DOI QR코드

DOI QR Code

Customized Eyelid Warming Control Technique Using EEG Data in a Warming Mask for Sleep Induction

수면유도용 온열안대를 위한 뇌파기반의 맞춤형 온열제어 기법

  • Han, Hyegyeong (Dept. of IT Convergence Engineering, Graduate School, Gachon University) ;
  • Lee, Byung Mun (Dept. of Computer Engineering, College of IT Convertgence, Gachon University)
  • Received : 2021.07.12
  • Accepted : 2021.08.03
  • Published : 2021.08.30

Abstract

Lack of sleep time increases risks of fatigue, hypomnesis, decreased emotional stability, indigestion, and dementia. The risks can be reduced by providing eyelid-warming, inducing sleep and improving sleep quality. However, effective warming temperature to an person varies depending on physical condition and the individual. The various types of frequencies can be identified in brain wave from a person and amount of frequencies is also changed continuously before and after sleep. Therefore we can identify the user's sleep stage with brain wave, namely EEG. Effective sleep induction is possible if warming temperature to a person is controlled based on EEG. In this paper, we propose customized warming control techniques based on EEG for a efficient and effective sleep induction. As an experiment, sleep induction effects of standard sleep mask and customized temperature control techniques sleep mask are compared. EEG data and warming temperature were measured in 100 experiments. At customized warming control techniques, experiments showed that the ratio of alpha and theta waves increased by 3.21%p and the time to sleep decreased by 85 seconds. It will contribute to effective sleep induction and performance verification methods in customized sleep mask systems.

Keywords

1. 서론

수면은 신체적, 정신적 피로를 해소하는 휴식 과정으로 삶에 있어서 필수적이다. 하지만 일상생활에서 스트레스로 불면증과 같은 수면장애가 쉽게 발생하고 수면장애가 있으면 사람은 양적, 질적으로 수면이 부족해진다. 수면이 부족하면 피로, 집중력 저하, 스트레스, 불안과 같은 심리적 문제부터 소화불량, 면역력 저하, 암, 치매와 같은 심각한 건강 문제를 일으킨다[1-3]. 수면장애를 해소하기 위해서 수면 유도와 수면의 질을 모두 높일 필요가 있다.

수면장애를 해결하기 위한 비약물 치료법으로 라이트 테라피, 아로마 테라피, 음악 테라피, 온열 테라피가 있다[4-5]. 그중에서도 온열 테라피는 수면 단계에 따른 체온조절 반응에 영향을 주기 때문에 수면 유도에 효과가 있다. 특히 안구 주변의 온열은 수면 유도 효과와 동시에 눈꺼풀 피지샘 노폐물 배출을 유도해 안구 건조증에 효과적이다. 그래서 수면안대에 발열 기능을 제공할 수 있도록 기술개발된 온열 안 대도 있다[6-7].

그러나 대부분의 온열안대는 사용자가 수동으로 온도를 설정하면 일정한 온도를 제공하는 방식이다. 그러나 사람은 혈액순환 기능과 체지방과 같은 신체적 특징에 따라 동일한 온도에서 온열감과 쾌적감이 다르게 느껴진다. 실제로 건강한 20대와 60대에게 같은 온습도 조건을 제공하면 60대는 신체 말단의 혈류량이 적어 20대보다 피부 온도가 낮게 관찰된다[8]. 또 남성보다 여성이 선호 온도가 높은 것으로 나타나지만, 이를 고려한 온열제어 기법은 부족하다[9]. 사용자의 주관적인 온열감과 수면상태를 고려하여 자동으로 온도 조절이 되는 맞춤형 안구 온열제어 기법이 필요하다.

따라서 본 논문에서는 사용자의 뇌파(Electroen- cephalogram, EEG)를 측정하고 그 상태에 따라 온열을 제어하여 더 빠르게 수면을 유도함으로써 불면증과 같은 수면장애를 줄이고자 한다. 본 기법은 성별과 나이에 따라 맞춤형 온도로 온열을 제공하고 안정된 상태에서 나타나는 뇌파 세기의 증감으로 수면 유도 효과를 판단한다. 맞춤형 온도의 수면유도 효과가 있다면 현재 온도를 유지하지만, 불안정해지면 안면 근육을 움직이거나 눈을 깜빡여서 뇌파와 같이 측정된 잡음을 이용하여 온도를 변경한다. 잡음이 있다면 사용자가 불편해하고 있다고 판단하여 온도를 낮추고, 잡음이 없이 불안정한 상태면 온열감이 부족하다고 판단하여 온도를 높이는 방식으로 온열 제어기법을 제안한다.

이 기법은 안정된 뇌파의 변화량에 따라 온열 온도를 관리하여 수면유도 효과가 있는 온도를 유지하고자 한다. 기법의 성능을 확인하기 위해 일반 안 대와 비교하여 안정된 뇌파의 증가량이 얼마나 높고 얼마나 더 빠르게 잠드는지 측정하는 실험을 진행한다. 이 실험에서 상대적인 뇌파 증가량과 수면까지 필요한 시간을 비교하여 수면유도 효과를 평가한다. 또 맞춤형 온열제어 안대는 온열온도의 변화 과정을 기록하여 온열제어 기법으로 사람과 뇌파에 따라 각각 다른 온열온도를 제공하는지 확인한다.

본 논문에서 사용자의 정보에 따라 온도를 선택하고 뇌파로 최적 온열온도를 파악하는 맞춤형 온열 제어 기법으로 안구 온열의 수면유도 효과를 높이는 방법에 기여할 것이다. 본 논문은 다음과 같이 구성된다. 2장에서 안구 온열의 효과를 정리하고 수면 상태를 파악하기 위해 사용하는 뇌파와 뇌파를 해석하는 기준에 대해 정의한다. 3장에서는 맞춤형 온열 제어 기법을 구체적으로 제안하고 4장에서는 온열 제어기법의 성능을 평가하기 위한 실험을 진행한다. 5장에서는 실험의 의의와 한계를 평가한다.

2. 관련연구

2.1 안구 온열의 수면유도 효과

안구 온열의 수면유도 효과를 확인하기 위해 주관적인 평가와 객관적인 데이터 측정 실험을 진행한 연구가 있다[10,11]. 안구에 온열을 10분 동안 40℃로 제공하여 수면 중 데이터를 측정하고, 수면 후 사용자의 주관적인 감각을 평가한 사례이다[10]. Table 1은 피험자가 직접 좋을수록 높은 점수를 1점부터 100점까지 주관적으로 평가하여 표로 나타낸 것이다.

Table 1. Effect of an eyelid-warming device.

MTMDCW_2021_v24n8_1149_t0001.png 이미지

이 연구에서 전체 수면시간은 일반적인 수면 (standard sleep)한 경우 평균 354.1분이고 안구 온열 (eyelid-warming)을 제공한 경우 352.6분으로 큰 차이를 발견하지 못했다. 하지만 Table 1과 같이 주관적으로 평가한 수면유도 효과(sleep induction)는 일반적인 수면이 평균 46.8점, 안구 온열이 72.0점으로 평균 25.2점 높은 점수를 받았다[10]. 수면의 질(sleep quality)도 일반적인 수면이 평균 38.8점이고 안구 온열이 57.2점으로 주관적인 평가에서 안구 온열이 수면에 효과적이다. 심각한 수면장애가 없는 피험자이기 때문에 전체 수면시간에 있어서 큰 차이를 발견하지 못했지만, 주관적인 평가는 안구 온열을 했을 때 수면 유도와 수면의 질에서 더 긍정적으로 나타난다.

다음으로 이 연구사례에서 객관적인 뇌파 데이터를 측정하여 확인된 안구 온열의 효과에 대해 살펴보자. Fig. 1은 수면 시작 후 90분 동안 측정된 뇌파 데이터를 분석한 그래프이다. x축은 특정한 대역폭의 뇌파이고 y축은 해당하는 뇌파의 세기를 평균으로 나타낸 것이다. 델타파(Delta)는 깊은 수면에서 나타나는데 안구 온열을 가하면 수면의 질이 향상되었다고 볼 수 있다. 델타파 영역에서 대조군은 평균 2, 231 μV, 안구 온열을 제공받은 실험군은 평균 2, 538 μV로 유의미한 차이가 확인된다. 세타파와 알파파에서도 안구 온열을 가한 실험군이 약 10% 이상 높다.

MTMDCW_2021_v24n8_1149_f0001.png 이미지

Fig. 1. Comparison of sleep EEG means.

이처럼 안구 온열은 수면유도에 효과가 있다. 하지만 사람은 성별과 나이에 따라 온열에 대한 선호도가 다른데, 남성보다 여성이 높은 온도를 선호한다. 여성은 남성보다 땀샘의 기능과 손가락과 같은 신체 말단의 혈액순환 능력이 상대적으로 떨어지기 때문에 수면 중 주변의 높은 온도를 선호한다[9]. 또 노인은 상대적으로 순환계가 노화되고 혈관이 수축, 근 손실과 같은 복합적인 이유로 청년보다 체온조절 능력이 떨어진다[8]. 따라서 여성과 노인에게는 더 높은 온열 온도를 제공하는 것이 효과적이지만 이를 고려한 연구는 부족하다.

이러한 개인의 특징을 반영해 온열을 제공하기 위해서 수면유도 효과의 기준이 되는 뇌파에 대해 파악할 필요가 있다.

2.2 뇌파 데이터 분석

뇌파는 뇌의 활동에 따라 발생하는 전기적 신호로 심신의 상태에 따라 다른 특징을 보인다. 뇌파로 다양한 질병과 중추신경계 질환을 진단하고 의학, 수면, 보안, BCI(Brain-Computer Interface) 등 다양한 목적에 응용되고 있다[12-14]. 한 예로 수면장애를 진단하는 수면다원검사가 있는데 수면 뇌파를 측정하여 수면단계를 판단하고 수면의 질을 평가한다 [15]. 따라서 뇌파 데이터를 이용하면 수면유도 효과가 높은 온열온도를 파악하여 맞춤형 온도를 제공할 수 있다.

아래의 Fig. 2는 수면단계를 Rechtschaffen 및 Kales의 분류에 따라 표현한 수면 사이클이다. 사람은 약 90분에서 120분 주기로 깊은 수면과 얕은 수면, REM(rapid eye movement) 수면이 반복되는 수면 사이클을 가진다[16]. 뇌파는 주파수 대역폭에 따라 다른 특징을 가지기 때문에 특정한 주파수의 구성비를 이용하여 수면단계를 분류한다. 뇌파 구성비를 파악하기 위해 전력 스펙트럼 밀도인 PSD(Power Spectrum Density)를 이용하여 복합파인 뇌파를 주파수범위에 따른 세기 데이터로 계산한다.

MTMDCW_2021_v24n8_1149_f0002.png 이미지

Fig. 2. Sleep cycle according to sleep stage.

뇌파는 주파수마다 다른 특징을 가지는데 Table 2와 같다[17-19]. 알파파(alpha)는 8Hz∼12.99Hz 사이의 주파수 대역의 뇌파를 의미하고 안정된 상태에서 주로 나타난다. 세타파(theta)와 델타파(delta)는 수면 상태에서 주로 관찰되는데 깊은 수면 상태에서는 델타파가 주로 관찰된다. 베타파(beta)는 13Hz∼ 30Hz이고 감마(gamma)파는 30Hz 이상의 주파수 대역의 뇌파로 비수면 상태에서 나타나기 때문에 맞춤형 온열제어 기법에서는 줄이는 것을 목표로 한다.

Table 2. Conditions according to EEG frequency.

MTMDCW_2021_v24n8_1149_t0002.png 이미지

위와 같은 뇌파의 특징을 이용하여 수면단계를 구분하거나 사용자의 수면유도 정도를 판단한다. 수면 유도 정도를 파악하면 사용자에게 최적의 온열 온도를 판단하고 능동적으로 온도를 제어할 수 있다. 하지만 기존의 안구 온열제어 기술은 능동적으로 온도를 제공하는 기법이 부족하다.

2.3 기존의 안구 온열제어

기존의 안구 온열제어 기술은 컨트롤러를 이용한 수동 제어 방식으로 사용자가 온도의 높낮이를 직접 제어한다[7]. 전원, 시간, 온도, 마사지를 제공하는 경우 마사지 조작을 위한 버튼을 사용자가 직접 조작하는 방식이다. 온열안대의 성능을 높이기 위해 얼굴형에 맞출 수 있는 보조물을 추가하거나 무선배터리로 이용할 수 있는 온열안대가 연구되었다[6]. 하지만 자동으로 사용자와 사용자의 상태에 맞춰 안구 온열을 제공하는 방식은 없다.

Fig. 3의 스마트 안대는 가속도 센서, 뇌파 센서가 부착되어 사용자의 상태를 측정하고 수면단계를 판단하는 것까지는 개발된 상태라 본다[20]. 스마트 안대는 사용자의 스마트폰에 연결되어 수면 관리서버 (sleep management server)로 데이터를 전달하고 관리 서버에서 분석한 내용에 따라 조명, 난방과 같은 IoT 기기를 제어하여 수면환경을 개선한다. 하지만 온열 기능을 제공하지 않고 안구 온열을 제공하는 상황에서 수면의 분석과 효과적인 제어 기법에 관한 연구가 부족하다.

MTMDCW_2021_v24n8_1149_f0003.png 이미지

Fig. 3. Sleep management system.

사람은 신체적 특징에 따라 온열감을 다르게 느끼지만, 기존의 안구 온열 기술은 사용자가 수동으로 온도를 변경해야 하는 한계가 있다. 안구 온열 기술도 수면유도 효과를 높이기 위하여 뇌파를 이용한 맞춤형 온열제어 기법이 필요하다.

3. 맞춤형 온열제어 기법

3.1 맞춤형 온열제어 모델

본 논문에서 제안하는 맞춤형 온열제어 모델은 크게 두 단계를 통해 맞춤형 온열을 제공한다. 첫 번째는 사람마다 성별과 나이에 따라서 초기 온열 온도를 설정한다. 두 번째는 동일한 사람이라도 뇌파를 분석하여 수면유도 효과에 따라 온열온도를 자동으로 제어하는 것이다. 이렇게 두 단계로 제공하는 맞춤형 온열 제어 모델의 전체적인 구성을 Fig. 4와 같이 정의한다.

MTMDCW_2021_v24n8_1149_f0004.png 이미지

Fig. 4. Customized warming control algorithm.

Fig. 4에서 뇌파측정과 온열제어가 가능한 수면안대(eyelid-warming mask)를 가정하고 사용자(user) 에게 맞춤형 온열을 제공하는 과정을 (1)에서 (6) 까지 제시하고 있다. 이 과정에서 맞춤형 초기온도 지표(A)와 뇌파 전력 구성비 지표(B)를 정의하여 이용한다. 우선 (1)과 같이 사용자 정보를 모바일 기기로부터 획득한다. (2) 과정에서 (A)를 참조하여 성별과 나이에 맞춰 맞춤형 온도를 선택한다. 여성이 남성보다 높은 온도를 선호하고 나이가 많을수록 높은 온도를 선호한다는 특징을 고려하여 초기 온열온도를 설정할 수 있다. 화상을 방지하기 위하여 37℃에서 39 ℃ 사이의 온도에서 지표 (A)를 정한다.

두 번째 과정은 (3)에서 사용자로부터 뇌파를 측정하면서 주파수 값에 따른 세기 데이터로 변환하고, (4)에서 수면단계를 판단하도록 한다. 지표 (B)는 수면 단계에 따른 뇌파 전력 구성비로 깨어있다가 잠드는 단계에서 알파파와 세타파가 증가한다는 특징을 보인다. 따라서 (5)에서 알파파와 세타파가 증가하면 수면 유도에 효과가 있다고 판단한다.

현재 온열온도가 수면유도에 효과가 있다면 온열 상태를 유지하지만 반대로 알파파와 세타파의 비율이 감소한다면 온열감이 부족하다고 판단할 수 있으므로 온도를 높여준다. 그러나 뇌파를 측정하는 과정에서 잡음이나 오차가 발생할 수 있다. 예를 들어 사용자가 눈을 깜빡이거나 얼굴을 찡그리게 되면 잡음이 발생하고 잡음이 일정 이상 감지되면 온도가 너무 높아 수면을 방해한다고 판단하여 온도를 감소한다. (6) 과정에서 현재 온열안대의 온도와 목표 온도를 비교하는 방식으로 목표 온도를 유지한다.

제안하는 맞춤형 온열제어 기법은 맞춤형 초기온도 선택, 수면단계 분석과정, 수면유도 효과분석 과정, 온열온도 제어를 진행한다. 그 과정에서 사용자 정보에 따른 맞춤형 초기온도 지표, 수면단계에 따른 뇌파 전력 구성비 지표가 활용된다. 따라서 과정별로 세부사항을 다음 절에서 정의할 필요가 있다.

3.2 맞춤형 초기온도 지표와 설정

사람마다 신체적 특징에 따라서 선호 온도가 다르므로 효과적인 온열을 제공하기 위해서는 성별과 나이를 기준으로 Table 3과 같이 초기온도 지표를 정한다. 기본적으로 성인의 정상체온은 36.4∼37.6℃이다. 따라서 여성과 노인이 상대적인 선호 온도가 높다는 점을 이용하여 37∼39℃까지의 온도를 여성이거나 나이가 증가할수록 균일하게 높은 온도를 선택한다. 예를 들어 32세의 여성은 37.8℃가 초기온열 값으로 적정하며, 65세 남성은 38.6℃로 안대 온열값이 적정하다. 이처럼 Table 3의 지표를 기준으로 모든 사용자에게 초기온열을 설정하고 뇌파로 판단한 수면유도 효과에 따라서 온열온도 값을 동적으로 변경할 수 있도록 한다.

Table 3. Customized initial temperature indicator.

MTMDCW_2021_v24n8_1149_t0003.png 이미지

또한 맞춤형 온열제어 기법은 초기온도를 설정하는 과정에서 온열 시간을 관리하는 타이머를 같이 설정한다. 온열은 사용자가 30분에서 90분 사이로 설정한 정보를 받아와 지정된 시간만큼 온열을 지속한다. 기본으로 60분의 안구 온열을 제공하고 화상을 방지하기 위해 40℃에서는 60분을 넘으면 온열을 중단한다.

위의 맞춤형 초기온도 지표는 사용자마다 다른 온도를 제공한다. 하지만 같은 범주에 속하더라도 효과적인 온열온도가 다를 수 있다. 이러한 부분을 해결하기 위해 지속적으로 뇌파를 측정하고 분석하면서 수면 유도 효과를 높일 수 있도록 수면단계 분석과 수면 유도 효과분석이 필요하다.

3.3 수면단계의 분석 과정과 판단지표

사용자 수면 상태에 따라 맞춤형 온도 변화를 위해 뇌파로 수면단계를 분석한다. 뇌파는 수면 단계마다 다른 비율로 구성되어있기 때문에 뇌파 전력 구성비 지표를 이용해 수면단계를 판단할 수 있다. 뇌파의 구성은 Table 2를 참고하고 PSD를 이용해 구성비를 계산한다.

아래의 Table 4는 수면단계에 따른 뇌파의 구성비 특징을 분석하기 위해 Physionet[21]에서 공개한 뇌파 데이터로 산출한 뇌파 전력 구성비 지표이다. 수면 단계를 볼 때 1단계에서 4단계로 갈수록 깊은 수면이 된다. 그러나 본 연구에서는 각성상태에서 수면 유도를 하기 위한 목적으로 각성단계(wake)를 4개로 세분화하여 정의한다.

Table 4. EEG component power percentage indicator.

MTMDCW_2021_v24n8_1149_t0004.png 이미지

wake1는 각성단계 전체의 평균이고 wake2은 잠들기 10분 전, wake3는 잠들기 5분 전, wake4은 잠들기 직전의 각성단계 뇌파 데이터를 구성비로 계산한 것이다. 세타파를 예로 들면 wake2에서 11.62%인데 wake3는 21.94%로 약 88.81% 증가하고, wake4로는 41.95%로 91.20%가 증가한다. 델타파는 wake1에서 wake4로 잠드는 동안 상대적으로 감소하지만, 수면 1단계에서 수면 4단계로 갈수록 증가한다.

그러므로 Table 4의 지표를 기준으로 수면 단계를 판단하는데, 사용자가 측정을 시작한 순간에 깨어있다는 점을 고려하여 wake1에서 시작한다. 측정한 뇌파 성분에서 알파파가 5%를 넘으면 wake2로 판단하고 단계가 바뀌는 순간의 뇌파 구성비를 기준 값으로 다음 단계를 판단한다. wake2의 뇌파 구성비에서 알파파와 세타파의 증가율이 75%가 되면 wake3이다. wake3에서 다시 세타파의 증가율이 80% 이상이면 수면 직전인 wake4다. 예를 들어 wake2로 판단된 순간의 뇌파 구성비가 알파파가 5.00%, 세타파가 12.00 %라면 알파파가 8.75%이고 세타파가 21.00% 이상일 때 wake3로 판단한다. wake3에서 세타파가 80% 증가하여 37.60% 이상이면 wake4로 판단한다.

알파파 비율은 유지되면서 델타파 비율이 증가하면 수면 1단계로 판단하고 델타파의 구성비를 Table 4와 비교하여 수면단계를 판단한다. 정량적 비교는 REM 수면단계와 수면 1단계를 구분하기 어렵다는 단점이 있다. 하지만 REM 수면은 잠들고 약 90분에서 120분 주기로 반복되기 때문에 온열 제공 시간과 겹치지 않아 고려하지 않는다.

위와 같은 방식으로 수면단계를 구분하여 사용자가 깊게 수면에 들수록 1℃씩 온열온도를 감소시킨다. 온열안대에서 발생한 열이 피부 온도를 높여 수면 유도 효과가 발생했는데도 계속 온열을 가하면 더워서 수면을 방해할 수 있기 때문에 수면단계에 맞춰 감소시킨다. wake2에서 wake3로 변하면 1℃ 감소하고 wake3에서 wake4으로 변하면 1℃ 감소한다. 표에서도 그 예시로 38℃에서 온열을 시작하면 wake4에서 36℃가 되는 것을 확인할 수 있다.

하지만 수면에 드는 과정에 따라 온열온도를 제어하면 잠들지 못하는 사용자의 온열온도를 제어하기 어렵다. 수면유도가 되지 않는 상황을 파악하여 온열 온도를 변경하기 위해 수면유도 효과를 분석할 필요가 있다.

3.4 수면유도의 효과분석 과정

수면유도 효과는 Table 4를 보면 점점 잠들면서 알파파와 세타파 비율이 증가하여 알파파와 세타파가 증가하면 수면유도 효과가 있다고 본다. 수면 유도 효과가 있다면 수면단계에 따른 온도 조절이 작동하지만, 수면유도 효과가 부족하다면 온열온도를 제어하는 과정이 필요하다. 수면유도 효과가 부족한 이유를 판단하여 온도를 변경하는 방법을 Fig. 5와 같이 제안한다.

MTMDCW_2021_v24n8_1149_f0005.png 이미지

Fig. 5. Sleep induction effect analysis to determine the temperature.

먼저 측정한 뇌파를 구성비로 계산하고 수면 단계를 분석한다. 수면유도 효과분석을 위해 수면 단계와 직전에 측정한 뇌파 데이터, 현재 뇌파의 PSD 데이터가 필요하다. Table 4를 보면 wake2에서 wake3로변하는 과정에서는 알파파와 세타파가 같이 늘어나지만, wake3에서 wake4로 변하는 과정에서는 세타파의 비율만 증가한다. 따라서 wake1, wake2단계에서는 알파파와 세타파의 변화량을 비교하고, wake3 단계에서는 세타파의 변화량을 비교하여 수면 유도 효과로 판단한다.

직전 뇌파 데이터와 현재 뇌파 데이터의 뇌파 구성비를 비교한 결과 알파파와 세타파가 증가한다면 수면 유도에 효과가 있으므로 현재 온도를 유지한다. 하지만 온열온도가 너무 높거나 온열감이 부족하면 잠들지 못하고 알파파와 세타파의 비율이 감소한다. 알파파와 세타파의 비율이 감소하면 온열온도를 제어하기 위해 뇌파측정 과정에서 뒤척임이나 표정의 변화로 측정되는 잡음을 이용한다.

잡음이 감지되면 온도가 높아서 불편하여 움직였다고 판단하고 온열온도를 0.4℃ 감소한다. 잡음이 같이 감지되지 않는다면 온열감이 부족하다고 판단하여 0.4℃ 온열온도를 높이는 방식으로 온열 온도를 제어한다. 온열온도는 36∼40℃ 사이의 온도로 설정하기 위해 현재 맞춤형 온도를 기준으로 온도가 초과하거나 미만인지 검사하는 과정을 거친다.

초기온도 선택과정으로 성별과 나이에 따른 초기온도를 설정한 다음 수면단계에 맞춰 온도를 감소하고 수면유도 효과에 따라 온열온도를 변경한다. 수면 단계 분석과정과 수면유도 효과분석 과정을 통해 수면 유도에 효과가 있을 때와 없을 때 모두 온열 온도가 변경된다. 따라서 온열안대를 판단한 온열온도로 제어하는 과정이 필요하다.

3.5 온열온도 제어과정

온열안대는 맞춤형 초기온도 지표에 따라 초기온도가 설정되면 수면단계 분석 과정과 수면유도 효과분석 과정을 통해 계속해서 온열 온도가 변경된다. 온열온도를 제어하는 과정은 아래의 Fig. 6과 같다.

MTMDCW_2021_v24n8_1149_f0006.png 이미지

Fig. 6. Customized warming temperature control flow.

온열안대에 부착된 버튼(start button)을 누르면 사용자 정보를 가져오고 맞춤형 초기온도 지표(A)에 따라 초기온도를 선택해 온열패드를 작동한다. 이때 사용자 정보는 이미 환경에 저장되어 있다고 가정하고, 만약 없다면 기본 값으로 중간 온도인 38℃에서 온열을 시작한다. 같은 버튼을 다시 누르면 종료 버튼(stop button)으로 인식하여 온열패드 작동을 중단한다.

뇌파 센서(EEG sensor)로부터 뇌파를 수신하면 뇌파 전력 구성비 지표(B)에 따라 수면단계를 분류하고 사용자가 잠들고 있으면 수면단계가 변할 때마다 온열온도를 감소시킨다. 그렇지 않다면 Fig. 5와 같이 수면유도 효과를 분석하여 결과로 반환하는 맞춤형 온열온도로 온열패드 온도를 변경한다. 또 장시간 온열로 화상을 입는 것을 방지하기 위해 지정된 시간이 지나면 온열을 중단하는 타이머(stop timer) 를 설정한다.

기존의 안구온열 기술과 다르게 뇌파로 수면 유도 효과를 분석하여 자동으로 온도를 변경한다. 따라서 뇌파를 기준으로 변경한 온도가 사용자에게 수면 유도 효과가 더 있는지를 기존 안대와 비교할 필요가 있다. 또 맞춤형 온열제어 기법을 이용하면 온열 온도가 자동으로 변하는 과정을 실제 데이터를 측정하며 분석할 필요가 있다.

4. 실험 및 평가

4.1 실험 과정과 환경

맞춤형 온열안대의 수면유도 효과를 평가하기 위해 피험자에게 안대를 착용하게 하고 수면을 취하는 실험을 하였다. 실험의 효율적인 진행을 위해 측정된 뇌파를 분석하여 피험자가 잠들었다고 판단되면 실험을 중단하여 깨우고 약 5분 뒤에 다른 안대를 착용하여 다시 실험을 진행하였다. 실험에 필요한 대조군으로 50회는 일반 온열안대를 착용한 실험으로 하였으며, 실험군으로는 50회 맞춤형 온열제어 안대를 착용하여 50회를 실험해서 총 100회의 실험을 진행하였다.

일반 온열안대는 맞춤형 온열제어 안대의 중간 온도인 38℃로 온도가 고정하였다. 맞춤형 온열제어 기법을 적용한 안대는 성별과 나이, 뇌파에 따라서 계속 온도가 변경되었다. 피험자는 20대 여성 1명과 20 대 남성 1명, 30대 여성 1명과 남성 1명 그리고 50대 여성 1명으로 구성하여 무작위 순서로 안대를 착용하는 실험을 구성하였으며, 여름철 실내 온도인 26∼ 28℃도 내외의 환경에서 실험하였다.

수면의 판단은 Table 4에서 사용한 뇌파 데이터를 랜덤 포레스트 알고리즘으로 학습한 수면/비수면 분류 모델을 이용하였다. 수면/비수면 분류 모델은 약 97%의 정확도로 10초마다 데이터를 수집해 판단하고 수면으로 판단되면 온열을 종료하고 피험자를 깨웠다. 이후 약 5분간 자유로운 활동을 한 뒤에 무작위로 일반 온열안대와 맞춤형 온열안대를 착용하고 실험을 진행했다.

Fig. 7은 실험에 사용한 EEG 센서인 Ganglion이 내장된 온열안대(a)와 온열안대 내부에 삽입된 온열 패드(b)이다. Ganglion 보드는 2개의 전극을 이마에 부착하고 이어 클립을 착용해 2채널 뇌파 데이터를 측정하였다. 라즈베리파이 3A에 블루투스로 뇌파 데이터를 수신하고 온열 패드를 원격으로 제어하여 맞춤형 온열제어 기법을 구현하였다. 온열패드를 무선으로 제어하기 위해 ESP32 개발보드를 라즈베리파이에 연결하여 실험 환경을 구성하였다.

MTMDCW_2021_v24n8_1149_f0010.png 이미지

FIg. 7. Ganglion in the eyelid-warming mask (a) and internal warming mask (b).

실험을 진행하면서 100회의 수면까지 측정한 뇌파 데이터와 수면까지 걸리는 시간, 50회의 온열 온도변화 데이터를 획득하였다. 뇌파 데이터를 분석해 알파파와 베타파의 증가량을 비교하여 수면유도 효과분석 과정으로 온도를 제어하는 게 수면유도에 효과가 있는지 분석하였다. 또 수면까지 걸리는 시간을 직접적으로 비교해 맞춤형 온열제어 기법의 수면 유도 효과를 판단할 수 있다. 온열온도 변화량은 맞춤형 온열제어 기법에서 고정된 온도를 제공하지 않고 수면 분석 과정에 따라 온도를 제어하는 온열온도 제어과정이 동작하는지 확인하였다.

Fig. 8은 저장된 데이터를 콘솔 화면으로 확인한 것이다. 뇌파 데이터와 온열온도는 실험 중에 실시간으로 발생하지만, 수면시간은 피험자가 잠들면 시작 시각과 현재 시각을 이용해 계산하기 때문에 한 번의 실험이 끝나고 따로 계산하여 저장하였다. Fig. 8에서 (a)는 수면까지 걸린 시간으로 테스트 번호 99번은 2021년 6월 17일 18시 39분 52초에 뇌파측정과 온열을 시작하여 같은 날 18시 52분 42초에 피험자가 잠들어 실험을 종료하였다. 테스트 번호 100번은 4분 23초 뒤에 시작하였다. Fig. 8에서 (b)는 뇌파 데이터와 온열온도 데이터를 로그로 저장한 것이다. 11시 6분 54초에 측정된 뇌파는 세타파가 16.01%, 알파파가 9.12%인데 7분 6초에 측정된 뇌파는 세타파가 16.91%, 알파파가 8.67%로 세타파의 증가량이 더 높으므로 37.4℃로 현재 온도를 유지하고 있음을 알 수 있었다.

MTMDCW_2021_v24n8_1149_f0007.png 이미지

Fig. 8. Sleep time log (a) and EEG, temperature log (b).

4.2 실험 결과

맞춤형 온열제어 기법은 수면유도 효과분석을 통해 알파파와 세타파의 비율이 감소하면 온열 온도를 변경하여 최적의 온열온도를 제공하는 기법이다. 따라서 같은 시간 동안 알파파와 세타파 변화량을 비교하여 온열제어 기법의 수면유도 효과를 확인하였다. Table 5는 일반 온열안대와 맞춤형 온열안대를 착용했을 때 5분 동안 측정한 뇌파 변화량(difference)을 표로 나타낸 것이다.

Table 5. EEG component power percentage warm for five minutes.

MTMDCW_2021_v24n8_1149_t0005.png 이미지

피험자마다 잠든 시간이 달라서 5분을 기준으로 처음 0초부터 30초까지 측정된 데이터와 마지막 4분 30초부터 5분까지 측정된 뇌파 데이터를 기준으로 비교하였다. Table 5를 보면 같은 시간 동안 맞춤형 온열을 제공했을 때가 일반 안대보다 약 3.21%p(퍼센트포인트) 만큼이나 알파파와 세타파의 비율이 높다. 세타파를 예시로 설명하자면 일반 안대에서 일정한 온열 시작할 때 13.57%의 비율이고 4분 30초 후에 14.28%로 측정되어 0.71%p가 증가하였다. 그러나 맞춤형 온열제어 기법으로 사용했을 때는 처음에 15.10 %로 측정되고 마지막에 17.56%로 측정되어 2.46%p 가 증가하였다. 맞춤형 온열제어 기법에 따라 온열 온도를 설정했을 때 같은 시간 동안 고정된 온도로 제공하는 것보다 수면유도에 효과가 있다.

Table 5에서 맞춤형 온열제어 기법이 알파파와 세타파가 같은 시간 동안 더 빠르게 증가한다면 수면 단계까지 필요한 시간이 단축되어야 한다. 수면까지 걸리는 시간을 비교한 실험 결과는 Fig. 9이다. 수면/비수면 여부를 검사하는 예측 모델을 10초마다 실행했기 때문에 측정 시간은 10초 단위로 측정되었다. 실험 결과 일반 안대를 착용하면 수면까지 평균 693초가 걸리는데 맞춤형 온열제어 안대를 착용하면 평균 608초로 수면까지 필요한 시간이 85초 감소하였음을 확인할 수 있었다. 이것은 맞춤형 온열제어 기법이 상대적으로 빠르게 수면으로 진행하여 수면유도 효과가 있음을 확인하였다.

MTMDCW_2021_v24n8_1149_f0008.png 이미지

Fig. 9. Eyelid warming sleep induction time comparison graph.

맞춤형 온열제어 기법은 수면유도 효과를 높이기 위해 분석과정에 따라 온열온도를 변경하는데, 실험을 통해 어떤 온열온도를 제공하는지 Fig. 10의 그래프로 표현하였다. 그래프에서 피험자 A의 데이터가 A1과 A2로 2개이고 피험자 B의 데이터가 B1로 1개이다.

MTMDCW_2021_v24n8_1149_f0009.png 이미지

Fig. 10. Temperature change for 5 minutes.

굵은 선인 A1는 10초에서 1℃ 내려가지만, 뇌파 분석 결과 온열감이 부족하다고 판단하여 계속 온도가 높아지고 40℃로 유지되었다. 점선인 A2도 10초에서 1℃ 내려가지만 39.2℃에서 수면유도에 효과가 있어 150초부터 온도를 유지하였다. A는 37.4℃에서 시작하고 B는 37.8℃에서 시작하는데 B1에서 온열효과가 있는 온도는 주로 37∼38℃ 판단되어 A가 더 높은 온도를 선호한다는 것을 볼 수 있다. 맞춤형 온열 제어 기법은 온도를 일정하게 제공하지 않고 사람에 따라 자동으로 수면유도 효과가 좋은 온도를 찾아 유지한다는 것을 확인할 수 있다.

맞춤형 온열제어 기법은 일반 온열에 비교해 일정 시간 동안 잠드는 과정에서 발생하는 뇌파가 3.21%p 더 높게 측정되었다. 수면까지 필요한 시간도 맞춤형 온열 제어에서 평균 85초 정도 감소하는 것으로 확인하였다. 맞춤형 온열제어는 비슷한 온열온도로 시작해도 각각 다른 온도를 제공하여 수면유도 효과가 증가하였다.

맞춤형 온열제어 기법은 일반 온열에 비교해 일정 시간 동안 잠드는 과정에서 발생하는 뇌파가 3.21%p 더 높게 측정되었다. 수면까지 필요한 시간도 맞춤형 온열 제어에서 평균 85초 정도 감소하는 것으로 확인하였다. 맞춤형 온열제어는 비슷한 온열온도로 시작해도 각각 다른 온도를 제공하여 수면유도 효과가 증가하였다.

5. 결론

본 논문에서는 효과적인 수면유도를 위해 뇌파 기반 맞춤형 온열제어 기법을 제안하였다. 고정된 온도로 온열을 제공하는 기존 방식에서 뇌파 기반으로 수면 단계를 분석하여 자동으로 온열온도를 판단하였다. 특히 처음부터 성별과 나이에 따라 적합한 온도로 온열을 시작하고 수면유도 효과가 있는 온도로 변경하고 유지하며 안구 온열의 수면유도 효과가 증가하였다.

제안한 맞춤형 온열제어 기법의 효과를 검증하기 위해 안대를 착용하고 수면까지 데이터를 측정하는 실험을 진행하였다. 실험 결과 맞춤형 온열제어 기법을 적용했을 때 5분 동안 알파파와 세타파 증가율이 3.21%p 높았고, 수면까지 걸리는 시간이 85초 단축되었다. 기존의 온열안대는 고정된 온도를 제공하는 한계가 있는데, 맞춤형 온열제어 기법으로 수면 유도 효과를 높이며 해결하였다. 이러한 방식은 다른 수면케어 온열 장치에 적용할 수 있을 것이다.

그러나 본 연구는 뇌파를 기반으로 맞춤형 온도를 제공하지만, 환경 온도를 고려하여 온열을 제공하기지 못한다는 한계가 있다. 맞춤형 온열제어 기법을 발전시키기 위해 환경 온도를 인식하여 그에 따른 수면 유도 효과를 분석하는 연구가 필요하다. 또 IoT 장치에 연결하여 환경온도를 제어한다면 보다 효과적인 수면케어 시스템을 구성할 수 있을 것이다.

References

  1. Y. Touitou, A. Reinberg, and D. Touitou, "Shift Work and Cancer Risk: Potential Mechanistic Roles of Circadian Disruption, Light at Night, and Sleep Deprivation," Sleep Medicine Reviews, Vol. 173, No. 4, pp. 94-106, 2017.
  2. J.A. Kim and S.Y. Lee, "Health Behaviors and Dietary Habits according to Sleep Duration in Korean Adults based on the 2013-2015 Korea National Health and Nutrition Examination Survey," Korean Journal of Health Promotion, Vol. 19, No. 4, pp. 237-247, 2019. https://doi.org/10.15384/kjhp.2019.19.4.237
  3. S.H. Kwak and B.C. Min, "Effect of Sleepiness due to Complete Sleep Deprivation on Driving Performance," Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, Vol. 9, No. 1, pp. 615-623, 2019.
  4. S.A. Jung, H.E. Mok, J.E. Hwang, and W.S. Lee, "Sleeping Conditions and Sleep Induced Product for the Elderly," Proceedings of Human Computer Interaction, pp. 772-777, 2019.
  5. H.S. Wi and B.M. Lee, "Customized Realtime Control of Sleep Induction Sound based on Brain Wave Data," Journal of Korea Multimedia Society, Vol. 23, No. 2, pp. 204-215, 2020.
  6. J.G. Lee, Portable Eye Massager, 10-2227349, Korea, 2021.
  7. G.H. Jo, Massage Device for Eyeball, 10-1586684, Korea, 2016.
  8. J.S. Lee, M.K. Song, and H.E. Kim, "Physiological Responses and Subjective Sensations by Age through Seasonal Condition," Journal of the Korean Society of Clothing and Textiles, Vol. 11, No. 5, pp. 833-839, 2009.
  9. S. Karjalainen, "Thermal Comfort and Gender: a Literature Review," Indoor Air, Vol. 22, No. 2, pp. 96-109, 2012. https://doi.org/10.1111/j.1600-0668.2011.00747.x
  10. M. Igaki, M. Suzuki, I. Sakamoto, T. Ichiba, K. Kuriyama, M. Uchiyama, et al., "Effects of Bedtime Periocular and Posterior Cervical Cutaneous Warming on Sleep Status in Adult Male Subjects: a Preliminary Study," Sleep and Biological Rhythms, Vol. 16, No. 1, pp. 77-84, 2018. https://doi.org/10.1007/s41105-017-0129-3
  11. I. Sakamoto, M. Igaki, T. Ichiba, M. Suzuki, K. Kuriyama, M. Uchiyama, et al., "Effects of Bedtime Periocular Warming on Sleep Status in Adult Female Subjects: a Pilot Study," Evidence-Based Complementary and Alternative Medicine, Vol. 2017, 2017.
  12. K.H. Hong, B.M. Lee, and Y.J. Park, "Realtime Individual Identification based on EOG Algorithm for Customized Sleep Care Service," Journal of Convergence for Information Technology, Vol. 9, No. 12 pp. 8-16, 2019. https://doi.org/10.22156/CS4SMB.2019.9.12.008
  13. H.S. Wi and B.M. Lee, "Classification Method of Sleep Induction Sounds in Sleep Care Service based on Brain Wave," Journal of Korea Multimedia Society, Vol. 23, No. 11, pp. 1406-1417, 2020. https://doi.org/10.9717/KMMS.2020.23.11.1406
  14. K.H. Hong and B.M. Lee, "Electrooculography Filtering Model based on Machine Learning," Journal of Korea Multimedia Society, Vol. 24, No. 2, 274-284, 2021. https://doi.org/10.9717/KMMS.2020.24.2.274
  15. I.K. Lee, "Polysomnography," Annals of Clinical Neurophysiology, Vol. 1, No. 2, pp. 230-235, 1999.
  16. K.H. Lee, "Sleep, Dreams and Sleep Disorders," Journal of the Korean Society of Automotive Engineers, Vol. 21, No. 4, pp. 66-67, 1999.
  17. D.H. Moon, "The Effect on Human Body by the Stimuli of Musics and Acoustic Vibrations," Journal of the Korea Society for Power System Engineering, Vol. 12, No. 5, pp. 59-64, 2008.
  18. O. Benoit, A. Daurat, and J. Prado, "Slow (0.7-2 Hz) and Fast (2-4 Hz) Delta Components are Differently Correlated to Theta, Alpha and Beta Frequency Bands during NREM Sleep," Clinical Neurophysiology, Vol. 111, No. 12, pp. 2103-2106, 2000. https://doi.org/10.1016/S1388-2457(00)00470-3
  19. D. Petit, J.F. Gagnon, M.L. Fantini, L. Ferini Strambi, and J. Montplaisir, "Sleep and Quantitative EEG in Neurodegenerative Disorders," Journal of Psychosomatic Research, Vol. 56, No. 5, pp. 487-496, 2004. https://doi.org/10.1016/j.jpsychores.2004.02.001
  20. Frasen, Apparatus for Inducing Sleep and Sleep Management System Comprising the Same, 10-168732, Korea, 2016.
  21. Sleep-EDF Database Expanded(2013), https://www.physionet.org/content/sleep-edfx/1.0.0/(accessed June 30, 2021).