Unobtrusive sleep monitoring using bed-sheet pressure sensors

Matar, Georges (2020). Unobtrusive sleep monitoring using bed-sheet pressure sensors. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (2MB) | Prévisualisation
Prévisualisation	PDF Télécharger (1MB) | Prévisualisation

Résumé

At least 50% of the world’s elderly population, whose range is fast growing, experience disturbed sleep. Sleep studies have become an extensive approach serving as a diagnostic tool for health-care professionals. Currently, the gold-standard is Polysomnography (PSG) recorded in a sleep laboratory. However, it is obtrusive, requires qualified technicians, is time consuming, and expensive. With the introduction of commercial off-the-shelf technologies in the medical field, alternatives to the conventional methods which may be now used at home on several nights have been conceived to ensure sleep stages and sleep quality detection. However, the lack of validation or scientific consensus regarding the reliability of these devices remains a challenge for researchers and the industry. Cardio-respiratory and physical activities remain the most promising physiological measurements to detect sleep stages without complete PSG. The statistically proven impacts and budgets related to sleep disorders are phenomenal, showing that the field needs more research. This thesis aims at providing the reader with a multidimensional research perspective on sleep studies and physiological parameters monitoring during sleep using unobtrusive data acquisition techniques and apparatus. In this vein, we present an exhaustive review of developments made in unobtrusive sleep assessment. Additionally, a categorization of current approaches is presented based on methodological considerations, from data acquisition frameworks and physiological measurements, to information processing. We discuss the three main physiological functions that could potentially be explored to advance unobtrusive sleep studies based on autonomous physiological functions, mainly cardiac, breathing, and movements activities. The latter review helped us achieve our three contributions. First we propose an autonomous method for classifying the four state-of-art human body lying postures (HBLP) in healthy adults subjects: supine, prone, left and right lateral, with no sensors or cables attached on the body and no constraints imposed on the subject, using a pressure sensor mattress. In contrast to the majority of previous similar works, prone and supine postures were successfully separated in the classification. We found that using the body weight distribution along with the shape and edges contributes to a better classification performance, and hence, helps separate supine and prone postures. The results are satisfactorily promising towards unobtrusively monitoring the posture for ulcer prevention. The method can be used in sleep studies, post-surgical procedures or applications requiring HBLP identification. Second, we leverage the reliable results of posture classification in order to develop an unobtrusive posture-adaptive in bed breathing rate (BR) monitoring system using bed-sheet pressure sensors. Throughout this contribution, we demonstrated, that with proper signal processing, pressure sensor mattresses could be used interchangeably with respiratory belts, which have been approved for medical use by the American Association of Sleep Medicine (AASM), providing a more convenient solution for both subjects and health professionals. Third, we propose and clinically validate a deep learning based classification method for unobtrusive identification of sleep stages using bed-sheet pressure sensors. Although the results presented in this paper are primary and not yet satisfactory to claim an eventual adoption of bed-sheet pressure sensors in sleep clinics, we believe that the potential of such applications is worth being recognized and further explored. We argue that the proposed method could be a step towards unobtrusive sleep studies that require less resources. Subsequently, we give recommendations and practical steps for future endeavors seeking to bring contributions to unobtrusive sleep studies using pressure sensor mattresses. We discuss limitations and challenges facing current solutions, and we highlight open research areas, which we hope would pave the way for future research endeavors addressing the question: how to assess sleep stages and sleep quality less intrusively, and reliably?

Titre traduit

Surveillance non-intrusive du sommeil à l’aide d’un matelas à capteurs de pression textiles

Résumé traduit

Au moins 50% de la population mondiale des personnes âgées, dont le pourcentage est en croissance rapide, souffre d’un sommeil perturbé. Les études du sommeil sont une approche servant d’outil de diagnostic aux professionnels de la santé. Actuellement, la méthode conventionnelle d’étude du sommeil est la polysomnographie (PSG) enregistrée dans un laboratoire du sommeil. Cependant, la PSG est intrusive, nécessite des techniciens qualifiés, et nécessite une grande allocation des ressources matérielles et professionnelles. Avec l’introduction de technologies commerciales dans le domaine médical, des méthodes alternatives ont été conçues pour essayer de donner une estimation fiable des stades et de la qualité du sommeil. Cependant le manque de validation ou d’un consensus scientifique concernant la fiabilité de ces appareils demeure un défi pour les chercheurs et l’industrie. Ces outils peuvent désormais être utilisés à domicile plusieurs nuits. Les activités cardio-respiratoires et physiques sont les mesures physiologiques les plus prometteuses pour détecter les stades du sommeil sans PSG complète. Les impacts et les budgets liés aux troubles du sommeil sont phénoménaux, ce qui met l’accent sur le fait que le domaine nécessite davantage de recherche. Cette thèse vise à fournir au lecteur une perspective de recherche multidimensionnelle sur les études du sommeil et la surveillance des paramètres physiologiques pendant le sommeil à l’aide de techniques et d’appareils d’acquisition des données non intrusifs d’acquisition de données. Dans cette optique, nous présentons une revue exhaustive de la littérature de recherche sur les développements en matière d’évaluation non-intrusive du sommeil. En outre, une catégorisation des approches actuelles est présentée en fonction de considérations méthodologiques, allant des protocoles d’acquisition de données et des mesures physiologiques au traitement de l’information. Nous examinons trois fonctions physiologiques principales qui pourraient potentiellement être explorées pour faire avancer les études du sommeil non intrusives basées sur des fonctions du système nerveux autonomes, principalement l’activité cardiaque, la respiratoire et le mouvement. Cette dernière revue nous a aidé à réaliser nos trois contributions. Premièrement, nous proposons une méthode autonome pour classifier les quatre postures du sommeil chez des adultes en bonne santé: dorsal, abdominal, latéral gauche et droit, sans capteurs ou câbles attachés sur le corps ni aucune contrainte imposée au sujet, en utilisant un matelas à capteur de pression. Contrairement à la majorité des travaux similaires antérieurs, les postures dorsale et ventrale ont été séparées avec succès dans la classification. Nous avons constaté que l’utilisation de l’information sur la répartition du poids corporel ainsi que sur la forme et les contours du corps contribue à une meilleure classification et, par conséquent, aide à séparer les postures dorsale et ventrale. Les résultats sont prometteurs pour une surveillance discrète de la posture de manière satisfaisante. La méthode peut être utilisée dans les études du sommeil, les procédures post-chirurgicales ou les applications nécessitant une identification de la posture sur le lit. Deuxièmement, nous tirons parti des résultats de la classification de la posture fiables pour mettre au point une surveillance non-intrusive de la fréquence respiratoire au lit adaptive à la posture à l’aide de capteurs de pression. Tout au long de cette contribution, nous avons démontré qu’avec un traitement de signal approprié, le matelas à capteurs de pression pourrait être utilisé de manière interchangeable avec les ceintures respiratoires agréées pour l’usage médical par l’association Américaine de la médecine du sommeil (AASM), offrant ainsi une solution plus pratique et nécessitant moins de ressources pour les sujets et les professionnels de la santé. Et troisièmement, nous proposons et validons cliniquement une méthode de classification basée sur l’apprentissage machine profond pour identifier non-intrusivement les stades du sommeil pendant la nuit en utilisant un matelas à capteurs de pression. Bien que les résultats présentés ne donnent pas encore satisfaction pour prétendre l’adoption éventuelle de capteurs de pression de drap de lit en clinique du sommeil, nous estimons que le potentiel d’une telle application mérite d’être largement reconnu et approfondi. Nous soutenons que la méthode proposée pourrait constituer une étape vers des études du sommeil non-intrusives nécessitant moins de ressources. Par la suite, nous formulons des recommandations et des mesures pratiques pour les projets futurs cherchant à contribuer à des études non-intrusives de sommeil en utilisant des matelas à capteur de pression. Nous discutons des limites et des défis auxquels sont confrontées les solutions actuelles, et nous mettons en évidence des domaines de recherche ouverts, qui, nous l’espérons, ouvriraient la voie à de futurs efforts de recherche sur la question: comment évaluer les stades et la qualité du sommeil de manière moins intrusive et fiable?

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 117-134).
Mots-clés libres:	surveillance non-intrusive du sommeil, matelas à capteurs de pression, respiration, mouvements respiratoires, prévention des uclères/plaies, posture du corps humain, cartographie de la distribution du poids du corps, actigraphie, mouvements du corps, surveillance du patient, polysomnographie, activité cardiaque
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Lina, Jean-Marc
Codirecteur:	Codirecteur Kaddoum, Georges
Programme:	Doctorat en génie > Génie
Date de dépôt:	25 janv. 2021 20:01
Dernière modification:	25 janv. 2021 20:06
URI:	https://espace.etsmtl.ca/id/eprint/2627

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt