학업, 업무, 디지털 기기 등 여러 요인으로 인해 수면 질이 저하되고, 이에 따른 수면 장애 인구도 증가하는 추세이다. 현재 시장의 기상 알람 모델은 유저의 수면 단계와 무관하게 설정된 시간에 울리는데, 깊은 수면 단계인 N3나 REM 수면에서 깨어나면 각각 관성 심화, 인지 부조화를 겪게 된다. 수면 단계를 고려하는 기존 제품들도 있으나, 유저의 움직임이나 호흡 등 간접적인 지표를 사용하기 때문에 부정확하다는 단점이 있다.
본 과제에서는 TGAM모듈(single-channel EEG)을 활용하여 유저의 뇌파를 직접 측정하고, 얕은 수면 단계인 N2 단계에 이르렀을 때 알람을 울리는 장치를 제작하였다.
본 알람시계에서 유저는 OLED 화면과 로터리 엔코더(다이얼)를 통해 기상 허용 구간과 기상 시간을 설정한다. 설정 이후 OLED 디스플레이에는 현재 시각이 표시되어 시계로 작동한다. 유저는 TGAM이 연결된 안대를 착용하고 수면을 취하며, 설정한 기상 구간이 시작되면 측정된 뇌파가 블루투스로 시계 본체에 전송되어 classifier에 입력된다. N2 단계가 감지되면 알람이 울리고, 구간 내에서 감지되지 않으면 최종 설정된 기상 시각에 알람이 울린다.
N2 classifier 모델은 TGAM을 통해 측정한 뇌파 특징을 분석하여 구현하였다. ANPHY-Sleep 데이터베이스의 데이터를 활용해 spindle 수를 포함한 여러 feature들을 추출하고, 이를 xgboost 방식으로 학습시켜 모델을 만들었다. 본 과제에서는 TGAM의 signal을 classifier에 맞게 전처리하여 알람 시계를 구현하였다.
본 작품은 수면의 질 개선을 원하는 모든 사람이 사용할 수 있으며, 연령과 성별에 구애받지 않는다. 수면 장애를 겪는 현대인들에게 주간 졸림 감소, 안정적인 에너지 유지, 집중력 향상, 생산성 증대 및 정서적 안정 효과를 기대할 수 있다. 더불어 이 작품은 EEG 도입을 시도한 첫 모델로서 사업화 시 수면 웨어러블 시장에서 EEG 기반 기술을 선도할 수 있을 것이다.