Department of Computer Science

Intelligent lyd beskytter din søvn mod støj

Intelligent lyd beskytter din søvn mod støj

Forsker og virksomhed går sammen om at udvikle en løsning, der kan reducere opvågninger forårsaget af pludselig støj. Det sundhedsmæssige potentiale er stort, og for virksomheden åbner projektet op for nye kommercielle muligheder.

Read the English version

Utallige undersøgelser har fastslået, at søvnproblemer har mange uheldige konsekvenser for vores sundhed, produktivitet på arbejdet og livskvalitet helt generelt. Søvn, der bliver afbrudt af støj udefra – eksempelvis trafikstøj – er derfor et betydeligt sundhedsmæssigt problem.

I et samarbejde mellem Institut for Datalogi, Aalborg Universitet, virksomheden SoundFocus og Respirationscenter Vest, Aarhus Universitetshospital, har man derfor sat sig for at udvikle en løsning, der ved hjælp af intelligent brug af lyd kan minimere risikoen for at blive vækket af støj.

Skift i lydstyrke vækker os

Risikoen for at blive vækket er størst, når vi befinder os i søvnfasen ”let søvn”. Tanken er derfor, at man ved hjælp af eksempelvis et armbånd - eller en anden såkaldt ”wearable” enhed - registrerer, hvornår den sovende er i fasen ”let søvn”. Når det sker, vil der automatisk blive udsendt lyde fra højttalere i rummet, der maskerer den udefrakommende støj og dermed minimerer risikoen for, at man vågner.

”Det er kontrasten eller skiftet i lydstyrke, der vækker os, og ikke høj lyd i sig selv. Et konkret eksempel er, at vi fint kan falde i søvn, mens fjernsynet kører, men typisk vil vågne, hvis nogle slukker for det. I den løsning, vi arbejder på, vil vi derfor ved at udsende lyd fra højttalere lægge et 'lydtæppe' ud, når den sovende er i 'let søvn', så kontrasten til den udefrakommende støj bliver reduceret. Når så den sovende så igen er i en 'dyb søvn'-fase, slukkes der automatisk for lyden,” forklarer Shagen Djanian, der med støtte fra Innovationsfonden er ansat i projektet som erhvervs-ph.d.

Der findes allerede flere løsninger på markedet, der ved hjælp af såkaldt hvid støj skal forbedre søvnen, eksempelvis for babyer. De tilgængelige løsninger har dog nogle ulemper.

”I de løsninger, der er på markedet lige nu, er lyden enten konstant, eller der slukkes for den efter eksempelvis 30 minutter. Der er studier, der viser, at det er uhensigtsmæssigt at sætte hjernen på overarbejde hele natten gennem lydpåvirkning, så vores mål er på intelligent vis at kunne tænde og slukke for lyden på de rigtige tidspunkter,” forklarer Shagen Djanian.

Den lyd, man vil anvende til at maskere udefrakommende støj, vil primært ligge et sted i lydspektret imellem ”lyserød” og ”brun støj”. Derudover skal højttalerne placeres rigtigt i forhold til støjkilden.

Sensordata i realtid

En af opgaverne i projektet er at udvikle en metode til at registrere, hvornår den sovende er i ”let søvn”-fasen. I første omgang vil man benytte sensordata om hjerterytmen fra et armbånd eller en anden enhed, men der kan eventuelt komme andre fysiologiske sensorer i spil på et senere tidspunkt. En af udfordringerne er, at der i dag er meget få sensorer, der kan levere data løbende, det vil sige i realtid. Typisk bliver dataene opsamlet og lagt i skyen, og så kan man først tilgå dem eksempelvis den efterfølgende dag.

”Vi er er i den grad fans af realtids-aspektet. Vi vil have informationerne løbende, så vi kan reagere på dem og bruge dem til noget fornuftigt. Det er ikke specielt interessant at få data efterfølgende, og det er i hvert tilfælde ikke så interaktivt som i den løsning, vi arbejder på,” siger Kim Rishøj, adm. direktør og stifter af SoundFocus.

Løsning på standardudstyr

Løsningen baserer sig på kunstig intelligens, mere specifikt maskinlæring, og Shagen Djanian arbejder aktuelt på at udvikle de algoritmer, der skal processere dataene for at fastslå hvilken søvnfase, den sovende befinder sig i. Der er store mængder søvndata tilgængelig fra internationale studier, og de data anvender Shagen Djanian til at træne algoritmerne. Senere i projektet skal der indsamles data fra forsøgspersoner i søvnlaboratoriet på Respirationscenter Vest, Aarhus Universitetshospital, så algoritmerne kan blive fintunet. Til slut skal selve løsningen testes på forsøgspersoner i laboratoriet.

Der findes i dag avanceret udstyr på søvnlaboratorier til at måle søvnrytmer og -faser, men en af de helt centrale mål for projektet er at udvikle en løsning, der kan køre ved hjælp af standard forbrugerelektronik, så det kan anvendes af alle i eget hjem. En af opgaverne i projektet er derfor at finde en sensor på markedet, der er i stand til at levere de nødvendige data i realtid.

Kommerciel målsætning

For Shagen Djanian er det en vigtig motivationsfaktor at få mulighed for at arbejde med noget meget konkret og produktrettet, og for SoundFocus har samarbejdet med Shagen Djanian et klart strategisk sigte.

”Shagen skal være med til at løfte SoundFocus. Fra vi startede virksomheden, har vi haft fokus på løsninger til sundhedsvæsenet, mens målet med dette projekt er at udvikle en løsning, der retter sig mod det meget bredere consumermarked. Så for SoundFocus har der således fra starten været en klar kommerciel målsætning med at ansætte en erhvervs-ph.d.,” forklarer Kim Rishøj.

SoundFocus har gennem årene indgået i flere samarbejder med forskningsinstitutioner, og Kim Rishøj ser det som et centralt element i virksomhedens produktudvikling:

”Vi lægger stor vægt, at der er evidens for effekten af det, vi udvikler. Så derfor indgår vi i samarbejder med forskningsinstitutioner og satser helt generelt på at have flere partnere med i projekter, så man kan dække de nødvendige kompetencer af.”

I projektet arbejder man i øjeblikket med to forskellige typer wearable enheder, der skal levere data om den sovendes hjerterytme: Et armbånd og en strimmel, der ligger under madrassen.

 

FAKTA OM PROJEKTET ”Improving Sleep Quality Using Sound Intervention”

 

FAKTA OM TEKNIKKEN

  • Den lyd, der udsendes for at minimere effekten af udefrakommende støj, vil ikke være ”hvid støj”, men primært ligge et sted i spektret mellem ”lyserød” og ”brun støj”.
  • Til algoritmerne, der skal detektere, hvornår den sovende er i ”let søvn”-fasen, anvendes ”deep learning”, en underkategori under maskinlæring. De anvendte modeller er ”convolutional neural networks” og ”recurrent neural networks”.
  • Til at træne algoritmerne anvendes datasættene MESA og SHHS samt egne opsamlede data. Træningen afvikles på Aalborg Universitets supercomputer CLAAUDIA.
  • Den endelige løsning forventes at køre lokalt, og der kræves ikke stor computerkraft til afvikling af algoritmerne. En Raspberry PI vil eksempelvis være tilstrækkelig.

KONTAKT

  • Shagen Djanian, ph.d., Institut for Datalogi, Aalborg Universitet, shagendj@cs.aau.dk
  • Kim Rishøj, adm. direktør og stifter, SoundFocus ApS, kr@soundfocus.dk / 4088 7517
  • Stig Andersen, kommunikationsmedarbejder, Institut for Datalogi, Aalborg Universitet, stan@cs.aau.dk / 4019 7682

Billede øverst: Fra venstre Shagen Djanian, erhvervs-ph.d.-studerende, Institut for Datalogi, Aalborg Universitet, Søren H. Nielsen, lektor, Institut for Elektro- og Computerteknologi - Signal Processing and Machine learning – Edison, Aarhus Universitet, udviklingschef og medstifter af SoundFocus, Kim Rishøj, adm. direktør og stifter, SoundFocus. 

 

Department of Computer Science, Aalborg University

Selma Lagerlöfs Vej 300  ・ 9220 Aalborg East, Denmark 
Telephone: +45 9940 9940  ・ Mail: info@cs.aau.dk

Contact department management