обучения с использованием данных о стадиях сна и движениях нижних конечностей, полученных методом полисомнографии (PSG).

[0050] Согласно варианту осуществления, алгоритмом машинного обучения является «метод случайного леса» (RandomForest) или библиотека CatBoost.

[0051] Согласно варианту осуществления, система мониторинга дополнительно содержит дисплей, выполненный с возможностью отображения сетки диаграммы направленности излучения и предоставления пользователю возможности указания на дисплее места расположения системы относительно целевых зон пространства обзора радара.

[0052] Также настоящее изобретение предоставляет способ мониторинга движений нижних конечностей по меньшей мере двух пользователей во время сна, осуществляемый с помощью упомянутой системы мониторинга и включающий этапы, на которых размещают систему относительно целевых зон пространства обзора сверхширокополосного (СШП) радара, сканируют, с помощью СШП-радара, сигналами с разным усилением в разных направлениях целевые зоны пространства обзора с находящимися в них по меньшей мере двумя пользователями, регистрируют сигналы, отраженные от каждого из упомянутых по меньшей мере двух пользователей, на основе зарегистрированных сигналов для каждого из пользователей осуществляют сбор данных о дыхании, движениях нижних конечностей и движениях всего тела, распознают события одиночных движений нижних конечностей (LM) с помощью предварительно обученного классификатора движений нижних конечностей, обнаруживают и оценивают стадии сна с помощью предварительно обученного классификатора сна, группируют события одиночных движений нижних конечностей в последовательности периодических движений нижних конечностей (PLM), исключают из сгруппированных последовательностей периодических движений нижних конечностей движения, связанные со стадиями бодрствования, апноэ или вызванные движением всего тела, и получают последовательности периодических движений нижних конечностей во время сна (PLMS), вычисляют индекс периодических движений нижних конечностей (PLMI) и оценивают качество сна.

[0053] Согласно варианту осуществления способа, целевые зоны пространства обзора сканируют сигналами в диапазоне частот 2,85-10,6 ГГц с шириной спектра не менее 500 МГц.

[0054] Согласно варианту осуществления способа, индекс PLMI вычисляют по формуле: PLMI=N_PLMS/t, где N_PLMS - количество событий LM, сгруппированных в PLMS, t - время сна в часах.

[0055] Согласно варианту осуществления, способ мониторинга содержит дополнительный этап уменьшения ошибки, вызванной взаимным влиянием пользователей со скрещенными или сближенными нижними конечностями, за счет усреднения неразличимых движений нижних конечностей каждого пользователя путем осуществления регистрации движений в течение по меньшей мере двух ночей, подсчета количества неразличимых движений, разделения подсчитанных неразличимых движений на две равные части после каждой ночи, отнесения каждой равной части на каждого пользователя, при этом индекс PLMI вычисляют согласно формуле: PLMI=(N_PLMS+n/2)/t, где N_PLMS - количество событий LM, сгруппированных в PLMS, n - количество неразличимых движений, t - время сна в часах.

[0056] Согласно варианту осуществления, способ мониторинга содержит дополнительный этап уточнения данных о движениях, обнаруженных системой мониторинга, с помощью данных о движениях нижних конечностей и движениях всего тела, собранных умным устройством с блоком инерциальных измерений (IMU), носимым по меньшей мере одним из пользователей.

[0057] Согласно варианту осуществления, способ мониторинга содержит дополнительный этап уточнения стадий сна, определенных системой мониторинга, с помощью данных о частоте дыхания и/или частоте сердечных сокращений, собранных умным устройством.

[0058] Согласно варианту осуществления способа, классификатор движения нижних конечностей и классификатор сна предварительно обучают с помощью алгоритма машинного обучения с использованием данных о стадиях сна и движениях нижних конечностей, полученных методом полисомнографии (PSG).

[0059] Согласно варианту осуществления способа, классификатор движения нижних конечностей и классификатор сна предварительно обучают с помощью алгоритма машинного обучения «метод случайного леса» (RandomForest) или библиотеки CatBoost.

[0060] Согласно варианту осуществления способа, систему мониторинга размещают относительно целевых зон пространства обзора СШП-радара в соответствии с указанием на дисплее места расположения системы пользователем.

[0061] На фиг. 1 проиллюстрирована примерная блок-схема обычного радара с параболической антенной, хотя в переносных устройствах, например, в смартфонах обычно используют так называемую патч-антенну. Физический принцип работы первичного или пассивного радара довольно прост: он передает в пространство радиоволны, которые отражаются от окружающих предметов и возвращаются к нему в виде отраженных сигналов. Анализируя их, радар способен обнаружить объект в определенной точке пространства, а также определить его основные характеристики, такие как скорость, положение, размер. Как проиллюстрировано на фиг.1, в общем случае передающий тракт включает в себя передающее устройство (передатчик), мультиплексор и антенну, осуществляющую излучение электромагнитной волны на цель, а приемный тракт включает в себя антенну, осуществляющую прием отраженной от цели электромагнитной волны (эхо-сигнала), мультиплексор, приемное устройство (приемник) и дисплей. Таким образом, основными компонентами радара являются приемо-передающий модуль и антенный модуль. Приемо-передающий модуль, в свою очередь, состоит из передатчика, приемника и схем синхронизации для синхронизированной выборки и передачи импульсов. Все радары по принципу действия можно разделить на две большие группы: импульсные и непрерывного действия. Передатчик импульсного радара испускает электромагнитные волны в течение небольшого промежутка времени (доли секунды), следующий сигнал испускается только после того, как первый импульс вернется обратно и попадет в приемник. Таким образом, антенный модуль импульсного радара имеет одну антенну, работающую и на излучение, и на прием сигнала.

[0062] На фиг. 2А проиллюстрированы разрезы диаграммы направленности антенны СШП-радара по углу места 0° и азимуту 0°. На фиг. 2Б проиллюстрирована кривая коэффициента усиления антенны радара в зависимости от азимута и угла места. Максимальное усиление данной антенны составляет 5,915. Таким образом, диаграммы направленности всенаправленных антенн не идеальны и имеют неравномерности, и, как проиллюстрировано на фиг. 2, диаграмма направленности имеет форму лепестка как по углу места, так и по азимуту (горизонтальной плоскости), что определяет возможность использования такого радара в настоящем изобретении. В настоящем изобретении могут использоваться, например, радарные микросхемы серии X4 фирмы Novelda AS^®, такие как X4MO2, внешний вид которой проиллюстрирован на фиг. 21.

X4 - это сверхширокополосный (СШП) импульсный радиолокационный приемопередатчик ближнего действия (схема на кристалле, SoC), сочетающий в себе передатчик 7,29/8,75 ГГц для нелицензионной работы на мировых рынках, приемник с прямой радиочастотной дискретизацией и полностью программируемый системный контроллер, и расширенные функции управления питанием в одной микросхеме.

Ключевыми особенностями однокристального СШП-импульсного радиолокационного приемопередатчика X4 являются:

- точное обнаружение движений/присутствия человека на расстоянии до 10 м;

- работа на частоте ниже 10 ГГц;

- низкое пиковое энергопотребление, обычно менее 120 мВт;

- усовершенствованное управление питанием, обеспечивающее контролируемую работу с низким энергопотреблением;

- широкий диапазон напряжения питания: 1,8-3,3 В;

- малая мощность;

- небольшое количество внешних компонентов, что позволяет использовать системы малого форм-фактора с низкой стоимостью;

- компактный корпус, обеспечивающий высокую плотность интеграции.

[0063] На фиг. 3 схематично проиллюстрированы принципы работы устройства мониторинга движений конечностей у пользователей во время сна. В качестве примера проиллюстрировано устройство мониторинга, представляющее собой смартфон со встроенным СШП-радаром. Основным компонентом заявленного устройства (системы) мониторинга движений нижних конечностей является вышеописанный СШП-радар. Кроме того, в состав устройства входят процессор обработки сигналов, модуль управления, запоминающее устройство, дисплей для отображения информации, источник питания и т.д. Дисплей устройства может быть совмещен с дисплеем радара. Кроме того, в случае выполнения заявленного устройства в виде смартфона, как будет описано далее, все функции обработки сигналов может осуществлять процессор смартфона.

Устройство размещают у изголовья кровати, например, на тумбочке, находящейся рядом с кроватью, таким образом, чтобы зона излучения радара охватывала всю кровать, включая спящих на ней людей и представляющую интерес область расположения их нижних конечностей. При этом пользователь перед отходом ко сну указывает на сенсорном экране устройства место расположения устройства относительно кровати и направляет радар на кровать. Устройство с радаром осуществляет непрерывный мониторинг (сканирование) спящих на кровати людей. На рисунке в середине фиг. 3 обозначены две зоны кровати, занимаемые соответственно пользователем 1 и пользователем 2. Поскольку радар обладает диаграммой направленности излучения, совокупности участков, входящих в эти две зоны, характеризуются различными расстояниями до радара и/или различными мощностями излучения, сканирующего участки кровати со спящими на ней пользователями.

Устройство мониторинга обнаруживает с помощью радара стадии сна для обоих пользователей в течение всего цикла сна, как проиллюстрировано на фиг. 3, которые включают стадии быстрого сна, пробуждения/засыпания, стадии медленного сна. Обнаружение стадий сна происходит на основе частоты дыхания пользователей, а также движений туловища. Кроме того, устройство мониторинга обнаруживает отдельные движения конечностей пользователей во время сна. Одновременно с обнаружением движений конечностей и стадий сна с помощью устройства мониторинга собирают аналогичные данные методом PSG. На следующем этапе по полученным данным осуществляется обучение ML-модели, для чего формируется обучающая часть, в которой сопоставляются данные, характеризующие движения или отсутствие движений конечностей и соответствующие стадии сна, полученные с помощью устройства мониторинга и метода PSG. Для обучения классификатора данных используют алгоритм машинного обучения «метод случайного леса» (RandomForest) или библиотеку CatBoost. После обучения классификатор должен распознать образцы из тестовой части. Для обучения может использоваться единственный универсальный классификатор либо два классификатора - для обнаружения движений конечностей и для определения стадий сна. На заключительном этапе устройство уменьшает ошибку PLMI, вызванную неразличимыми движениями конечностей двух пользователей.

[0064] Со ссылкой на фиг. 4 будет подробнее рассмотрена КО1 настоящего изобретения, состоящая в различении двух пользователей с помощью единственного устройства. В настоящем изобретении различают движения двух пользователей во время сна, используя для этого единственный всенаправленный радар. Различение движений двух пользователей осуществляют за счет использования неоднородности диаграммы направленности излучения радара. Как проиллюстрировано в левой части фиг. 4, площадь кровати разделена на целевые участки или зоны исходя из расстояния до радара и мощности излучения (или мощности усиления антенны). Во-первых, мощность усиления антенны зависит от направления, с которого пришел сигнал, благодаря диаграмме направленности излучения. Во-вторых, мощность усиления антенны зависит от расстояния, с которого пришел сигнал, вследствие обратно-квадратичной зависимости мощности от расстояния. Таким образом, зная расстояние, направление и мощность сигнала, можно однозначно определить участок, с которого он пришел. Каждый участок может быть назначен пользователям 1 и 2. Назначение участка зависит от размещения радара, которое можно ввести вручную, например, на сенсорном экране устройства мониторинга. В проиллюстрированном варианте осуществления устройство мониторинга выполнено в виде смартфона со встроенным радаром. Пользователь перед отходом ко сну размещает смартфон, например, на тумбочке рядом с кроватью таким образом, чтобы диаграмма направленности радара покрывала целевые зоны кровати, т.е. чтобы излучаемые радаром радиоволны распространялись в направлении кровати и охватывали большую часть ее площади. На нижней части фиг. 4 показан примерный экран устройства, например, сенсорный дисплей, на котором пользователь вводит планируемое место расположения радара устройства во время сна пользователей, при этом на экране для удобства может позиционироваться сетка «расстояние-мощность». Таким образом, устройство предварительно получает информацию, позволяющую идентифицировать то, из какого участка получен сигнал, а значит, идентифицировать движения пользователя 1 или 2, при этом положение радара задается пользователем вручную.

[0065] В центральной части фиг. 4 показана примерная диаграмма направленности излучения используемого в настоящем изобретении радара, а именно, его антенны (сечение в горизонтальной плоскости). Диаграмма направленности характеризуется тем, что радиоволны, приходящие в антенну под углом Θ=0°, имеют наибольшую мощность, например, 4,2 дБ, а приходящие под углом Θ=30° или -30°, имеют другую мощность, например, 2,9 дБ. Таким образом, диаграмма направленности излучения неоднородна, поэтому сигналы с разных направлений имеют разную мощность и их можно различать по направлению прибытия. Кроме того, мощность сигналов отличается и в зависимости от расстояния, с которого они пришли. Следовательно, неоднородность диаграммы направленности радара можно использовать для различения пользователей.

[0066] Как было обсуждено ранее, каждый участок кровати назначают пользователям 1 и 2. В правой части фиг. 4 схематично показана кровать и нанесенная сетка «расстояние-мощность», характеризующая излучение радара, которую можно назвать «картой мощности». Если обозначить центральную линию, выходящую из радара, как Θ=0°, а другие линии как -40°, -20°, 20° и 40°, а линии расстояния как 0,5 м, 1,0 м, 1,5 м, 2,0 м и 2,5 м относительно места расположения радара, то основную информацию о движении нижних конечностей можно будет получать по участкам, в данном случае - секторам, расположенным вокруг точки с условными координатами «карты мощности» (20°; 2,0 м) для пользователя 1 и (0°; 2,5 м) для пользователя 2. Учитывая наличие диаграммы направленности, радар различает объект по углу направления, с которого пришел сигнал, и расстоянию до объекта. Например, сигнал может приходить с одного и того же расстояния, но разной мощности, или одинаковой мощности, но с разных расстояний. Таким образом, поскольку существует однозначная связь между коэффициентом усиления антенны радара, мощностью сигнала и углом, под которым/с которого принимается сигнал, то «карта мощности» может быть разделена на целевые участки по пользователям. Следовательно, вся кровать разбита на участки, и каждый участок соответствует либо одному, либо другому пользователю.

Принимая во внимание вышесказанное, значения мощности и расстояния сигналов, характеризующих каждое движение, однозначно связаны с определенным участком. Поэтому каждое движение, в зависимости от участка, может быть однозначно отнесено на пользователя 1 или пользователя 2. Следовательно, анализ усиления, расстояния и мощности можно использовать для определения координат расстояние-мощность.

[0067] Со ссылкой на фиг. 5 будут подробнее рассмотрены принципы различения двух пользователей единственным устройством. Как было обсуждено ранее, для этого используют следующие особенности:

1. Антенна радара не идеальна и имеет неоднородную диаграмму направленности, что означает различное усиление сигналов с разных направлений (углов).

2. Сигналы, полученные с одного и того же расстояния, но под разными углами, будут иметь разную мощность.

3. Движения под разными углами от радара можно различать за счет разной мощности (или положения пользователя).

Отметим, что для упрощения в настоящем описании излучение радара чаще всего проиллюстрировано в горизонтальной плоскости, однако радар также имеет вертикальное разрешение, поэтому движения регистрируются не только на уровне кровати, но и ниже и выше (например, если нога свисает с кровати).

[0068] В качестве примера, на фиг. 5 условно проиллюстрировано обнаружение движений руки пользователя 2 и ноги пользователя 1. При этом мощность усиления антенны для сигнала, представляющего собой излучение сверхвысокой частоты или электромагнитное поле сверхвысокой частоты и приходящего от руки пользователя 2, составляет 2,9 дБ, а от руки пользователя 1 составляет 4,1 дБ. Кружками на фиг. 5 обозначены области на теле пользователей, в которых обнаружены движения, и участки на диаграмме направленности, соответствующие указанным областям. Из диаграммы направленности очевидно, что два разных направления прихода сигнала (0° и -30°) имеют разное усиление 4,1 дБ и 2,9 дБ. При этом движение «А» обнаружено при мощности 4,1 дБ, находится под углом 0° и относится к пользователю 1, движение «Б» обнаружено при мощности 2,9 дБ, находится под углом -30° и относится к пользователю 2 (предполагается, что было введено взаимное положение пользователей и радара). Здесь области, в которых обнаружены движения, находятся на одинаковом расстоянии от места расположения радара, но тем не менее сигналы могут быть дифференцированы благодаря разной мощности радиоволн в разных направлениях, как проиллюстрировано в нижней части фиг. 5.

[0069] Таким образом, диаграмма направленности радара обеспечивает взаимно однозначное соотношение между мощностью сигнала и угловым положением пользователя, а расстояние до пользователя определяется непосредственно по мощности сигнала радара. Следовательно, КО1 настоящего изобретения обеспечивает следующие преимущества:

1. Надежное различение движений двух пользователей с помощью единственного радара.

2. Использование одной всенаправленной антенны с широким углом обзора.

3. Использование только одного смартфона, содержащего СШП-радар, в лучшем варианте осуществления.

4. Более высокая точность может быть достигнута, если один или оба пользователя используют умные часы для дополнительного уточнения частоты дыхания, частоты сердечных сокращений, движения пользователей с использованием блока инерциальных измерений (акселерометра и гироскопического датчика) и/или PPG-датчика.

[0070] Далее приведем некоторые выдержки из стандарта AASM в отношении события одиночного LM и последовательности PLM для пояснения того, как в настоящем раскрытии идентифицируют события LM и группируют их в PLM.

Событие одиночного LM:

1. Следующие ограничения определяют событие значительного движения ноги (LM):

а. Минимальная продолжительность события LM составляет 0,5 секунды.

б. Максимальная продолжительность события LM составляет 10 секунд.

в. Минимальная амплитуда события LM представляет собой увеличение напряжения EMG на 8 мкВ по сравнению с EMG в покое (для радара это ограничение неактуально).

г. Момент наступления события LM определяется как точка, в которой происходит увеличение напряжения EMG на 8 мкВ по сравнению с EMG в покое.

д. Момент окончания события LM определяется как начало периода длительностью по меньшей мере 0,5 секунды, в течение которого EMG не превышает 2 мкВ выше EMG в покое.

Последовательность PLM:

2. Следующие ограничения определяют последовательность периодических движений ноги (PLM):

а. Минимальное количество последовательных событий LM, необходимое для определения последовательности PLM, составляет 4 LM.

б. Минимальная продолжительность периода между событиями LM (определяемая как время между наступлениями последовательных событий LM) для включения их в последовательность PLM составляет 5 секунд.

в. Максимальная продолжительность периода между событиями LM (определяемая как время между наступлениями последовательных событий LM) для включения их в последовательность PLM составляет 90 секунд.

г. Движения двух разных ног, разделенные менее чем 5-ю секундами между началом движений, засчитываются как единственное движение ноги.

Примечание 1. Событие LM не следует оценивать, если оно происходит в течение периода от 0,5 секунды до апноэ, гипопноэ, RERA (электроэнцефалографической активации в результате респираторного усилия) или нарушения дыхания во сне, и до 0,5 секунды после него. Т.е. LM не оценивается, если оно возникает вместе с апноэ, гипопноэ, RERA или нарушением дыхания во сне.

Примечание 2. Поверхностные (накожные) электроды следует располагать продольно и симметрично вокруг середины мышцы на расстоянии 2-3 см друг от друга или на 1/3 длины передней большеберцовой мышцы, в зависимости от того, что короче. Обе ноги следует контролировать на наличие движений ног. В высшей степени предпочтительны отдельные каналы для каждой ноги. Комбинирование электродов с двух ног для получения одного записываемого канала может быть достаточным для некоторых клинических ситуаций, хотя следует признать, что эта стратегия может уменьшить количество обнаруженных LM. При наличии клинических показаний можно исследовать движения верхних конечностей.

Примечание 3. Правило движения A.1 определяет событие значительного движения ноги по абсолютному увеличению мкВ выше базовой линии покоя для EMG передней большеберцовой мышцы. Для этого необходима стабильная EMG в покое для расслабленной передней большеберцовой мышцы, абсолютный сигнал которой должен быть не более +10 мкВ между отрицательным и положительным отклонением (±5 мкВ) или +5 мкВ для выпрямленных сигналов.

Примечание 4. Следует избегать использования узкополосных режекторных фильтров 60 Гц. Импедансы должны быть менее 10000 Ом, предпочтительно менее 5000 Ом, но их может быть трудно получить. Предпочтительны пределы чувствительности -100 и +100 мкВ (верхний/нижний).

Примечание 5. Пробуждение и PLM следует считать связанными друг с другом, если между окончанием одного события и началом другого события проходит <0,5 секунды, независимо от того, какое из них наступит первым.

Примечание 6. Если два периодических движения ногой происходят с интервалом менее 10 секунд и каждое из них связано с 3-секундным пробуждением, следует оценивать только первое пробуждение, хотя можно оценивать оба движения ноги. В этом сценарии отсутствие оценки второго «пробуждения» повлияет на индекс пробуждения и индекс пробуждения PLMS, но не на индекс PLMI.

[0074] Далее будет описан общий подход к оценке стадий сна по стандарту AASM, согласно которому различают следующие стадии сна: W, N1, N2, N3, R.

Согласно AASM стадии сна оценивают по периодам, более конкретно:

1) Оценивают стадии сна в 30-секундных последовательных периодах, начиная с начала исследования.

2) Назначают стадию каждому периоду.

3) Если в течение одного периода сосуществуют две или более стадии, периоду назначают стадию, охватывающую наибольшую его часть.

Пока человек спит, его мозг проходит несколько стадий сна. Первые три считаются сном с медленным движением глаз (NREM), также известным как медленный (спокойный) сон. Четвертая стадия - это сон с быстрым движением глаз (REM), также известный как быстрый (активный) сон. Каждая стадия сна имеет уникальную функцию и роль в поддержании общей когнитивной деятельности мозга. Некоторые стадии также связаны с физическим восстановлением, которое поддерживает здоровье человека и готовит его к следующему дню.

[0071] Рассмотрим стадии сна более подробно.

Стадия W

Эта стадия представляет собой состояние бодрствования/засыпания, от полной активности до ранних стадий сонливости. Маркеры сонливости на EEG могут присутствовать на стадии W и сохраняться на стадии N1. Она характеризуется следующими особенностями:

1. Альфа-ритм (задний доминантный ритм, PDR, ЗДР) в затылочной области с закрытием глаз, затухающий с открытием глаз.

2. Глаза моргают, вертикальные движения глаз с частотой 0,5-2 Гц.

3. Считывание движений глаз: медленная фаза, за которой следует быстрая фаза.

4. Быстрые движения глаз (REM) нерегулярные, длительностью <500 мс.

5. Медленные движения глаз (SEM) более регулярные, длительностью >500 мс.

Оценка (т.е. отнесение рассмотренного периода к) стадии W:

1. Более 50% периода составляет альфа-ритм (PDR) в затылочной области,

2. И/или любое из следующего:

а) Глаза моргают (0,5-2,0 Гц),

б) Быстрые движения глаз при нормальном/высоком тонусе мышц подбородка,

в) Считывание движений глаз.

Стадия N1

Эта стадия представляет собой первую стадию сна. Во время нее могут присутствовать острые вертексные волны на EEG, но это не требуется для оценки N1. Тонус подбородка варьируется, но часто ниже, чем на стадии W. SEM начинаются до ослабления альфа-ритма, латентный период сна может быть немного короче у некоторых людей, у которых не вырабатывается альфа-ритм.

Она характеризуется следующими особенностями:

1. Медленные движения глаз более регулярные, длительностью >500 мс.

2. Низкая амплитуда, смешанная частота (LAMF) 4-7 Гц (тета-ритм).

3. Вертексные волны Шарпа (волны V) 0,5 с в центральной области.

4. Засыпание в первый период любой стадии, кроме W, обычно N1.

Оценка стадии N1:

1. Если присутствует альфа-ритм (PDR), при ослаблении на 50% LAMF.

2. Если альфа-ритм отсутствует, при присутствии LAMF и при замедлении на 1 Гц от фоновой активности на стадии W волн V, SEM.

3. Если большая часть периода соответствует критериям и отсутствуют признаки какой-либо другой стадии сна.

4. Продолжение N1 до появления признаков другой стадии сна.

5. При пробуждении в стадии N2 оценивают N1, если на EEG LAMF без K/веретен или признаков другой стадии сна.

6. При пробуждении в фазе быстрого сна оценивают N1, если LAMF не имеет альфа-ритма, но есть SEM, даже если тонус подбородка остается на уровне стадии R.

7. Продолжение N1 до появления признаков следующей стадии сна.

Стадия N2

Эта стадия представляет собой вторую стадию сна и характеризуется следующими особенностями:

1. К-комплекс хорошо очерчен, отрицательная резкая волна, сразу за которой следует положительная составляющая, выделяющаяся на фоне EEG, продолжительностью >0,5 секунды; максимальная в лобной области.

2. Связана с пробуждением только в том случае, если оно происходит одновременно с К-комплексом или начинается не более чем через 1 секунду после прекращения К-комплекса.

3. Веретена сна - серия отчетливых синусоидальных волн частотой 11-16 Гц и длительностью >0,5 с; максимальные в центральной области.

Существуют следующие особенности при отнесении сна к стадии N2:

- определяют стадию N2, если наблюдается K-комплекс или веретено сна; в случае противоречия между N2 и R приоритет имеет правило R;

- продолжают N1 для периодов с K-комплексом, связанным с пробуждением, если только они не содержат веретена сна или K-комплексы, не связанные с пробуждениями;

- для оценки N2 пробуждения определяют согласно правилу пробуждения;

- хотя веретена чаще встречаются в центральной области, их можно использовать, если они видны в лобной области;

- К-комплекс можно увидеть на стадии R, и существуют различные ситуации, которые следует оставить на стадии R или изменить на оценку N2. Это зависит от изменений тонуса подбородка, а также от того, находится ли фаза быстрого сна (REM) вне К-комплексов, расположенных один за другим;

- обычно не наблюдается никаких движений глаз, но у некоторых людей может продолжаться SEM;

- EMG на подбородке имеет переменную амплитуду, но обычно ниже, чем на стадии W, и может быть такой же низкой, как на стадии R.

Оценка стадии N2:

1. Если не соответствует критериям N3.

2. Начало стадии N2:

- если последняя половина предыдущего периода или первая половина текущего периода имеет один или более К-комплексов или веретен сна;

3. Продолжение стадии N2, если:

- большая часть периода соответствует критериям N2;

- если в тот же или последующий период наблюдается пробуждение, сегмент записи, предшествующий пробуждению, считается стадией N2;

- если периоды имеют LAMF без K-комплекса или веретен сна, если им предшествуют периоды с K-комплексом или веретеном сна, и нет пробуждения;

- если периоды следуют за N3 (которые не соответствуют N3), если нет пробуждения и не удовлетворяются критерии стадии W или стадии R.

4. Прекращение стадии N2, когда произойдет одно из следующих событий:

- переход к стадии W;

- пробуждение с последующей LAMF на EEG; оценка N1 до тех пор, пока не будет наблюдаться K-комплекс или веретено сна; при этом предполагается, что критерии стадии R не соблюдены;

- основные движения тела с последующими SEM и LAMF без присутствия К-комплекса или веретена сна; оценивают следующий период как стадию N1; при этом сохраняют оценку N2, если SEM не наблюдается;

- переход к стадии N3;

- переход к стадии R.

Стадия N3

Эта стадия представляет собой третью стадию сна.

Оценка стадии N3:

1. Медленноволновая активность

- 0,5-2 Гц; и

- >75 мкВ;

- в лобной области.

2. Когда >20% периода состоит из медленноволновой активности, независимо от возраста.

Существуют следующие особенности при отнесении сна к стадии N3:

1. N3 представляет собой медленный сон и заменяет номенклатуру R&K для сна стадий 3 и 4.

2. K-комплексы будут считаться медленными волнами, если они соответствуют определению медленноволновой активности.

3. Патологические формы волн, соответствующие медленно-волновой активности, такие как эпилептиформная волна, не относят к медленноволновой активности сна. То же самое применимо к артефактному или нецеребральному происхождению волн.

4. Веретена сна могут сохраняться во время стадии сна N3.

5. Обычно нет никаких движений глаз.

6. EMG на подбородке имеет переменную амплитуду, но обычно ниже, чем на стадии N2, и может быть такой же низкой, как на стадии R.

Стадия R

Эта стадия представляет собой четвертую стадию сна и характеризуется следующими особенностями:

1. Быстрые движения глаз (REM) нерегулярные, длительностью <500 мс.

2. Низкий тонус подбородка на EMG, базовая линия не выше, чем на любой другой стадии сна, и обычно самый низкий уровень за всю запись.

3. Пилообразные волны - серии резко очерченных или треугольных, часто зубчатых волн частотой 2-6 Гц, максимальные в центральной области; могут предшествовать вспышке REM.

4. Переходная мышечная активность, короткие, нерегулярные вспышки EMG <0,25 секунды; накладывается на низкий тонус подбородка или ног на EMG; также может наблюдаться на отведениях EEG и EOG, что указывает на активность мышц, иннервируемых черепными нервами (фасциальных/скапулярных мышц).

Оценка стадии R:

1. Должны соблюдаться все из следующих условий:

а) активность LAMF на EEG без К-комплексов или веретен сна;

б) низкий тонус подбородка на EMG большую часть периода одновременно с REM;

в) REM в любом положении в пределах периода.

2. Продолжают оценку R при отсутствии REM, если соблюдены все условия:

а) LAMF без K-комплексов или веретен сна;

б) тонус подбородка на EMG низкий, как на определенной стадии R;

в) никакого промежуточного пробуждения.

3. Продолжают оценку R, если большая часть периода содержит сегмент, соответствующий R; при этом это имеет приоритет над правилами стадии N2.

Завершают оценку R, когда происходит одно или более из следующих событий:

1. Переход к стадии W или N3.

2. Повышение тонуса подбородка на EMG выше уровня R и выполнение критериев стадии N1.

3. Пробуждение с последующим LAMF на EEG и SEM; продолжают оценку R, если нет SEM или усиления тонуса подбородка на EMG.

4. Значительные движения тела с последующими SEM и LAMF без присутствия К-комплекса или веретена сна; оценивают следующий период как N1, но сохраняют как R, если нет SEM или увеличения тонуса подбородка на EMG.

5. Один или более не связанных с пробуждением K-комплексов или веретен сна присутствуют в первой половине периода в отсутствие REM, даже если тонус подбородка на EMG остается низким; оценивают как N2.

Кроме того, оценивают стадию R за счет низкого тонуса подбородка на EMG и совокупности REM, веретен сна и/или К-комплексов:

1. Сегменты между двумя K-комплексами, двумя веретенами или K-комплексом и веретеном без промежуточных REM следует оценивать как стадию N2.

2. Сегменты, содержащие REM без К-комплексов или веретен сна и тонус подбородка на EMG на уровнях REM, считаются стадией R.

3. Если большая часть периода содержит сегмент, считающийся стадией N2, он оценивается как стадия N2.

4. Если большая часть периода содержит сегмент, считающийся стадией R, он оценивается как стадия R.

Также в отношении стадии R следует отметить следующее:

1. Определенная стадия R включает LAMF, низкий тонус подбородка и REM.

2. LAMF в R напоминает N1; у некоторых людей альфа-ритм в R больше, чем в N1; частота альфа-ритма на 1,2 Гц медленнее, чем во время бодрствования.

3. Пилообразные волны или переходная мышечная активность сильно поддерживают сон на стадии R и могут быть полезны, когда стадия находится под сомнением, но не требуются для оценки стадии R.

4. Бывают случаи, когда стадия R оценивается при низком тонусе подбородка и наличии К-комплексов или веретен сна.

5. SEM может возникать на стадии R, но SEM после пробуждения при сохранении LAMF предполагает переход к стадии N1, даже если тонус подбородка остается низким.

6. Сегменты с низкой EMG-активностью на подбородке и комбинацией быстрого сна и веретен сна и/или К-комплексов обычно возникают в течение первого периода REM ночи.

[0072] Существует некоторые особенности при оценке периодов со значительными движениями тела. Значительные движения тела - это движения или мышечные артефакты, скрывающие EEG более чем на полпериода до такой степени, что невозможно определить стадию сна. При этом:

- если присутствует альфа-ритм, даже <15 с, оценивают пробуждение;

- если альфа-ритм неразличим, но периоды до или после оцениваются как W со значительными движениями тела, оценивают стадию W;

- в противном случае оценивают период как ту же самую стадию, что и стадия, следующая за ней.

Оценивают пробуждение (активность центральной нервной системы/активация на EEG), если:

- имеется резкий сдвиг частоты EEG, включая альфа, тета и/или частоты выше 16 Гц;

- продолжительность не менее 3 секунд;

- перед изменением необходимо иметь 10 секунд стабильного сна;

- во время REM требуется одновременное увеличение субментальной EMG по меньшей мере на 1 секунду.

[0073] Существует некоторые особенности при оценке пробуждения:

- следует использовать информацию центральных и затылочных отведений;

- оценка может быть подкреплена информацией о дыхательных событиях и/или с других каналов EEG, но не только с других каналов;

- если критерии оценки пробуждения возникают в период бодрствования, то его следует оценить так, чтобы его можно было включить в индекс пробуждения;

- 10 секунд устойчивого сна могут начаться в предшествующий период, даже если этот период является стадией W;

- пробуждение все еще можно оценивать, если оно непосредственно предшествует переходу в стадию W.

[0074] Далее со ссылкой на фиг. 6 и 7 будет подробнее рассмотрена КО2 настоящего изобретения, состоящая в обнаружении стадий сна с помощью радара для каждого пользователя с целью оценки качества и структуры сна.

Сначала производят независимый подсчет движений двух человек и определение фаз сна с использованием одного всенаправленного радара. Для этого используют СШП-данные, полученные с помощью СШП-радара на стадии КО1, которые предварительно разделены согласно принципам КО1 на массивы для каждого пользователя. СШП-данные для каждого пользователя передают в предварительно обученный классификатор движений конечностей. Обученный классификатор обнаруживает события одиночных движений нижних конечностей (LM). Как правило, обучение классификатора производят на стадии изготовления устройства. Эти же данные, полученные с помощью СШП-радара на стадии КО1, используют для определения стадий сна и апноэ для пользователя 1 (аналогичные операции также осуществляют для пользователя 2). Отдельные события LM группируют в PLM. Затем, используя полученные данные, касающиеся стадий сна и апноэ, удаляют из PLM события, произошедшие в состоянии апноэ, пробуждения или вызванные перемещением всего тела, и получают значение PLMS. На заключительном этапе КО2 вычисляют PLMI для оценки качества сна каждого из пользователей.

Таким образом, при оценочном подсчете PLMS отдельные события LM не оцениваются, если они происходят в состоянии апноэ или пробуждения, или вызваны перемещением всего тела. Во всех стадиях сна мышцы расслаблены, а тело обездвижено. Как правило, только на стадии медленного сна N1 «мышцы могут подергиваться», т.е. производить события LM.

[0075] Маркером качества сна (здорового сна) человека может быть индекс периодических движений ног (PLMI). Более конкретно, PLMI характеризует количество периодических движений ног в течение часа и используется для оценки тяжести расстройства PLMD. Появление 15-25 движений в час характеризует легкую степень расстройства. Умеренная степень соответствует 25-50 движениям в час, а тяжелая - 50 и более. При этом, например, если PLMI<15, то сон считается хорошим, а если PLMI≥15, то сон считается беспокойным (согласно стандартам AASM).

[0076] Со ссылкой на фиг. 7 подробнее рассмотрена КО2 настоящего изобретения. Как обсуждено ранее, КО1 состоит в различении пользователей и осуществляется путем предварительной обработки радиолокационных сигналов. Для этого регистрируют необработанные сигналы радаров во время сна. Кроме того, обеспечивают опорные данные по стадиям сна и снабжают этими данными устройство при изготовлении. Опорные данные по стадиям сна получают с помощью полисомнографии (PSG), которая является золотым стандартом оценки стадий сна. На основании сигналов PSG, в частности, электроэнцефалограммы, электроокулограммы и электромиограммы, можно оценить каждый период (30-секундный интервал) как бодрствование/засыпание (W), сон с быстрым движением глаз (R) или медленный сон (N). Нормальный сон включает две разные фазы, циклически чередующиеся в течение ночи: R и N, причем N, как указано выше, подразделяется еще на три стадии согласно стандартам AASM. Первые две стадии медленного сна обычно называются легким сном (LS), а третья стадия - глубоким сном (DS).

[0077] Подробнее опишем то, что происходит в мозге и теле во время медленного и быстрого сна. Здесь приведены данные из публикации https://www.verywellhealth.com/the-four-stages-of-sleep-2795920. В этой публикации вышеописанным стадиям N1, N2, N3, R соответствуют стадии NREM1, NREM2, NREM3, REM.

NREM1 - это первая стадия цикла сна, представляющая собой переходный период между бодрствованием и сном. Если разбудить кого-нибудь на этой стадии, он может сообщить, что не спит.

Во время стадии NREM1:

Мозговая деятельность замедляется

При этом замедляются сердцебиение, движения глаз и дыхание

Тело расслабляется, а мышцы могут подергиваться

Этот короткий период сна длится от около 5 до 10 минут.

NREM2 - это вторая стадия медленного сна, занимающая около половины общего времени сна и длящаяся около 20 минут за цикл.

Во время стадии NREM2:

Человек начинает меньше осознавать свое окружение

Температура тела падает

Движения глаз прекращаются

Дыхание и пульс становятся более регулярными

Мозг также начинает производить всплески быстрой, ритмичной активности мозговых волн, которые известны как веретена сна. Считается, что они являются особенностью консолидации памяти, когда мозг собирает, обрабатывает и фильтрует новые воспоминания, которые человек приобрел в предыдущий день. Пока это происходит, тело замедляется, готовясь к третьей стадии медленного сна и стадии быстрого сна, когда мозг и тело восстанавливаются и перезагружаются для наступающего дня.

NREM3 - то третья стадия медленного сна, во время которой начинают возникать глубокие, медленные мозговые волны, известные как дельта-волны, поэтому эту стадию называют дельта-сном. Это период глубокого сна, когда никакие шумы или действия окружающей среды не могут разбудить спящего человека.

Во время стадии NREM3:

Мышцы полностью расслаблены

Кровяное давление падает, а дыхание замедляется

Человек погружается в самый глубокий сон

Во время этой стадии сна тело начинает физическое восстановление, т.е. мышцы и ткани восстанавливаются, а клетки регенерируются. Достаточная продолжительность сна на стадии HREM3 позволяет вам чувствовать себя отдохнувшим на следующий день. За время HREM3 организм вырабатывает 95% гормона роста человека. Часто бывает трудно проснуться во время глубокого сна, и когда это происходит, человек, скорее всего, почувствует себя разбитым и дезориентированным.

Тем временем мозг консолидирует декларативные воспоминания, например, общие знания, факты или статистику, личный опыт и другие вещи, которые человек узнал.

REM - это стадия быстрого сна, во время которой мозг активизируется умственной деятельностью, а произвольные мышцы обездвиживаются. Во время быстрого сна активность мозга наиболее похожа на его активность в период бодрствования. Быстрый сон начинается примерно через 90 минут после засыпания. При этом:

Мозг зажигается активностью

Тело расслаблено и обездвижено

Дыхание учащенное и нерегулярное

Глаза быстро двигаются

Человеку снятся сны

Считается, что быстрый сон - это процесс обработки и сохранения эмоций и эмоциональных воспоминаний. Мозг также использует это время для закрепления информации в памяти, что делает его важным этапом обучения.

Во время глубокого сна (NREM3) и REM сна восстанавливаются и перестраиваются клетки, и выделяются гормоны, способствующие росту костей и мышц. Тело также использует глубокий сон для укрепления иммунитета и борьбы с болезнями и инфекциями.

[0078] Важно понимать, что сон не проходит через четыре стадии в идеальной последовательности. Если человек непрерывно спит целую ночь, стадии сменяются следующим образом:

1. Сон начинается с NREM1.

2. NREM1 переходит в NREM2.

3. За NREM2 следует NREM3.

4. Затем повторяется NREM2.

5. Наконец, случается REM.

После окончания быстрого сна организм обычно возвращается к NREM2 перед началом цикла. Время каждой стадии меняется в течение ночи по мере повторения цикла (всего примерно четыре-пять раз). Структура сна относится к циклам и стадиям, которым человек подвергается ночью. Полный цикл сна обычно длится около 90 минут.

[0079] На цикл сна влияет множество факторов. Каждый раз, когда у человека возникают проблемы с засыпанием или ночным сном, это влияет на цикл сна. Для описания сна, который не является непрерывным в течение всей ночи, используется термин «прерывистый сон». Некоторые факторы, которые связаны с прерывистым сном и, следовательно, могут повлиять на стадии сна, включают:

Пожилой возраст: сон естественным образом становится легче, и человека легче пробудить

Никтурия: частое просыпание с позывами к мочеиспусканию

Нарушения сна, включая обструктивное апноэ во сне (дыхание останавливается и начинается во время сна) и синдром беспокойных ног (сильное ощущение необходимости двигать ногами)

Боль: трудности с засыпанием или сном из-за острой или хронической боли, например, фибромиалгии

Расстройства настроения, такие как депрессия или тревога

Другие заболевания, включая болезнь Альцгеймера, болезнь Паркинсона и ожирение

Образ жизни: мало физических упражнений или их отсутствие, курение, чрезмерное употребление кофеина, чрезмерное употребление алкоголя

Недостаточное время на каждой стадии сна или неправильное циклическое переключение стадий сна может повлиять на человека по-разному в краткосрочной и долгосрочной перспективе.

Например, из-за нарушения цикла сна, могут возникнуть проблемы с:

- обучением и концентрацией внимания,

- креативностью,

- принятием рациональных решений,

- решением проблем,

- воспоминаниями или восстановлением информации,

- контролем эмоций и поведения.

[0080] Также люди с нарушенным циклом сна подвергаются большему риску возникновения болевых ощущений, воспалений, повышенного артериального давления, сердечных заболеваний, избыточного веса/ожирения, диабета.

Для улучшения качества и продолжительности сна, помимо медицинских средств, специалисты рекомендуют:

- ограничивать использование электроники перед сном,

- стараться получать хотя бы полчаса естественного солнечного света в день,

- ложиться спать и просыпаться примерно в одно и то же время,

- ежедневно заниматься спортом,

- не есть тяжелую пищу перед сном,

- избегать алкоголь,

- следить за тем, чтобы в комнате было прохладно и темно,

- высыпаться.

Если человек по-прежнему не спит достаточно после применения приведенных выше советов в течение как минимум недели, следует обратиться к врачу, чтобы оценить, нужна ли другая помощь, например, лекарства или устройство для предотвращения апноэ во сне.

[0081] Таким образом, сон играет важную роль в жизни человека и необходимо контролировать структуру сна и происходящие во время сна события, такие как PLMS, для обеспечения хорошего качества сна.

Определение структуры сна с помощью биорадиолокации хорошо известно в уровне техники. В частности, в публикации Anishchenko L.N., Bugaev A.S., Ivashov S.I. et al. (Анищенко Л.Н. и др.), Determination of the sleep structure via radar monitoring of respiratory movements and motor activity (Определение структуры сна с помощью радиолокационного мониторинга дыхательных движений и двигательной активности), Journal Communications Technology and Electronics, Vol.62, pp. 886-893, 2017 (https://doi.org/10.1134/S1064226917080022) раскрыто долговременное автоматическое определение структуры сна человека путем анализа дыхательных движений и двигательной активности, регистрируемых с помощью биорадиолокации, разработан алгоритм определения структуры сна человека и показана возможность определения структуры сна со средним качеством 0,5 каппа Коэна относительно «золотого стандарта» (полисомнографии) как для практически здоровых испытуемых, так и для лиц, страдающих бессонницей.

[0082] Наиболее распространенным альтернативным методом определения структуры сна является анализ вариабельности сердечного ритма (HRV). Между тем, поскольку дыхание различается в разные стадии сна и бодрствования, некоторые исследователя сна совмещают анализ HRV и анализ сигналов дыхания. Более того, в ряде публикаций продемонстрирована возможность выявления структуры сна только на основе респираторного анализа.

[0083] Бесконтактные методы регистрации физиологических параметров обеспечивают высокий комфорт и представляются перспективным направлением развития систем мониторинга сна. Два наиболее распространенных метода бесконтактного мониторинга жизненно важных показателей во время сна: баллистокардиография (BCG) и биорадиолокация (BRL). BRL - это метод дистанционного обнаружения биологических объектов и регистрации движений их конечностей и органов с помощью радиолокации. В настоящем документе термин «биорадиолокация» и «радиолокация» используются взаимозаменяемо. BRL позволяет регистрировать дыхание и движения во время сна. Более того, согласно различным публикациям, стадии сна человека могут быть классифицированы на основе мониторинга BRL на две, три и четыре стадии (фазы сна). В публикации Татараидзе А. и др., «Sleep stage classification based on bioradiolocation signals» (Классификация стадий сна на основе биорадиолокационных сигналов), Материалы 37 Ежегодной международной конференции IEEE инженерии в медицине и биологии, 2015 (doi:10.1109/EMBC.2015.7318374) всесторонне описан алгоритм 3-х стадийной классификации стадий сна на основе мониторинга сигналов BRL.

[0084] На фиг. 7 проиллюстрированы два графика, взятые из указанной публикации. На верхнем графике показан интервал сигнала BRL. Пики при вдохе направлены вверх на левой стороне, отторгнутые артефакты находятся в центре, пики при вдохе направлены вниз на правой стороне графика. На нижнем графике также показан интервал сигнала BRL. Пики и впадины обозначены закрашенными треугольниками и квадратами соответственно. Анализируемая часть сигнала (период) и интервал для извлечения признаков на основе цикла представлены точечной и пунктирной линиями соответственно. Области между кривыми и базовой линией закрашены светло- и темно-серым цветом для периодов вдоха и выдоха соответственно.

Обнаружение пиков дыхания осуществляют по необработанным сигналам с радарных датчиков. Обученный классификатор, используя зарегистрированные данные, отличает стадии сна и апноэ по изменению дыхания.

[0085] Кратко алгоритм обнаружения стадий сна с помощью радара можно описать следующим образом:

1. Получение данных о дыхании (BR) по данным радара для каждого пользователя.

2. Получение движений тела по данным радара для каждого пользователя.

3. Применение предварительно обученного классификатора к BR и движениям тела для определения стадий сна. Как отмечено ранее, классификатор обучается только при изготовлении с использованием стадий сна и движений конечностей по данным PSG в качестве опорных данных. Таким образом, предварительно обученный классификатор предназначен как для обнаружения событий одиночных LM, так и для определения стадий сна. В варианте осуществления указанные действия может осуществлять единственный классификатор или могут использоваться два классификатора - один для обнаружения LM, другой для определения стадий сна.

[0086] Таким образом, КО1 и КО2 характеризуют следующие отличительные особенности настоящего изобретения:

- данные с радара разделяют между двумя пользователями во время предварительной обработки сигналов радара,

- наличие обучающего классификатора для обнаружения LM и определения стадий сна с помощью радара (заводского изготовления),

- алгоритм группирует события LM в последовательности PLM (по стандартам AASM),

- алгоритм принудительно переводит PLM в «0», если движение происходит во время пробуждения или апноэ.

[0087] На нижнем графике по фиг. 7 показаны последовательности PLM и стадии бодрствования/апноэ и обычного сна. При этом события одиночных LM показаны на графике в виде прямоугольных импульсов, поскольку классификатор бинарным образом указывает на обнаружение LM, т.е. при наличии движения в 10-секундном сегменте этому сегменту присваивается значение «1», а при отсутствии движения сегменту присваивается значение «0». Одновременно на графике показаны периоды бодрствования/апноэ и обычного сна, причем здесь сегментам присваиваются значения «спит»/«не спит». События LM, происходящие в периоды бодрствования/апноэ или вызванные движением всего тела, исключаются из PLM, как показано на графике темным фоном и овалом.

[0088] Со ссылкой на фиг. 8 будет подробнее описано предварительное обучение классификатора для обнаружения LM.

Обучение классификатора осуществляют по данным СШП-радара с помощью индексов сегментов LM. Как отмечалось ранее, обучение выполняют только один раз, во время изготовления. Более конкретно, в качестве заводской настройки заявленного устройства, готового к коммерческому применению, выполняют сбор данных в составе: радарные сигналы, которые на первом этапе разделяют по пользователям, PSG, данные с умных часов (IMU). Кроме того, умные часы также можно дополнительно использовать для получения данных пульса (HR) и частоты дыхания (BR) с помощью PPG-датчика с целью улучшения точности определения стадий сна/бодрствования. Данные собирают со множества человек во сне (до 100 человек). Далее происходит обучение AI-модели (классификатора движений конечностей/стадий сна). Для этого используют данные радара и умных часов, а также, в качестве опорных данных, данные PSG. Более конкретно, в качестве AI-модели может использоваться классификатор машинного обучения типа RandomForest (метод случайного леса) или другой, например, библиотека CatBoost.

[0089] Для обучения классификатора LM сигналы разбивают на окна по 10 секунд. В дальнейшем каждое окно будет оцениваться классификатором на предмет содержания в нем LM. Кроме того, в случае работы с классификаторами предварительно подготавливают признаки, которые представляют собой наборы численных данных, получаемые для каждого 10-секундного окна из сигнала радара и сигналов от умных часов. Признаки могут представлять собой, например, максимальное, минимальное или медианное значение, отношение максимального значения к среднему, максимальное значение на заданном расстоянии, расстояние с максимальным значением и т.п. Из данных умных часов тоже можно взять подобные признаки, такие как, например, максимальное, среднее, медианное, минимальное значение частоты пульса, частоты дыхания и другие признаки. Наборы признаков для обучения классификатора выбирают при разработке алгоритма. В набор данных входят обучающая часть и тестовая часть, в каждой части данные разбиты на характеризующие движение («движение») и отсутствие движения («нет движения»). Для обучения классификатора данных используют алгоритм. После обучения классификатор должен распознать образцы из тестовой части.

[0090] Первым этапом работы классификатора является поиск событий одиночных LM в 10-секундных окнах сигналов радара. Вторым этапом является непосредственное объединение обнаруженных событий одиночных LM в окнах в последовательности PLM в соответствии с требованиями стандарта AASM.

При использовании предварительно обученного классификатора достигаются следующие эффекты:

- точное обнаружение событий LM,

- устойчивость к сигналу BR, событиям апноэ,

- устойчивость к движениям всего тела,

- состояние пробуждения игнорируется согласно стандарту AASM.

[0091] Далее переходят к получению данных о последовательностях периодических движений нижних конечностей (PLM) и оценке качества сна, которые будут описаны со ссылкой на фиг. 9.

На данной стадии сначала группируют события LM в последовательности PLM, используя описание PLM из стандарта AASM. Затем из PLM исключают состояния бодрствования/пробуждения, апноэ и события, вызванные движением всего тела. После этого рассчитывают общие показатели на основе стандарта AASM, т.е. PLMI. Более конкретно, этапами оценки качества сна являются:

1. Поиск пиков (пики на восходящем фронте событий LM). Можно представить события LM, например, как импульсы «1» на протяжении сна («0» на таком представлении будет означать отсутствие LM). Это проиллюстрировано, например, на нижнем графике по фиг. 7, где показаны два уровня «события PLM» и «отсутствие PLM» в зависимости от времени сна «ночное время». На этом графике каждый отдельный прямоугольный импульс представляет происходящее в данный момент событие одиночного LM, соответствующее восходящим фронтам событий LM.

2. Проверка межпиковых интервалов, составляющих менее 90 с.

3. Заполнение интервала между пиками отметкой PLM.

4. Подсчет количества событий LM, которые есть только внутри PLM.

5. Подсчет времени сна (исключая время бодрствования/апноэ).

6. Вычисление PLMI как соотношения между количеством LM и временем сна в часах:

PLMI=N_PLM/t,

где N_PLM - количество событий LM, сгруппированных в PLM, t - время сна, в часах, причем в данном случае PLM соответствует PLMS, поскольку исключены события, происходящие вне сна.

7. Дальнейший анализ качества сна по индексу PLMI (за одну ночь или в среднем за несколько ночей).

Для классификации сна между хорошим и беспокойным сном используют пороговое значение PLMI, составляющее, согласно стандарту AASM, 15 (если PLMI<15, сон - хороший, если PLMI≥15, сон - беспокойный).

[0092] Со ссылкой на фиг. 10 и 11 будет описана КО3, состоящая в уменьшении взаимного влияния пользователей со скрещенными/близко расположенными ногами. Здесь решается задача усреднения неразличимых движений двух пользователей.

На фиг. 10 показаны два спящих на кровати пользователя, у которых слишком близко расположены ступни ног и на которых направлен СШП-радар. Показанное расположение ног может привести к неправильному обнаружению, например, движения ступней пользователей, поскольку не удается надежно распознать, кто из пользователей совершил движение.

Для снижения ошибки в определении PLMI, вызванной близкорасположенными ногами, используют алгоритм усреднения неразличимых радаром событий LM, который работает следующим образом. Для усреднения индекса движения требуется не менее 2 ночей записи движений. Неразличимые движения будут с некоторой погрешностью искажать индекс движения. Поэтому алгоритм подсчитывает количество трудно различимых движений и после каждой ночной записи делит это количество на две равные части и поровну распределяет эти части между пользователями.

[0093] На фиг. 11 схематично показаны графики с результатами мониторинга сна пользователей в течение двух ночей (а) и (б). На верхнем графике показаны результаты для ночи (а), а на нижнем - для ночи (б). В частности, показаны периоды бодрствования, периоды событий LM с количеством N_1a, N_2a для пользователя 1 и 2 в течение ночи (а) и N_1b, N_2b для пользователя 1 и 2 в течение ночи (б). Вместе с тем в течение ночей (а) и (б) наблюдалось некоторое количество неразличимых движений n_a и n_b соответственно. Количество неразличимых событий LM распределяется поровну между пользователями (независимо для пары записей, т.е. для каждой ночи). Такой подход снижает максимальную ошибку ошибочно распределенных LM до n/2 (в два раза меньше). Таким образом, принимая во внимание вышесказанное, для расчета PLMI используют следующие формулы:

для пользователей 1 и 2 для ночи (а):

PLMI_1a=(N_1a+n_a/2)/t_1a

PLMI_2a=(N_2a+n_a/2)/t_2a

для пользователей 1 и 2 для ночи (б):

PLMI_1б=(N_1б+n_б/2)/t_1б

PLMI_2б=(N_2б+n_б/2)/t_2б

[0094] Далее рассмотрим, как описанный алгоритм позволяет снизить максимальную ошибку при расчете PLMI.

Со ссылкой на фиг. 12 оценена вероятность ложного прогноза при PLMI>15. Значения PLMI около 15 представляют особый интерес для оценки, поскольку неправильная оценка этого индекса может привести к неправильным действиям, связанным с лечением PLMD. Для оценки взяты данные из публикации https://www.whoop.com/us/en/thelocker/average-sleep-stages-time. Среднее время сна, включая бодрствование, здесь составляет 7 ч 49 мин. Среднее время бодрствования 47 минут. Следовательно, средняя продолжительность сна без бодрствования составляет около 7 часов. Производили запись сна в течение двух ночей. Если в обе ночи для пользователя PLMI>15, то делаем вывод, что для него PLMI>15. Если не в обе ночи PLMI>15, делаем вывод, что для него PLMI<15. График вероятности по фиг. 12 относится к данным за одну ночь.

Пусть n₀ - количество событий LM, соответствующее PLMI=15.

Также предположим, что 2×x - это количество неразличимых LM, и что 2×x - это 10% от общего числа LM. Предположим худший случай, когда пользователь 1 имеет количество LM, равное n₀-x, и все неразличимые LM 2×x принадлежат пользователю 2. Таким образом, алгоритм назначит x LM каждому пользователю.

Далее, пусть P₁ - вероятность того, что у пользователя 1 возникнет (n₀-x) событий LM, P₂ - вероятность того, что у пользователя 2 возникнет (20×x) событий LM;

Тогда P=P₁ × P₂ - это вероятность PLMI≥15 для пользователя 1, когда 2×x/2 LM пользователя 2 ошибочно отнесены на пользователя 1.

Если алгоритм выполняет усреднение по записям за две ночи, вероятность ложного предсказания PLMI≥15 в обе ночи для пользователя 1 будет равна P².

[0095] Со ссылкой на фиг. 13 показан график зависимости P_2ночи=P₂ от x.

Наибольшая вероятность составляет 2,5%, когда на пользователя 1 отнесено одно событие LM. В этом случае абсолютная погрешность PLMI₁ равна 0,143.

В более распространенных случаях, если для реального пользователя 1 PLMI₁ <14,14 (x≥6), то вероятность составляет <0,01%.

[0096] Далее со ссылкой на чертежи будут описаны варианты осуществления изобретения. Сначала со ссылкой на фиг. 14 будет описан наилучший вариант осуществления изобретения. Как описано ранее, все движения распознают с помощью радара, причем движения характеризуются своим диапазоном и величиной. Затем оценивают мощность сигналов для каждого из движений. Для разделения данных движений используют области расстояния и мощности с учетом неоднородности диаграммы направленности излучения радара. Данные движений разделяют по двум пользователям и получают СШП-данные для пользователя 1 и СШП-данные для пользователя 2. На основе полученных СШП-данных для разных пользователей с помощью предварительно обученного классификатора LM обнаруживают отдельные события LM, а затем группируют их в PLM. Одновременно по полученным СШП-данным обнаруживают стадии сна и апноэ для каждого из пользователей, после чего удаляют из PLM события, которые соответствуют состоянию сна или апноэ, и вычисляют PLMI для оценки качества сна каждого из пользователей. Для оценки того, находится ли пользователь в нормальном состоянии или нет, можно использовать базовый порог PLMI=15.

В наилучшем варианте осуществления используется СШП-радар, встроенный в смартфон или IoT-устройство, а также специально разработанный алгоритм для обнаружения событий PLM, обнаружения сна/бодрствования и апноэ, различения пользователей и индикации результатов. Преимущество данного варианта осуществления состоит в том, что в смартфоне радарная микросхема использует существующие антенны и тем самым экономится пространство. При этом антенный тракт дорабатывается, чтобы пропускать весь СШП-диапазон.

Эффектами описанного варианта осуществления являются:

1. Предоставление пользователю точных данных о движениях (основы для оценки движений во сне).

2. Обеспечение конфиденциальности (по сравнению с решениями на основе теле-/фотокамеры или микрофона).

3. Личное использование дома для постоянного мониторинга.

4. Различение пользователей (если спят два пользователя).

5. Изобретение может быть использовано в телемедицине.

[0097] Дополнительные варианты осуществления позволяют улучшить точность обнаружения движений, а значит, и оценки PLMI. На фиг. 15 показан вариант осуществления изобретения, когда один из пользователей или оба пользователя дополнительно используют умные часы. Как известно, с помощью умных часов можно определять множество жизненно важных показателей пользователя, таких как, например, частота пульса, частота дыхания, а также обнаруживать движения с помощью гироскопического датчика и/или акселерометра. Следовательно, данные, полученные с помощью умных часов, можно использовать для уточнения результатов, полученных по СШП-данным. При этом при использовании умных часов обоими пользователями обеспечивается лучшая точность измерений.

[0098] На фиг. 16 показан вариант осуществления изобретения, позволяющий еще больше увеличить точность измерений, в котором дополнительно используется специальный умный браслет. Этот вариант осуществления особенно полезен в случае, когда пользователи спят со скрещенными ногами и разрешения радара недостаточно для различения движений пользователей. В этом случае один или оба пользователя могут носить умный браслет на щиколотке, а различать движения ног помогает встроенный в браслет акселерометр и/или гироскопический датчик. Использование браслета помогает различать движения ног пользователей, даже если они расположены слишком близко друг к другу.

Как понятно из вышесказанного, в вариантах осуществления, проиллюстрированных на фиг. 15 и 16, дополнительные умные устройства имеют в своем составе блок инерциальных измерений.

[0099] На фиг. 17 показан вариант осуществления изобретения, когда дополнительно используют пассивный отражатель СШП-сигналов, такой как параболический отражатель. Дело в том, что СШП-датчик и его антенны, как правило, расположены на тыльной поверхности смартфона. Таким образом, если экран смартфона обращен к пользователю, то радар направлен в противоположную сторону. Следовательно, необходимо обеспечить отражение первичного сигнала для перенаправления его от антенн на пользователей. Описанный вариант осуществления обеспечивает следующие преимущества: пассивный отражатель может быть объединен с устройством беспроводной зарядки в виде подставки; отражатель обеспечивает удобство для пользователя и перенаправляет СШП-сигналы от антенн на задней стороне смартфона к пользователю, при этом экран обращен к пользователю. Кроме того, с помощью отражателя можно исказить, при необходимости, диаграмму направленности излучения.

[0100] На фиг. 18 показан вариант осуществления изобретения, когда дополнительно используют пассивный ретранслятор сигналов, выполненный в виде плоского предмета, который можно положить, например, под матрас. Описанный вариант осуществления обеспечивает следующие преимущества: пассивный ретранслятор можно разместить под ногами, он меняет отражательные свойства, когда ноги над ним движутся, а также отражает сигнал обратно в том же направлении, откуда он пришел.

[0101] Предлагаемое изобретение содержит СШП-датчик (в составе системы мониторинга, которая может представлять собой смартфон или IoT-устройство) и, необязательно, дополнительное носимое устройство (умные часы, умное кольцо, умный браслет). В наилучшем варианте осуществления единственное радарное устройство может различать движения двух пользователей. Предлагаемое изобретение позволяет отслеживать перемещение пользователя(ей) и давать ему/ей/им рекомендации. Рекомендации могут заключаться в том, чтобы просто сообщить об уровне движений конечностей пользователя или необходимости посещения врача в случае высокого уровня PLMI.

[0102] Преимуществами настоящего изобретения являются:

- высокая точность восприятия движений, которая может быть достигнута за счет использования IMU и информации о состояниях сна;

- двух спящих можно различать с помощью единственного радара;

- дополнительные устройства (умные часы, умное кольцо, зарядное устройство с отражателем или пассивный повторитель) помогают улучшить качество обнаружения.

Эффекты от использования настоящего изобретения представляют собой:

- предоставление пользователю точной оценки движения конечностей;

- возможность измерения и других жизненно важных показателей: HR, BR, уровень стресса и т.д.;

- возможность использования изобретения в телемедицине.

[0103] Промышленная применимость/удобство использования

Настоящее изобретение обеспечивает удобство использования для пользователя, предоставляя возможность удобного мониторинга сна. При этом:

1. Не требуется никаких профессиональных медицинских знаний.

2. Нет никаких проводов/электродов или других элементов, контактирующих с телом.

3. Этот способ не нарушает нормальный сон и не влияет на поведение во сне.

4. Сигналы радара, используемые в изобретении, безопасны для пользователя.

5. Может быть улучшено качество сна пользователя.

Более того, настоящее изобретение предоставляет выгоды производителям, поскольку:

1. Можно использовать существующие устройства со встроенным СШП-радаром.

2. Время использования этих устройств увеличивается вследствие работы во время сна.

3. Предоставляет дополнительный сценарий использования СШП-радара в смартфоне.

4. Предоставляет дополнительный сценарий использования носимых устройств.

5. Может быть реализовано без изменений аппаратного обеспечения.

[0104] На фиг. 19 показаны дополнительные варианты применения настоящего изобретения. Как отмечалось ранее, настоящее изобретение во время мониторинга сна с помощью СШП-датчика способно определять частоту сердечных сокращений, частоту дыхания, а также события апноэ и гипопноэ. Благодаря определению стадий сна у пользователей, настоящее изобретение обеспечивает контроль качества сна. Кроме того, настоящее изобретение может использоваться для таких задач, как обнаружение присутствия, например, человека в некоторой зоне, обнаружение падения.

[0105] В настоящее время ведется много дискуссий по поводу безопасности беспроводных интерфейсов, особенно когда рынок постепенно завоевывает технология связи 5G. Благодаря строгим требованиям, СШП-технология гарантирует, что по сравнению с другими беспроводными интерфейсами такая технология безвредна. Мощность СШП-импульсов значительно ниже (в 10000 раз или даже больше), чем мощность других радиопередатчиков, находящихся в обычном смартфоне.

На фиг. 20 показан график, условно показывающий диапазоны частот и уровни мощности, используемые в различных технологиях связи, таких как система глобального позиционирования (GPS), служба персональной связи (PCS), беспроводная сеть Wi-Fi, технология широкополосного доступа в микроволновом диапазоне (WiMax), беспроводная локальная сеть WLAN, спутниковая связь (Satellite). Для сравнения показан диапазон и предельная мощность, на которой работает СШП-датчик. На фиг. 20 проиллюстрирован СШП-диапазон для сигнала радара 3,1-10,6 ГГц с шириной спектра более 500 МГц и спектральной плотностью мощности сигнала -41,5 дБм/МГц согласно стандарту IEEE 802.15.3a-2007. Значения для российского стандарта СШП показаны в табл. 2 выше. Как было отмечено, устройство по настоящему раскрытию способно работать как в соответствии с российским стандартом, так и со стандартом IEEE.

[0106] На фиг. 22 проиллюстрирована матрица несоответствия или матрица ошибок для движений левой/правой ноги пользователя, определяемых системой мониторинга по настоящему изобретению. Матрица несоответствия кратко суммирует результаты тестирования классификатора движений нижних конечностей, и с ее помощью можно оценить правильность идентификации выборок классификатором. Проиллюстрированы экспериментальные данные, полученные для одного человека системой мониторинга с помощью классификатора движений нижних конечностей, которые подтверждались одновременно методом полисомнографии. За тестируемый период было зарегистрировано 354 движения левой ноги и 309 движений правой ноги согласно особенностям настоящего раскрытия. В матрице несоответствия указанные количества движений распределены следующим образом:

273 - угаданные (распознанные) движения левой ноги (True Negative, TN, истинно-отрицательный результат),

252 - угаданные движения правой ноги (True Positive, TP, истинно-положительный результат),

81 - движения левой ноги, но определенные как движения правой ноги (False Negative, FN, ложноотрицательный результат),

57 - движения правой ноги, но определенные как движения левой ноги (False Positive, FP, ложноположительный результат).

Оценка F1 рассчитывается следующим образом:

precision1 (точность1)=TP / (TP+FP)

recall1 (полнота1)=TP / (TP+FN)

F1_a=2 × precision1 × recall1 / (precision1+recall1)

precision2 (точность2)=TN / (TN+FN)

recall2 (полнота2)=TN / (TN+FP)

F1_b=2 × precision2 × recall2 / (precision2+recall2)

F1=(F1_a+F1_b) / 2.

В данном эксперименте оценка F1 составляет 0,79.

В статистическом анализе систем бинарной классификации оценка F является мерой прогностической эффективности и рассчитывается, как указано выше, причем, например, precision (точность) - это количество истинно положительных результатов, деленное на количество всех образцов, которые были предсказаны как положительные, включая те, которые не идентифицированы правильно, а recall (полнота) - это количество истинно положительных результатов, деленное на количество всех образцов, которые должны были быть идентифицированы как положительные.

Оценка F1 является средним гармоническим точности и полноты. Максимально возможное значение оценки F составляет 1,0, что указывает на идеальную точность и полноту, а минимально возможное значение составляет 0, если точность или полнота равны нулю.

[0107] Таким образом, заявленное изобретение обеспечивает качественный мониторинг движений нижних конечностей во сне одновременно у двух пользователей.

[0108] Дополнительными преимуществами использования заявленного изобретения являются низкое энергопотребление, а значит, длительный период непрерывного мониторинга движений нижних конечностей, и простота взаимодействия с пользователем, а также использование существующих устройств, дополнительно оборудованных СШП-радаром.

[0109] Настоящее изобретение расширяет функционал приложения Samsung Health в смартфонах, предоставляя дополнительные параметры для комплексного анализа состояния здоровья пользователя. Смартфон, оснащенный системой мониторинга по настоящему изобретению, может выдавать следующие показатели: индекс PLMI, характеризующий качество сна, частоту сердцебиения, частоту дыхания, уровень стресса и другие параметры, относящиеся ко сну.

[0110] Хотя изобретение описано с некоторыми иллюстративными вариантами осуществления, следует понимать, что сущность изобретения не ограничивается этими конкретными вариантами осуществления. Напротив, предполагается, что сущность изобретения включает в себя все альтернативы, модификации и эквиваленты, которые могут быть включены в сущность и объем формулы изобретения.

[0111] Кроме того, изобретение включает в себя все эквиваленты заявляемого изобретения, даже если пункты формулы изобретения изменятся в процессе рассмотрения.

Группа изобретений относится к медицине. Система и реализуемый в ней способ мониторинга движений нижних конечностей пользователя, включающий в себя размещение системы относительно целевых зон пространства обзора сверхширокополосного (СШП) радара в соответствии с указанием пользователя, сканирование, с помощью СШП-радара, сигналами с разным усилением в разных направлениях целевых зон пространства обзора с находящимися в них по меньшей мере двумя пользователями, регистрацию сигналов, отраженных от каждого из упомянутых по меньшей мере двух пользователей, и, на основе зарегистрированных сигналов для каждого из пользователей, осуществление сбора данных о дыхании, движениях нижних конечностей и движениях всего тела, распознавание событий одиночных движений нижних конечностей (LM) с помощью предварительно обученного классификатора движений нижних конечностей, обнаружение и оценку стадий сна с помощью предварительно обученного классификатора сна, группирование событий LM в последовательности периодических движений нижних конечностей (PLM), исключение из сгруппированных PLM движений нижних конечностей, связанных со стадиями бодрствования, апноэ или вызванных движением всего тела, получение последовательностей периодических движений конечностей во время сна (PLMS), вычисление индекса периодических движений нижних конечностей (PLMI) и оценку качества сна. Изобретение обеспечивает одновременную оценку качества сна двух пользователей, спящих на одной кровати, а также возможность оценки других жизненно важных показателей - частоты сердечных сокращений, частоты дыхания, уровня стресса. 2 н. и 22 з.п. ф-лы, 22 ил., 2 табл.

1. Система мониторинга движений нижних конечностей двух пользователей во время сна, содержащая:

сверхширокополосный (СШП) радар, содержащий приемо-передающий модуль и антенный модуль, и

процессор обработки сигналов,

причем система мониторинга выполнена с возможностью:

формирования диаграммы направленности излучения для сканирования целевых зон пространства обзора сигналами с усилением, зависящим от направления и расстояния, и регистрации сигналов, отраженных от каждого из двух пользователей, находящихся в целевых зонах, и

на основе зарегистрированных сигналов для каждого пользователя:

осуществления сбора данных о дыхании, движениях нижних конечностей и движениях всего тела,

распознавания одиночных движений нижних конечностей (LM) с помощью предварительно обученного классификатора движений нижних конечностей,

обнаружения и оценивания стадий сна с помощью предварительно обученного классификатора сна,

группирования одиночных движений нижних конечностей в последовательности периодических движений нижних конечностей (PLM),

исключения из сгруппированных последовательностей периодических движений нижних конечностей движений, связанных со стадиями бодрствования, апноэ или вызванных движением всего тела, с получением последовательностей периодических движений нижних конечностей во время сна (PLMS), и

вычисления индекса периодических движений нижних конечностей (PLMI) для оценки качества сна.

2. Система мониторинга по п.1, дополнительно содержащая запоминающее устройство и источник питания.

3. Система мониторинга по п.1 или 2, в которой СШП-радар выполнен с возможность работы в диапазоне частот 2,85-10,6 ГГц с шириной спектра не менее 500 МГц.

4. Система мониторинга по любому из пп.1-3, при этом индекс PLMI вычисляют по формуле:

PLMI=NPLMS/t, где NPLMS - количество одиночных LM, сгруппированных в PLMS, t - время сна в часах.

5. Система мониторинга по любому из пп.1-3, при этом система мониторинга дополнительно выполнена с возможностью уменьшения ошибки, вызванной взаимным влиянием пользователей со скрещенными или сближенными нижними конечностями, за счет усреднения неразличимых движений нижних конечностей обоих пользователей путем:

осуществления регистрации движений в течение по меньшей мере двух ночей,

подсчета количества неразличимых движений,

разделения подсчитанных неразличимых движений на две равные части после каждой ночи,

отнесения каждой равной части на каждого пользователя,

при этом индекс PLMI вычисляют согласно формуле:

PLMI=(NPLMS+n/2)/t, где NPLMS - количество одиночных LM, сгруппированных в PLMS, n - количество неразличимых движений, t - время сна в часах.

6. Система мониторинга по любому из пп.1-5, причем система мониторинга дополнительно предназначена для определения частоты сердечных сокращений, частоты дыхания и/или уровня стресса.

7. Система мониторинга по любому из пп.1-6, дополнительно содержащая модуль связи, выполненный с возможностью обмена информацией с внешним устройством, удаленным сервером и/или облачным хранилищем.

8. Система мониторинга по любому из пп.1-7, выполненная в виде смартфона или устройства Интернета вещей (IoT).

9. Система мониторинга по п.8, дополнительно содержащая пассивный отражатель, выполненный с возможностью перенаправления сигналов радара.

10. Система мониторинга по любому из пп.1-9, дополнительно содержащая умное устройство, носимое по меньшей мере одним из пользователей и выполненное с возможностью определения движений нижних конечностей и движений всего тела для уточнения данных, собранных системой мониторинга.

11. Система мониторинга по п.10, в которой умное устройство дополнительно выполнено с возможностью определения частоты дыхания и сердечных сокращений для уточнения стадий сна.

12. Система мониторинга по п.10 или 11, в которой умное устройство представляет собой умные часы, фитнес-браслет, умный браслет или умное кольцо с блоком инерциальных измерений (IMU).

13. Система мониторинга по любому из пп.1-12, при этом классификатор движений нижних конечностей и классификатор сна предварительно обучены с помощью алгоритма машинного обучения с использованием данных о стадиях сна и движениях нижних конечностей, полученных методом полисомнографии (PSG).

14. Система мониторинга по п.13, при этом алгоритмом машинного обучения является «метод случайного леса» (RandomForest) или библиотека CatBoost.

15. Система мониторинга по любому из пп.1-14, дополнительно содержащая дисплей, выполненный с возможностью отображения сетки диаграммы направленности излучения и предоставления пользователю возможности указания на дисплее места расположения системы относительно целевых зон пространства обзора радара.

16. Способ мониторинга движений нижних конечностей двух пользователей во время сна, осуществляемый с помощью системы мониторинга по любому из пп.1-15 и включающий этапы, на которых:

размещают систему относительно целевых зон пространства обзора сверхширокополосного (СШП) радара,

сканируют, с помощью СШП-радара, сигналами с усилением, зависящим от направления и расстояния, целевые зоны пространства обзора с находящимися в них двумя пользователями,

регистрируют сигналы, отраженные от каждого из двух пользователей,

на основе зарегистрированных сигналов для каждого из пользователей:

осуществляют сбор данных о дыхании, движениях нижних конечностей и движениях всего тела,

распознают одиночные движения нижних конечностей (LM) с помощью предварительно обученного классификатора движений нижних конечностей,

обнаруживают и оценивают стадии сна с помощью предварительно обученного классификатора сна,

группируют одиночные движения нижних конечностей в последовательности периодических движений нижних конечностей (PLM),

исключают из сгруппированных последовательностей периодических движений нижних конечностей движения, связанные со стадиями бодрствования, апноэ или вызванные движением всего тела, и получают последовательности периодических движений нижних конечностей во время сна (PLMS),

вычисляют индекс периодических движений нижних конечностей (PLMI) и оценивают качество сна.

17. Способ мониторинга по п.16, причем целевые зоны пространства обзора сканируют сигналами в диапазоне частот 2,85-10,6 ГГц с шириной спектра не менее 500 МГц.

18. Способ мониторинга по п.16 или 17, причем индекс PLMI вычисляют по формуле:

PLMI=NPLMS/t, где NPLMS - количество одиночных LM, сгруппированных в PLMS, t - время сна в часах.

19. Способ мониторинга по п.16 или 17, содержащий дополнительный этап уменьшения ошибки, вызванной взаимным влиянием пользователей со скрещенными или сближенными нижними конечностями, за счет усреднения неразличимых движений нижних конечностей обоих пользователей путем:

осуществления регистрации движений в течение по меньшей мере двух ночей,

подсчета количества неразличимых движений,

разделения подсчитанных неразличимых движений на две равные части после каждой ночи,

отнесения каждой равной части на каждого пользователя,

при этом индекс PLMI вычисляют согласно формуле:

PLMI=(NPLMS+n/2)/t, где NPLMS - количество одиночных LM, сгруппированных в PLMS, n - количество неразличимых движений, t - время сна в часах.

20. Способ мониторинга по любому из пп.16-19, содержащий дополнительный этап уточнения данных о движениях, обнаруженных системой мониторинга, с помощью данных о движениях нижних конечностей и движениях всего тела, собранных умным устройством с блоком инерциальных измерений (IMU), носимым по меньшей мере одним из пользователей.

21. Способ мониторинга по любому из пп.16-20, содержащий дополнительный этап уточнения стадий сна, определенных системой мониторинга, с помощью данных о частоте дыхания и/или частоте сердечных сокращений, собранных умным устройством.

22. Способ мониторинга по любому из пп.16-21, при этом классификатор движений нижних конечностей и классификатор сна предварительно обучают с помощью алгоритма машинного обучения с использованием данных о стадиях сна и движениях нижних конечностей, полученных методом полисомнографии (PSG).

23. Способ мониторинга по п.22, при этом классификатор движений нижних конечностей и классификатор сна предварительно обучают с помощью алгоритма машинного обучения «метод случайного леса» (RandomForest) или библиотеки CatBoost.

24. Способ мониторинга по любому из пп.16-23, в котором систему мониторинга размещают относительно целевых зон пространства обзора СШП-радара в соответствии с указанием на дисплее места расположения системы пользователем.