slide img

人工智慧助眠腦波音樂系統

美國睡眠醫學協會指出，睡眠不足可影響大腦結構的可塑性以及神經訊號樹突棘的數量及形態，並會對情緒、認知表現和一個人對日常生活保持警惕的能力造成威脅 (Ford et al., 2014)。睡眠不足亦會增加死亡的可能性和患慢性疾病的風險，包括中風、高血壓、糖尿病、肥胖、心髒病、中風和抑鬱症(National Center for Chronic Disease Prevention and Health Promotion, 2015)。近年來，失眠人口逐年增加(Center for Disease Control and Prevention, 2017)，睡眠問題已是國人值得重視的公共衛生議題。

slide img

音樂治療是一種特定聲波的使用，它包含令人愉悅的節拍和旋律，協助個體進入治療者想要達到的安寧狀態，其目標在於緩解個體不適，維持及促進身體及心靈健康(Lai & Good, 2002)。音樂的介入可以改善睡眠障礙者的睡眠品質，運用音樂療法對於疼痛、憂鬱情緒及睡眠品質皆有相當程度的改善(Wang, Sun, & Zang, 2014)。結合音樂的聲波以及睡眠所產生的腦波，發展出一改善睡眠品質之“腦波音樂”治療療法。不同睡眠階段的腦波呈現之波長不同，所轉換之腦波音樂亦隨著睡眠期別而相異，結果指出熟睡期轉換的腦波音樂最具有顯著的助眠效果。

平台介紹

腦波音樂背景知識

目前的研究發現由使用者的腦波所轉換而成的音樂，被稱為腦波音樂(Brainwave Music)，可有效的改善失眠者的睡眠品質。儘管過去腦波音樂技術開發已相當完善，但轉換技術皆需全程人工轉換，既耗時又高成本，本產品主要利用人工智慧(Artificial Intelligence, AI)演算法開發自動創作助眠腦波音樂，利用本開發團隊特殊開發的助眠性腦波音樂轉換，藉由AI 自動作曲演算法，省去人工轉換之步驟,快速且即時的為使用者進行腦波音樂的轉換,幫助提升睡眠品質。

現今人工智慧（Artificial Intelligence，AI）領域中，目前利用深度神經網絡 (Deep Neural Network) 所訓練的最新演算法已經可以自動生成音樂，製作的旋律可以與真人創作的樂曲相媲美 (Fernández & Vico, 2013; Marques, Reis, & Machado, 2010; Wen & Ting, 2020)。AI製作與真人譜曲媲美的音樂演算法是一項困難，但具有成就感的挑戰，大量現有古典音樂曲庫，研發概率模型訓練演算的規則。

隨著AI理論與技術急速地發展，見證到許多AI技術解決臨床問題。音樂治療方面，腦波音樂治療已初步証明熟睡期轉換的腦波音樂能夠有效提升睡眠品質，但還是無法將其療法普遍化。主要因為技術方面，轉換一個晚上的腦波音樂所需人力不僅昂貴且非常耗時，技術層面上難以達到每晚都以人力轉換每一位使用者新的腦波音樂。因此，本網頁結合DeepJ深度學習模型，訓練出的演算法，並將腦波資料自動分期後，擷取熟睡期的腦波，透過人工智慧代替人力製作腦波音樂，有效解決上述問題。

研發技術團隊(人員大於三個可以輪播喔)


本技術開發團隊的由臺北醫學大學護理學系 鍾明惠教授帶領睡眠醫療團隊開發個人化腦波音樂技術，結合中興大學應用數學系 郭志恩教授的自動化機器學習系統的專長。自2015年起便陸續完成了以機器學習法自動化睡眠分期判讀作業以及製作腦波音樂的技術。與睡眠中心合作蒐集大量睡眠生理檢測儀(Polysomnography, PSG)之生理資料，擷取其時域以及頻域的腦波特徵值，並篩選出重要自動化分期之參數。並且現階段持續更新機器學習方法，成功提高了準確率以及訓練效率，完成自動化判讀睡眠分期的機器學習法，能夠根據受試者的腦波資料自動判斷睡眠階段，解開腦波音樂轉換之黑盒子，轉換成腦波音樂。

本團隊開發的成果不僅能為腦波音樂商業化帶來一大進步，也能對在改善睡眠品質與人工音樂製作的結合帶來科學上與醫療上的貢獻。雲端平台以及腦波音樂製作使得人力資源極為昂貴且耗時，無法負荷大量雲端管理與客製化服務。“助眠性腦波音樂創作”的AI音樂創作模型將解決現階段技術層面的障礙，突破現階段商品化之技術層面之問題，大幅縮減製作腦波音樂的時間和人力，達成服務自動化。讓睡眠品質不良者或大眾改善睡眠問題腦波，自動化製作音樂將大幅縮減製作成本，使得價錢能符合大眾預期。

member img
鍾明惠

教授

臺北醫學大學護理學系教授暨系主任，台北醫學大學附設醫院護理部兼任督導，負責腦波音樂轉換技術以及演算法開發管理

  • 專長：大量數據分析、臨床及護理資訊應用
  • 經驗：模型演算法開發技術、照護品質資訊管理主持計畫、系統功能設計、成效驗證與臨床應用結果分析

member img
郭志恩

助理教授

國立中興大學應用數學系助理教授

  • 專長：機器學習、深度學習、智慧輔助診斷系統、腦科學與腦機介面
  • 經驗：多功能整合的人工智慧睡眠輔助診斷系統與雲端平台、智慧醫學影像輔助辨識系統、可解釋性人工智慧（Explainable AI，XAI) 、人工智慧於精準醫療相關之應用、開發工業預防性維護智慧診斷技術應用系統

member img
XXXXX

XXX助理

人員簡介，上面圖片可以放研究人員的照片

background

本產品舒適型腦波測量儀為個人直接使用即可，無須透過專業醫療人員協助。目前計畫以一般消費性電子產品的名義上市，而非醫療器材產品。主要目的為提倡及鼓勵健康生活方式，幫助使用者更容易入睡，用於提倡及鼓勵健康的生活方式。

核心技術服務

人工智慧自動化生成腦波音樂

包含訓練模型前期需要建立的熟睡期所轉換的腦波音樂，建立MIDI檔格式之雲端資料庫，以便負荷大相資料的模型訓練。

人工智慧腦波音樂改善睡眠品質

目前國內外尚未發表過關於經由人工製作作曲之熟睡期腦波音樂是否維持改善睡眠品質的效果，本產品為市面上第一個提出熟睡期腦波音樂改善睡眠之音樂產品。

自動化睡眠階段判讀技術

運用新型乾式腦電極結合無線穿戴式之腦波感測器如Q-Wiz、Z-machine量測受試者腦波，並根據腦波資訊以LightGBM模型自動判讀睡眠階段。

腦波音樂轉置技術

利用MATLAB將腦波轉換為腦波音樂(midi)

開發AI腦波音樂創作演算法

機器學習法，訓練出生成助眠性腦波音樂的演算法

結合AI音樂創作演算法與雲端資料庫伺服器技術

建立大量腦波音樂資料庫，雲端運算能力提供自動化腦波音樂作曲系統。

background

轉換腦波為腦波音樂

該腦波音樂方法的轉換規則包括將一定周期的腦電圖波形直接映射到一個音符的持續時間(周期轉音長)。根據Fechner定律(平均功率轉音量)對腦電圖平均功率變化到音樂強度的對數映射，根據功率定律(振幅到音高)對腦電圖振幅到音樂音高的無標度映射。我們將利用腦波音樂轉譯MATLAB(Wu et al., 2010)，將參與者的sleep stage3腦波部分轉譯成他/她客製化的腦波音樂，並且根據(Wu et al., 2010)，我們亦將腦電波音樂的音色設置為鋼琴。

MIDI檔雲端收集

最後，將使用Logic Pro x對轉譯後的腦電波音樂進行潤色編輯，並傳送到雲端資料庫中。

製作 (Generation)

從模型的概率分佈中抽樣來執行生成，使用拋硬幣機率來決定是否播放一個音符。在決定播放一個音符後，我們從重播概率中取樣，以確定該音符是否應該被再次撥放。動態音量水平是將直接從模型中使用的，給特定的音符被演奏。

留言給我們

Lorem ipsum dolor sit amet consectetur adipisicing elit. Eveniet repellendus fugit distinctio magnam odit itaque illo possimus ipsum totam quas quo, iste, ipsa eius. Sint amet libero neque numquam minima.

banner

聯絡我們

Please feel free to contact our friendly staff with any medical enquiry.