Eingebettetes System zur Schnarch Erkennung und Schnarch Unterbindung. Embedded System for Snore Detection and Snore Suppression

Transkript

1 Eingebettetes System zur Schnarch Erkennung und Schnarch Unterbindung Embedded System for Snore Detection and Snore Suppression Mohammed Mousa, Stefan Feldes, Karl-Heinz Krauß Abstract Snoring is the most common type of sleep disorder. Many men, women and especially couples suffer of snoring and many persons are not even aware of the fact that they have been snoring during the night. The embedded system described here uses an acoustic signal detection algorithm with a snoring detection rate of more than 90 % and can be integrated into for example an alarm clock. It records the snoring behavior during the night which can be visualized the next day on a computer. Also suppression of snoring by vibration or electrical stimuli on sensitive areas in case of recognized snoring is possible. des Schlafs entspannen sich nicht nur die Körpermuskulatur, sondern auch die Rachenweichteile (Halszäpfchen und Zunge). Der in Rot eingekreiste Bereich in der Abb. 1 zeigt die erschlafften Rachenteile, die die Atemwege verengen. Diese beginnen insbesondere beim Einatmen zu vibrieren und erzeugen das ratternde Schnarchgeräusch. Sperren die Rachenweichteile den Atemweg, sodass keine Luft mehr fließt und es zu einem vorübergehenden Atemaussetzer kommt, dann spricht man von Schlafapnoe. Begünstigt wird das Schnarchen durch Faktoren wie Beschaffenheit des Rachenraums, Schlafposition (besonders in der Rückenlage), Übergewicht, muskelentspannende Medikamente, Alkohol, Schlaf- und Beruhigungsmittel, Heuschnupfen und Erkältung, Rauchen, oder auch durch die häufigste Ursache, vergrößerte Rachen- und Gaumenmandeln [5]. Das Schnarchen (Rhonchopathie) ist die bekannteste Art einer Schlafstörung. Etwa 19% der Bevölkerung schnarchen regelmäßig und zwar ca. 24% der Männer und 14% der Frauen. Dabei nimmt das Schnarchen mit dem Alter zu. Die Altersklasse der jährigen ist am stärksten betroffen. Insgesamt schnarchen in Deutschland ca. 20 Mio. Menschen [4]. Außerdem leiden sehr viele Paare unter dem Schnarch-Syndrom des Partners. Für die schnarchende Person führt das Schnarchen zu vermehrter Atemtätigkeit und Anstrengung und es kommt zu unruhigem und nicht erholsamem Schlaf. Die Folgen sind oft Nervosität, Müdigkeit und auch mitunter Begleitfolgen wie Bluthochdruck und Herzrhythmusstörungen. Das Schnarchen kann eine Lautstärke von bis zu 90 Dezibel (A) erreichen. Zum Vergleich wird ab einer Lautstärke von 40 db (A) das Schnarchen als unzumutbar kategorisiert. Während Abbildung 1: Verengte Atemwege in der Rückenlage Eine entsprechende medizinische Behandlung des Schnarchens erfolgt entweder durch Maßnahmen wie das Einsetzen einer Zahnschiene oder einer Anti- Schnarch-Spange oder durch operative Eingriffe wie die Behandlung einer Nasenatmungsbehinderung, die Entfernung der Gaumen- und Rachenmandeln oder durch Operationen am weichen Gaumen. Für den Privatgebrauch werden auch sog. Schnarch- Stopper angeboten, die in Form einer Armbanduhr

2 realisiert sind. Diese verwenden elektrische Impulse, um die Schlafposition der Schnarcher zu ändern. Die Wirkung der Stopper wurde allerdings bisher nicht durch ausreichende Studien belegt. Ein entscheidender Nachteil der Stopper ist die Erkennung, da diese nicht durch einen Algorithmus realisiert wurde, sondern durch Sensoren, die das Schnarchen nicht ausreichend von anderen Geräuschen unterscheiden können. Systemkonzept Bemerkenswert ist, dass viele schnarchende Personen das Schnarchen überhaupt nicht wahrnehmen. Am nächsten Morgen bemerkt man zwar eine Müdigkeit, dass dies aber mit dem Schnarchen zusammenhängt ist der schnarchenden Person nicht mehr bewusst. Ein wesentliches Ziel des Embedded Schnarchsystems ist es daher, das Schnarchen während der Nacht zu erkennen und mit seinen Charakteristika und einem Zeitstempel über die Nacht aufzuzeichnen. Am nächsten Morgen lassen sich dann über eine USB Schnittstelle die aufgezeichneten Daten an einen PC übertragen und dort übersichtlich graphisch visualisieren. So lässt sich das Schnarchverhalten während der Nacht eindeutig überwachen. Die Körperlage spielt, wie schon zuvor erwähnt, beim Schnarchen auch eine entscheidende Rolle. Liegt die Person in der Rückenlage, so wird das Schnarchen erheblich wahrscheinlicher. Eine mögliche Lösung zur Beseitigung des Problems liegt also in der Veränderung der Schlafposition. Dies kann auf verschiedene Arten und Weisen geschehen. Eine Möglichkeit besteht darin, Vibrationen an einer empfindlichen Körperstelle zu erzeugen, die die schnarchende Person dann veranlasst, die Schlafposition zu verändern. Auch durch Stromimpulse erzeugtes Kribbeln oder auch ein pneumatisch änderbares Schlafkissen kann einen ähnlichen Effekt erzeugen. Von ärztlicher Seite wird hierbei jedoch darauf hingewiesen, dass diese Schlafeinwirkungen sich nachteilig auf das Schlafverhalten der schnarchenden Person auswirken können, sodass hier eine Abschätzung von Vor- und Nachteilen für die schnarchende Person und/oder der daneben liegenden nicht schnarchenden Person erfolgen sollte. Die Hauptaufgaben des Systems sind also das Erkennen, die Erfassung und die Unterbindung des Schnarchens. Diese stellen somit Abbildung 2: System Konzept

3 ein geschlossenes System dar, das in Kliniken oder im Schlafzimmer privater Personen seinen Einsatz findet. Eine in zum Beispiel einem Uhrenwecker integrierte Platine analysiert die Außengeräusche in Echtzeit und erkennt das Schnarchen. Sobald dies eindeutig festgestellt wurde, werden die Schnarch Charakteristik und ein Zeitstempel in einem auf der Platine befindlichem Speicher festgehalten. Bei fortgesetztem Anhalten des Schnarchens kann nun über eine Funkstrecke ein Signal gesendet werden, das von der schnarchenden Person über eine Empfangs-Miniatur-Platine, die zum Beispiel wie eine Armbanduhr am Handgelenk getragen wird, erfasst wird. Die Armband-Platine kann nun Vibrationen erzeugen, die je nach anhaltender Schnarchdauer intensiviert werden können. Wahlweise können auch Hautströme erzeugt werden, welche ein Kribbeln auf der Haut hervorrufen. Ziel ist es hierbei, dass die schnarchende Person die Schlafposition ändert und somit das weitere Schnarchen verhindert wird (Abb. 2). Schnarcherkennung Algorithmik zur Erkennung Dem in Abb. 2 dargestellten Aufbau entsprechend wird die Schnarcherkennung rein akustisch durch Auswertung der über ein Mikrofon erfassten Geräusche realisiert. Die automatische Entscheidung, ob es sich um Schnarchen handelt, stellt für die Signalverarbeitung eine Klassifikationsaufgabe dar, für deren Lösung aktuelle algorithmische Ansätze aus dem Bereich des Maschinellen Lernens wie bspw. Principal Component Analysis, Lineare Diskriminant Analyse, Neuronale Netze oder Hidden Markov Modelle in Frage kommen. Einige dieser Verfahren wurden und werden im Zuge dieses Projekts in studentischen Arbeiten auf Eignung untersucht. Für die Realisierung als kostengünstiges Embedded System sind dabei insbesondere auch die Randbedingungen von verfügbarer Rechenleistung und Speicher zu berücksichtigen. Ein bzgl. Ressourcenbedarfs vergleichsweise moderater Algorithmus ist die im Bereich der Sprachverarbeitung weitverbreitete LPC-Analyse, die in einem Vorgängerprojekt bereits erfolgreich bei der Erkennung von Babyschreien [1] eingesetzt wurde. Die LPC-Analyse erlaubt die fortlaufende Bestimmung der sich über der Zeit verändernden spektralen Einhüllenden eines Signals. Für Sprachsignale entspricht diese Einhüllende der variablen Übertragungsfunktion des Vokaltrakts, dessen Veränderung in der Bewegung der Artikulatoren (Zunge, Lippen, Kiefer) begründet ist. Aus Signalverarbeitungssicht wird somit eine blinde Systemidentifkation des unbekannten Vokaltraktsystems durchgeführt. Im Ergebnis liefert die LPC-Analyse blockweise Filter-Koeffizienten, die den Vokaltrakt in seiner zeitabhängigen Filterwirkung beschreiben. Als zweites Ergebnis erhält man ein gefiltertes Signal, das stochastisch betrachtet dekorreliert ist. Die dekorrelierende Wirkung konzentriert sich jedoch, der typischen Ordnung der LPC-Analyse entsprechend, auf eine zeitliche Umgebung von ca. 1 msec. Für eine nachfolgende Analyse des Signals auf Periodizitäten in einem längeren zeitlichen Abstand ist diese Veränderung günstig, da so diese Periodizitäten deutlicher hervortreten und deren Schätzung durch eine Korrelationsanalyse in weiterem zeitlichen Abstand robuster wird. Bei Sprache werden derartige Periodizitäten durch das Schwingen der Stimmbänder bei der Artikulation von stimmhaften Lauten wie z.b. Vokalen hervorgerufen. Beim Schnarchen sind dies die periodischen Vibrationen der im Schlaf erschlafften Rachenteile, die ein typisches Merkmal zur Klassifikation darstellen.

4 Implementierung und Realisierung Der auf einem Mikrokontroller implementierte LPC- Algorithmus wird verwendet, um die Eingangssignale in Echtzeit nach deren Schnarchmerkmalen zu untersuchen. Die Berechnung des Algorithmus zur Erkennung eines Schnarchsignals wird über ein Zeitfenster von 1,6 Sekunden durchgeführt. Dies bedeutet, dass in einer kontinuierlichen Zeitfensterung in Abständen von 1,6 Sekunden jedes Mal eine weitere Entscheidung über ein gültiges Schnarchsignal getroffen wird. Liegt das Schnarchsignal vollständig im gesamten 1,6 Aufnahmefenster an, so wird eine erfolgreiche Erkennung sehr wahrscheinlich. Ist dies nicht der Fall dann untersucht der Algorithmus die vorhandenen Signalanteile und trifft in Abhängigkeit der Schnarcheigenschaften die Entscheidung, ob es sich um ein Schnarchsignal oder ein anderes fremdes Geräusch handelt [2]. Folgende Eigenschaften werden vom Algorithmus untersucht: 1. Grundfrequenz der Schnarchvibration 2. Energiegehalt (Lautstärke) 3. Verhältnis von rauschartigen zu periodischen Signalanteilen 4. Periodizität (Ein / Ausatemphase) 5. Lage der Maxima der spektralen Einhüllenden Der Erkennungsalgorithmus wurde anhand von über 900 Schnarchsignalen getestet. Hierbei wurde eine Erkennungsrate von über 90% erzielt. Abbildung 3: Systematischer Aufbau der Schnarcherkennungsplatine

5 PC über eine USB-Schnittstelle Übertragung von Schnarchinformationen an eine Schnarchunterdrückungs-Einheit mittels eines ZigBee-Funksignals. Schnarcherfassung Abbildung 4 Schnarcherkennungsplatine Die Schnarcherkennungsplatine (Abb. 3, 4), die bspw. in einen Wecker integriert werden kann, übernimmt folgende Aufgaben: Vorverarbeitung des Eingangssignals Analyse des Eingangssignals durch einen implementierten Algorithmus Interaktion zwischen den Modulen Sichern der Schnarcheigenschaften sowie eines Zeitstempels im Speicher Übertragung der gesicherten Daten an einen Jedes erkannte Schnarchsignal bekommt per Software einen Stempel, der in einem Speicher gesichert wird. Dieser Stempel besteht aus der Uhrzeit, dem Datum, dem durchschnittlichen Energiegehalt in db und der durchschnittlichen Grundfrequenz in Hz. Per USB werden diese Informationen dann an eine benutzerfreundliche graphische Oberfläche (GUI) (Abb. 5) übertragen, die diese in Graphiken und Tabellen in einer verständlichen Form darstellt. Außerdem werden dem Anwender folgende Funktionalitäten zur Verfügung gestellt: Ein Kalender, der alle Tage markiert darstellt, an denen geschnarcht wurde. Ein Fenster zur Darstellung von Uhrzeit und der durchschnittlichen Lautstärke. Ein Fenster zur Darstellung von Uhrzeit und der durchschnittlichen Grundfrequenz. Abbildung 5: Graphische Oberfläche (Schnarchdaten Reader)

6 Ein Fenster, in dem alle Schnarchinformationen tabellarisch aufgelistet sind. Zudem kann die gesamte Tabelle in einer Text-Datei gespeichert werden. Ein Fenster, in dem der Anwender empfangene Daten nach dem Anfordern beobachten kann. Bedienbuttons sowie Informationen über den Kommunikationsstatus. Schnarchunterbindung Auf der Schnarchunterbindungsplatine (Abb.6, 7) befinden sich neben dem ZigBee Transceiver ein Vibrationsmotor sowie eine Schaltung zur Erzeugung elektrischer Stromimpulse [3]. Nachdem ein Schnarchen erkannt wurde und die Armbanduhr ein Funkwarnsignal empfangen hat, fängt sie an, mit der Intensitäts-Stärke der Stufe 1 zu vibrieren und/oder elektrische Impulse an die Haut abzugeben. Insgesamt sind 4 Intensitäts Stufen Abbildung 7: Schnarchunterbindungsplatine möglich. Ein Algorithmus schaltet die entsprechende Stufe je nach Schnarchdauer ein. Durch diese Maßnahmen soll der Schnarcher zu einem Positionswechsel bewegt werden, ohne dabei aufzuwachen. Da die Atemwege beim Schlafen in der Seitenlage besser geöffnet sind, werden diese Maßnahmen solange eingesetzt bis das Schnarchen aufhört. Abbildung 6: Systematischer Aufbau der Schnarchunterbindungsplatine

7 Die Schnarchunterbindungsplatine, die bspw. in Form einer Armbanduhr am Körper getragen werden kann, übernimmt folgende Aufgaben: Empfangen von Schnarchinformationen per Funk Auswerten der bereits erfolgten Schnarchdauer Steuerung der Intensität eines Vibrationsmotors und/oder stimulierender elektrischer Impulse entsprechend der Schnarchdauer. Zusammenfassung Durch die hohe Schnarch-Erkennungsrate wurde ein Embedded System geschaffen, das sich sowohl in Kliniken und Schlaflaboren als eigenständiges Schnarch-Protokollierungsgerät wie auch im privaten Bereich als integraler Bestandteil in zum Beispiel einer Weckeinrichtung eignet. Für Paare kann die Schnarchunterbindungs-Einheit nützlich sein, insbesondere dann, wenn die nicht schnarchende Person in ihrem Schlafverhalten durch die schnarchende Person beeinträchtigt wird. Autoren: Prof. Dr.-Ing. Stefan Feldes ist Leiter des Instituts für Digitale Signalverarbeitung an der Hochschule Mannheim. Literatur [1] R. Veliz, S. Feldes: Ein echtzeitfähiges Verfahren zur Erkennung von Babyschreien. Tagungsband Elektronische Sprachsignalverarbeitung 2009, Dresden. [2] M. Mousa: Konzeption und Entwicklung eines Embedded-Systems zur Schnarcherkennung und unterbindung. Master Thesis 2012, Hochschule Mannheim, Institut für Embedded Systems [3] C. Kasprzik: Design und Firmware-Entwicklung einer Embedded Miniaturschaltung zur Schnarchunterbindung durch einen funkgesteuerten Vibrationsmotor. Bachelor Thesis 2012, Hochschule Mannheim, Institut für Embedded Systems Prof. Dipl.-Ing. Karl Heinz Krauß war von 1992 bis August 2012 Leiter des Instituts für Embedded Systems an der Hochschule Mannheim. Seit September 2012 ist er im aktiven Ruhestand. [4] Dr. med. Thomas Meier-Lenschow Hals-Nasen- Ohrenarzt in Freising http: // [5] KSM Klinik für Schlafmedizin (die Schlafspezialisten) krankheitsbilder/schnarchen/ursachen-undbehandlung-im-detail/index.html M. Sc. Dipl.-Ing. Mohammed Mousa ist Wissen-schaftlicher Mitarbeiter am Institut für Embedded Systems.