警觉性预测系统和方法技术方案

本发明专利技术涉及一种用于在例如可穿戴设备的设备中使用的警觉性预测生物‑数学模型，该模型通过收集来自被监控的个人的数据以产生对警觉性水平更加准确的估计来改善现有的疲劳和警觉性预测模型。该生物‑数学模型可以是包含睡眠‑清醒稳态方面和昼夜节律方面的双进程算法。通过与远端皮肤、环境光线和心率测量值结合地使用体动记录测量值来改善睡眠和清醒估计的准确性，该模型的睡眠‑清醒稳态方面得到改善。昼夜节律模型方面通过使用远端皮肤、心率和体动记录数据来改善疲劳预测和估计。睡眠‑清醒稳态和昼夜节律方面还可与额外的客观和主观测量值以及来自使用者的信息相结合，以更进一步改善警觉性估计的准确性。

【技术实现步骤摘要】
【国外来华专利技术】警觉性预测系统和方法对相关申请的交叉引用本申请要求题为“警觉性预测算法”、于2016年2月18日提交的、序列号为62/296,800的美国临时申请(Atty.Doc.No.TVC-141USP)和题为“警觉性预测系统和方法”、于2016年12月12日提交的、序列号为62/432,977的美国临时申请(Atty.Doc.No.TVC-141USP1)的优先权，这些申请每个的内容通过引用完全包括在本说明书中。
技术介绍
个人警觉性的不受控制的下降是一个日益令人担忧的问题，在某些领域的后果正在接近泛滥的程度。例如，估计每天有25万名驾驶员在驾驶时睡着。严重和致命的卡车、公交车、火车和机动车事故正在以令人惊恐的频率发生。制造工厂中的许多受伤和事故与疲劳有关。监控警觉性的目的在于防止发生这些和其它紧急情况，而不是事后处理。例如，在驾驶时已经睡着之后再叫醒就已经太迟了。过去，用于预测或估计个人警觉性的算法基于经常称作的双进程模型。该双进程模型由昼夜节律进程和睡眠-清醒稳态模型组成。该模型的昼夜节律方面通常仅基于一标准时间周期(例如：23-25小时)。另一方面，睡眠-清醒稳态模型则通常仅基于体动记录仪的确定结果。双进程算法模型的当前形式的一个缺陷在于，该形式基于从小样本集合收集的数据来概括其对警觉性的预测。该算法无法对其拟用于的个人进行个性化设置。
技术实现思路
本专利技术的各方面旨在通过收集来自于被监控的个人的数据以产生对该个人的警觉性水平更准确的估计来改善现有的疲劳和警觉性水平预测模型。可在可穿戴设备中引入一算法或生物-数学模型，以便基于主观和客观测量值的组合来检测、预测和/或估计个人的警觉性。根据本专利技术一个方面的一个算法性生物-数学模型涉及包含睡眠-清醒稳态确定和昼夜节律估计的双进程算法。可通过在远端皮肤、环境光线和心率测量值以外还使用体动记录测量值来改善该模型的睡眠-清醒稳态方面，从而改善对于该个人的睡眠和清醒确定的准确性。可通过将远端皮肤、心率和体动记录数据相结合来改善疲劳预测和估计的昼夜节律模型。该昼夜节律估计产生更加准确的模型，该模型能够捕捉使用者的警觉性水平在下午中段的下降和在傍晚的提升。睡眠-清醒稳态和昼夜节律模型也可与额外的客观和主观测量值以及由使用者提供的信息相结合，以更进一步改善估计的准确性。根据本专利技术一些方面的其它生物-数学模型可使用各种度量来生成预测个人的警觉性的疲劳分数。在本说明书中描述的生物-数学模型和包含这些生物-数学模型的设备、系统和方法可在关注个人的警觉性的情境中使用。生物-数学模型可作为应用存在于独立设备(例如可穿戴设备)上或另一软件环境中。所关注的度量中的某些或全部可被收集并提供给生物-数学模型以产生与个人的警觉性水平关联的输出。现有的用于估计或预测个人的警觉性水平的系统和算法模型可用个人样本集合来训练，包含不多的昼夜节律估计反馈或不包含昼夜节律估计反馈。这会产生个人的实际昼夜节律的非常不准确的模型，并由于简单且概括性的正弦形而经常漏掉对已知的昼夜节律事件(例如下午中段的困倦和傍晚的清醒)的预测。然而，在本说明书中描述的创造性设备、系统和生物-数学模型随着模型根据个人的昼夜节律进行调整而持续改善其准确性。所提出的模型可对个人个性化，而其它系统则是对数据样本集合的概括。附图说明以下详细说明，当结合附图阅读时，可最好地理解本专利技术，在附图中相似元件具有相同的附图标记。当存在多个类似元件时，可能给该多个类似元件配上一个附图标记数字，并用小写字母指示表示特定元件。当同时提及这些元件或提及这些元件中的非特定的一个或更多个时，可能会省略该小写字母指示。在此强调，根据惯例，附图的各个特征不是按比例绘制的。相反地，为了显示清楚，各个特征的尺寸是随意放大或缩小的。附图中包括以下图：图1是根据本专利技术一些方面的可穿戴设备的框图；图2是描绘根据本专利技术一些方面的个人昼夜节律与睡眠-清醒稳态(稳态睡眠欲望)的相互作用的图；图3是描绘根据本专利技术一些方面的个人昼夜节律中的示例性事件或特征的图；图4是根据本专利技术一些方面的与外部设备通讯的包括本文所述可穿戴设备的系统的框图；图5是根据本专利技术一些方面的预测使用者的警觉性的步骤的流程图；图6是根据本专利技术一些方面的用于实施图5的概念的示例性方法的流程图；图7是来自根据本专利技术一些方面的生物-数学模型的警觉性预测输出结果的图；图8是根据本专利技术一些方面的用于估计疲劳的示例性方法的流程图；图9A是可在图8的方法中提取的第一系数的图；图9B是可在图8的方法中提取的第二系数的图；图9C是可在图8的方法中提取的第三系数的图；图9D是可在图8的方法中提取的第四系数的图。具体实施方式本专利技术的一些方面提供一种可穿戴设备，该可穿戴设备具有使用各种度量来预测个人的疲劳水平的生物-数学模型。某些方面涉及一种双进程算法(这是一种生物-数学模型)，该算法通过使用准确的体动记录测量值和对个人的昼夜节律的估计来预测警觉性水平。该可穿戴设备还可连接到其它系统(例如：智能手机应用或其它“智能”设备)或与其通讯。体动记录和昼夜节律估计两者都可通过使用对个人的运动、身体姿势、心率和远端皮肤温度的测量来实现。可通过添加在本说明书中更详细说明的额外的客观和主观测量值来进一步改善生物-数学模型对警觉性的预测的准确性。由于闭环反馈并通过持续学习和监控，生物-数学模型能够进行改善。图1描绘了可穿戴设备100，该可穿戴设备用于监控个人疲劳和给例如穿戴该设备100的个人和/或其它个体提供对该个人的警觉性水平的预测。在美国专利申请14/848,771中描述了一种合适的可穿戴设备。所示出的可穿戴设备100被实现成带子102，该带子可例如放置在个人的手腕上。带子102支承至少一个运动传感器104和至少一个用于监控所述个人的生物度量的生物度量传感器模块105。生物度量传感器模块105可包括皮肤温度传感器105a或心率监控器105b中的至少一种。本领域技术人员由本说明书的说明将理解与本专利技术一起使用的合适的运动传感器104和生物度量传感器模块105。运动传感器104可包括一个或更多个回转仪和/或加速度计以跟踪(线性、角度等的)运动。被监控或跟踪的运动可包括使用者的规定运动、使用者在规定运动之外的其它运动、使用者的相对运动、或由使用者环境造成的运动(例如来自卡车发动机的振动等)。在测量运动之外，运动传感器104还可用于估计使用者的身体姿势(例如：坐着、站着、躺着)。用于跟踪运动和/或身体姿势的技术是通过加速度计和/或回转仪实现的。市场上存在众多小型低功率回转仪。回转仪通常使用压电传感器或其它形式的微电子运动传感器(MEMS)。例如，SGS-ThompsonMicroelectronics(st.com)有一系列基于MEMS的回转仪，这些回转仪以低功率工作、测量所有三个运动轴、提供数字输出，其中所述数字输出可直接供给到微处理器中，并具有低噪音阈值和低回转仪偏移，从而允许这些回转仪以高的精确性和可重复性测量细微的运动。L3G3200D是工作电压范围为2.4V至3.6V的合适的设备，其相当适于电池工作，在通常工作中仅消耗6.1mA，工作范围为-40至+85摄氏度，包括嵌入的温度传感器，并具有温度和运动角速度两者的数字输出，对于角速度具有直至1本文档来自技高网...

【技术保护点】
1.一种可穿戴设备，用于监控和预测个人的警觉性，所述可穿戴设备包括：一个或更多个被配置为获得关于所述个人的信息信号的传感器，所述传感器包括以下中的至少一种：被配置为产生所述个人的运动数据和/或身体姿势数据的运动传感器，被配置为产生所述个人的远端皮肤温度数据的温度传感器，和被配置为产生所述个人的心率数据的心率监控器；存储器，该存储器被配置为存储：缺省昼夜节律，被配置为用从关于所述个人的所述信息信号得出的数据来进行精细化以生成所述个人的估计的昼夜节律，生物‑数学模型，被配置为生成所述个人的疲劳分数；处理器，该处理器联接到所述一个或更多个传感器和所述存储器并被配置为：接收关于所述个人的信息信号，所述信息信号包括运动数据、姿势数据、远端皮肤温度数据或心率数据中的至少一种，通过引入关于所述个人的信息信号以精细化所述缺省昼夜节律，来估计所述个人的昼夜节律，从关于所述个人的信息信号和所估计的昼夜节律中提取特征，对所提取的特征应用至少一种模式识别算法或机器学习算法，使用该至少一种模式识别算法或机器学习算法来从所提取的特征中提取至少一个系数，对提取的所述至少一个系数应用生物‑数学模型，以及使用所述生物‑数学模型由提取的所述至少一个系数生成所述个人的疲劳分数；以及支承件，该支承件被配置为在所述个人身上支承所述一个或更多个传感器、所述存储器和所述处理器。...

【技术特征摘要】
【国外来华专利技术】2016.02.18 US 62/296,800;2016.12.12 US 62/432,9771.一种可穿戴设备，用于监控和预测个人的警觉性，所述可穿戴设备包括：一个或更多个被配置为获得关于所述个人的信息信号的传感器，所述传感器包括以下中的至少一种：被配置为产生所述个人的运动数据和/或身体姿势数据的运动传感器，被配置为产生所述个人的远端皮肤温度数据的温度传感器，和被配置为产生所述个人的心率数据的心率监控器；存储器，该存储器被配置为存储：缺省昼夜节律，被配置为用从关于所述个人的所述信息信号得出的数据来进行精细化以生成所述个人的估计的昼夜节律，生物-数学模型，被配置为生成所述个人的疲劳分数；处理器，该处理器联接到所述一个或更多个传感器和所述存储器并被配置为：接收关于所述个人的信息信号，所述信息信号包括运动数据、姿势数据、远端皮肤温度数据或心率数据中的至少一种，通过引入关于所述个人的信息信号以精细化所述缺省昼夜节律，来估计所述个人的昼夜节律，从关于所述个人的信息信号和所估计的昼夜节律中提取特征，对所提取的特征应用至少一种模式识别算法或机器学习算法，使用该至少一种模式识别算法或机器学习算法来从所提取的特征中提取至少一个系数，对提取的所述至少一个系数应用生物-数学模型，以及使用所述生物-数学模型由提取的所述至少一个系数生成所述个人的疲劳分数；以及支承件，该支承件被配置为在所述个人身上支承所述一个或更多个传感器、所述存储器和所述处理器。2.如权利要求1所述的可穿戴设备，其中，所述生物-数学模型是一种双进程算法，该双进程算法被配置为使用睡眠-清醒稳态评估和所估计的昼夜节律来预测所述个人的警觉性水平，并且其中，所述处理器还被配置为：使用所述运动数据和/或身体姿势数据来进行体动记录确定，基于所述体动记录确定，使用所述双进程算法来评估所述个人的睡眠-清醒稳态，包括睡眠和清醒时期，以及根据所述双进程算法，将所述睡眠-清醒稳态评估和所估计的昼夜节律结合到所述个人的疲劳分数的生成中。3.如权利要求2所述的可穿戴设备，其中，所述处理器还被配置为：使用所述远端皮肤温度数据或所述心率数据中的至少一种来精细化所述体动记录确定，以及进而基于经过精细化的体动记录确定，评估所述个人的睡眠-清醒稳态。4.如权利要求1所述的可穿戴设备，其中，所述至少一个系数包括昼夜节律系数(Φ)、清醒/睡眠系数(T)、昼夜节律加权系数或清醒/睡眠加权系数中的至少一个。5.如权利要求1所述的可穿戴设备，其中，所述处理器还被配置为：通过使用信号处理技术来处理关于所述个人的所述信息信号；将经过处理的信息信号引入到对所述个人的昼夜节律的估计中；以及将经过处理的信息信号引入到对所述特征的提取中。6.如权利要求1所述的可穿戴设备，其中，所述处理器还被配置为：获得关于所述个人的运动和/或姿势的信息信号；使用关于所述个人的运动的信息信号来确定所述个人的体动记录数据；对所述体动记录数据应用所述生物-数学模型，其中，所述生物-数学模型选自清醒生物-数学子模型和睡眠生物-数学子模型中的一个；以及将所述体动记录数据引入到所述个人的疲劳分数的生成中。7.如权利要求6所述的可穿戴设备，其中，所述处理器还被配置为使用关于所述个人的远端皮肤温度或所述个人的心率的信息信号中的至少一个来精细化所述体动记录数据。8.如权利要求1所述的可穿戴设备，其中，所提取的特征包括以下中的一个或更多个：指示所述个人的昼夜节律的形状的标记；关于所述个人在工作日和空闲日的睡眠习惯的信息；以及，关于所述个人的一般性医疗信息。9.如权利要求1所述的可穿戴设备，其中，所述处理器还被配置为在关于所述个人的个人参数被输入所述可穿戴设备时将所述个人参数引入到对所述特征的提取中。10.如权利要求1所述的可穿戴设备，其中，所述处理器还被配置为：识别关于所述个人的所述信息信号中的原始昼夜节律数据；识别所述原始昼夜节律数据中的由非昼夜节律事件导致的非昼夜节律数据；从所述原始昼夜节律数据中去除所述非昼夜节律数据以获得经过精细化的昼夜节律数据；以及将所述经过精细化的昼夜节律数据引入到对所述个人的昼夜节律的估计中。11.如权利要求1所述的可穿戴设备，其中，所述可穿戴设...

【专利技术属性】
技术研发人员：马特·凯尼恩，科林·佩恩罗杰斯，乔希·琼斯，
申请(专利权)人：CURAEGIS科技公司，
类型：发明
国别省市：美国,US