🧬 biology

OSSMM: An Open-Source Sleep Monitor and Modulator

Het artikel introduceert OSSMM, een goedkope, open-source draagbare hoofdband die hergebruikte fitnesselectroden en een Android-app gebruikt om vier slaappaden nauwkeurig te classificeren en modulatiemogelijkheden te bieden, waarmee wordt aangetoond dat praktische slaapmonitoring haalbaar is met vereenvoudigde, toegankelijke hardwareconfiguraties.

Oorspronkelijke auteurs: Jonny Giordano, Fergal Stapleton, Gabriel Palma, Barak A. Pearlmutter

Gepubliceerd 2026-05-19

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jonny Giordano, Fergal Stapleton, Gabriel Palma, Barak A. Pearlmutter

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je probeert de geheime taal van je hersenen te begrijpen terwijl je slaapt. Decennialang hadden wetenschappers een enorme, dure ziekenhuisopstelling nodig met plakkerige draden en gel om die taal te vertalen. Dit artikel introduceert een nieuw, open-source project genaamd OSSMM (Open-Source Sleep Monitor and Modulator) dat erop gericht is die taal te vertalen met een simpele, goedkope hoofdband die je zelf kunt bouwen voor minder dan de prijs van een lekker diner (onder de €40).

Hier is het verhaal van hoe ze dit deden, opgesplitst in eenvoudige onderdelen:

1. Het Probleem: Slaaponderzoek is Te Duur en Te Omstreden

Denk aan traditionele slaapstudies (polysomnografie) als een hoogwaardig, op maat gemaakt pak. Het is de "gouden standaard", maar het is zwaar, oncomfortabel, kost duizenden dollars en je kunt het alleen dragen in een specifieke kamer met een technicus die je observeert. Omdat het zo moeilijk te verkrijgen is, moeten onderzoekers vaak kiezen tussen het zorgvuldig bestuderen van een paar mensen of het slecht bestuderen van veel mensen.

De auteurs wilden een "denimjack" van slaapmonitoren bouwen: iets betaalbaar, herbruikbaar, makkelijk aan te doen en open voor iedereen om te repareren of te verbeteren.

2. De Oplossing: Een DIY Slaaphoofdband

Het team bouwde een kleine hoofdband met behulp van 3D-printen en onderdelen die je bij elke elektronica-hobbywinkel kunt kopen.

De Hardware: Het is een lichte hoofdband (ongeveer de grootte van een groot muntstuk) die een kleine computer, een trilmotor (om je eventueel wakker te maken of je slaap later te beïnvloeden) en sensoren bevat.
De "Geheime Saus" Elektroden: In plaats van dure, wegwerp medische elektroden gebruikten ze geleidende plastic strips afkomstig van goedkope fitnesshemden (het soort dat hardlopers dragen om hun hartslag bij te houden). Ze veegden deze schoon met een vochtige doek en hergebruikten ze elke nacht.
De Opstelling: De hoofdband verbindt draadloos met een standaard Android-telefoon, die fungeert als het brein van de operatie, de data opslaat en de grafieken weergeeft.

3. Het Experiment: Één Persoon, 15 Nachten

Om te testen of dit "denimjack" echt zou kunnen werken, droeg een van de onderzoekers de hoofdband gedurende 15 nachten.

De Rivaal: Elke nacht droegen ze ook een high-tech, contactloze slaapmonitor (de Somnofy) op hun nachtkastje. Dit apparaat is al bewezen vrij nauwkeurig in vergelijking met ziekenhuistests.
Het Doel: Ze wilden zien of de goedkope hoofdband "dezelfde taal kon spreken" als de dure monitor op het nachtkastje. Kon de hoofdband het verschil vertellen tussen wakker zijn, lichte slaap, diepe slaap en dromen (REM)?

4. De Resultaten: De Hoofdband "Begreep Het"

Het team voerde de data van de goedkope hoofdband in bij drie verschillende computerleerprogramma's (denk aan ze als drie verschillende studenten die proberen een raadsel op te lossen).

De Winnaar: Eén programma (Random Forest genaamd) had het ongeveer 77% van de tijd goed.
De Vergelijking: Dit is een zeer sterk resultaat voor zo'n eenvoudig apparaat, vooral omdat de computer geen speciale trucs of complexe wiskunde kreeg om het te helpen. Het keek gewoon naar de ruwe signalen en vond het eruit.
Het "Aha!"-Moment: De computer besefte dat de belangrijkste aanwijzingen kwamen van de hersengolven die werden opgepikt door de goedkope fitnesstrakken. Hoewel deze strips niet waren ontworpen voor hersengolven, lukte het ze om specifieke "hersensignaturen" te vangen (zoals slaapspindels, die kleine uitbarstingen van hersenactiviteit zijn tijdens lichte slaap) die normaal gesproken alleen met dure medische apparatuur worden gezien.

5. Twee Grote Verrassingen

Het artikel benadrukt twee dingen die de onderzoekers verrasten:

De Goedkope Strips Werken: Ze ontdekten dat het geleidende plastic van een $5 fitnesstrak hersensignalen kon opvangen die er precies hetzelfde uitzagen als de complexe hersengolven die in ziekenhuizen worden gezien. Het is alsof je ontdekt dat een paperclip elektriciteit net zo goed kan geleiden als een koperen draad voor een specifieke taak.
Minder Draden Nodig: Normaal gesproken heb je, om hersengolven te meten, een "aarding" draad nodig (zoals een veiligheidsanker) om het signaal helder te maken. Deze hoofdband werkte perfect met slechts twee draden op het voorhoofd en helemaal geen aardingsdraad. Het is alsof je een auto bestuurt met slechts twee wielen in plaats van vier en toch nog steeds op de weg blijft.

6. Wat Dit Betekent (en Wat Niet)

Wat het betekent: De drempel voor slaaponderzoek is verlaagd. Iedereen met een 3D-printer en basis elektronica-vaardigheden kan nu een apparaat bouwen dat bruikbare slaapdata vastlegt. De data is "open-source", wat betekent dat de blauwdrukken gratis zijn voor iedereen om te gebruiken, kopiëren en verbeteren.
Wat het nog niet betekent: Dit was een test op één persoon. We weten niet of het voor iedereen werkt (zoals kinderen, ouderen of mensen met verschillende slaapproblemen) totdat meer mensen het proberen. Ook, hoewel het goed overeenkwam met de monitor op het nachtkastje, is het nog niet direct vergeleken met de "gouden standaard" ziekenhuistest.

Samenvatting

Het OSSMM-project is als het bouwen van een zelfgemaakte telescoop. Lange tijd had je een enorme, dure sterrenwacht nodig om de sterren te zien. Dit team bouwde een kleine, goedkope telescoop van huishoudelijke onderdelen die de sterren nog steeds duidelijk kan zien. Ze bewezen dat je geen laboratorium van een miljoen dollar nodig hebt om te beginnen met het begrijpen van slaap; je hebt alleen een beetje creativiteit, wat 3D-printen en de bereidheid nodig om de blauwdrukken met de wereld te delen.

Technische Samenvatting: OSSMM: Een Open-Source Slaapmonitor en -Modulator

Probleemstelling
Slaaponderzoek staat voor aanzienlijke hindernissen op het gebied van kosten, toegankelijkheid en ecologische validiteit. Traditionele polysomnografie (PSG) is de gouden standaard, maar is duur (gemiddeld 1.575–1.840 dollar), vereist klinische faciliteiten en omvat oncomfortabele, beperkende apparatuur. Daarentegen lijden goedkope alternatieven vaak aan slechte nauwkeurigheid of vereisen ze complexe opstellingen met geleidende gels en wegwerp-elektroden. Bovendien is actief onderzoek naar slaapmodulatie, dat real-time staatdetectie vereist om specifieke neurale signatuur te targeten, beperkt door het ontbreken van betaalbare, transparante en eenvoudig aanpasbare hardware. Er is een kritieke behoefte aan een platform dat betaalbaarheid afweegt tegen voldoende datakwaliteit om slaapstadiëring en modulatie te ondersteunen zonder de hoge overhead van traditionele PSG.

Methodologie
De auteurs ontwikkelden de Open-Source Sleep Monitor and Modulator (OSSMM), een draagbaar hoofdbandsysteem opgebouwd uit 3D-geprinte componenten en commercieel verkrijgbare elektronica (COTS), met een totale materiaalkostprijs onder de 40 euro.

Hardware-architectuur: Het apparaat maakt gebruik van een Seeed Xiao nRF52840 Sense-microcontroller om data-acquisitie te coördineren van drie sensorborden: een IMU voor beweging met 6 vrijheidsgraden, een PPG-sensor voor de polsslag en een AD8232 EKG-bord geconfigureerd voor EOG/EEG-acquisitie. Opmerkelijk is dat het systeem twee geleidende thermoplastische polyurethaan (CTPU)-elektroden gebruikt die zijn ingebed in een standaard fitnessborstband. Deze elektroden zijn frontaal geplaatst om een differentieel signaal op te vangen zonder een dedicated aardingsreferentie-elektrode. Een trillingsmotor is opgenomen voor potentiële slaapmodulatie. Data wordt via Bluetooth Low Energy (BLE) verzonden naar een begeleidende Android-applicatie.
Experimenteel ontwerp: De studie hanteerde een ontwerp voor een proof-of-concept met één deelnemer (N=1) om de functionaliteit van het systeem en de betrouwbaarheid van de hardware te valideren voordat een bredere implementatie plaatsvindt. Data werd verzameld over 17 nachten, waarbij 15 kwalificerende nachten 15.285 epocha's van 30 seconden opleverden.
Referentie en labelering: Slaapstadiumlabels werden aangeleverd door een gevalideerde niet-contact slaapmonitor, de Somnofy SM-100 (die een overeenkomst van $\kappa=0.63$ met PSG toont). De dataset werd opgesplitst in 12 nachten voor training en 3 nachten voor testen.
Signaalverwerking en classificatie: Ruwe data werd gedigitaliseerd met 250 Hz. Kenmerken werden geëxtraheerd uit de epocha's van 30 seconden, waaronder 8 polskenmerken, 12 IMU-bewegingskenmerken en 22 EOG/EEG-kenmerken (inclusief vermogen in canonieke frequentiebanden: delta, theta, alpha, beta en gamma). Drie machine learning-classificatoren – Support Vector Machine (SVM), Random Forest (RF) en XGBoost (XGB) – werden geëvalueerd met behulp van Group K-Fold cross-validatie om datalekken tussen nachten te voorkomen. Hyperparameters werden handmatig gezocht om de basiskwaliteit van het signaal te beoordelen in plaats van om de prestaties te maximaliseren door uitgebreide tuning.

Belangrijkste bijdragen

Open-Source Platform: De OSSMM biedt een volledig transparant, goedkoop (<40 euro) hardware- en softwareplatform. Alle ontwerpen, code en bouwinstructies zijn publiek beschikbaar, waardoor onderzoekers het systeem kunnen assembleren, aanpassen en repliceren.
Nuttigheid van CTPU-elektroden: De studie toont aan dat goedkope, herbruikbare CTPU-elektroden van commerciële fitnessborstbanden differentieel signalen kunnen opnemen met spectrale eigenschappen die consistent zijn met canonieke EEG-verschijnselen, inclusief slaapspoelen (11–16 Hz).
Vereenvoudigde configuratie: Het systeem bereikt slaapstadiëring met slechts twee frontale elektroden zonder een dedicated aardingsreferentie, wat de noodzaak van complexe multi-elektrode-opstellingen voor praktische classificatie in vraag stelt.
Modulatiecapaciteit: De opname van een aan boord aanwezige trillingsmotor stelt het platform in staat om te fungeren als modulator voor toekomstige studies naar slaapinterventie.

Resultaten
De studie evalueerde het vermogen van OSSMM-signalen om vier slaapstadia te classificeren: Waken, Lichte Slaap, Diepe Slaap en REM.

Prestaties: De Random Forest-classificator behaalde de beste prestaties op de achtergehouden testset, met een Macro F1-score van 0,770 en een nauwkeurigheid van 0,776. XGBoost volgde op korte afstand met een F1-score van 0,741, terwijl SVM aanzienlijk slechter presteerde (F1=0,598).
Belang van kenmerken: Analyse van de best presterende modellen toonde aan dat EOG/EEG-afgeleide kenmerken de topklasseringen domineerden. Specifiek was alpha-bandvermogen het belangrijkste kenmerk, gevolgd door het interkwartielbereik (IQR) van de EOG. Spectrale kenmerken van de CTPU-elektroden waren de primaire drijfveren van het classificatiesucces.
Signaalkenmerken: Visuele inspectie van de data bevestigde de aanwezigheid van slaapspoel-achtige signatuur (ongeveer 12 Hz, 0,5–2 seconden) in het EOG/EEG-kanaal tijdens Lichte Slaap, consistent met bekende EEG-verschijnselen.
Classificatiepatronen: Modellen toonden een neiging om aangrenzende slaapstadia te verwarren (bijvoorbeeld Lichte versus Diepe Slaap), maar classificeerden zelden verre staten verkeerd (bijvoorbeeld REM versus Diepe Slaap). De recall voor Diepe Slaap was lager dan voor andere stadia, een veelvoorkomende uitdaging in slaapstadiëring.

Betekenis en claims
Het artikel beweert dat het OSSMM-platform succesvol aantoont dat betaalbare, open-source hardware biosignalen kan vastleggen die voldoende zijn voor praktische 4-stadia slaapclassificatie. De auteurs benadrukken twee technische bevindingen:

Signaalkwaliteit: Het differentieel signaal opgevangen via eenvoudige CTPU-borstbandelektroden bevat neurofysiologisch consistente informatie (inclusief slaapspoelen) die de classificatie drijft, wat suggereert dat deze elektroden levensvatbaar zijn voor EEG-gerelateerd onderzoek.
Eenvoud: Nauwkeurige slaapstadiëring is haalbaar met een vereenvoudigde configuratie die slechts twee frontale elektroden en geen aardingsreferentie gebruikt, wat mogelijk de instapdrempel voor slaaponderzoek verlaagt.

De auteurs houden een bescheiden standpunt aan, met de opmerking dat de studie een technische validatie is tegen een referentieapparaat (Somnofy) in plaats van een vergelijking met de gouden standaard PSG. Zij erkennen beperkingen met betrekking tot het ontwerp met één deelnemer en de noodzaak van toekomstige validatie tegen PSG om de corticale oorsprong van de signalen en de generaliseerbaarheid naar bredere populaties te bevestigen. Zij concluderen echter dat de OSSMM een levensvatbaar, goedkoop alternatief biedt dat de classificatieprestaties niet significant in het gedrang brengt, waardoor toegankelijker en transparanter slaaponderzoek wordt vergemakkelijkt.