利用深度学习改进可穿戴设备监测睡眠障碍的算法

世界上大约10%的人口受到失眠的影响，这只是多种严重睡眠障碍中的一种。在《科学报告》上发表的一项新研究中，TU/e 的研究人员与睡眠医学中心 Kempenhaeghe 和飞利浦 e/MTIC 的同事一起开发了一种基于深度学习的更可靠、性能更好的算法，以更好地分析人们的睡眠数据使用腕戴式可穿戴设备测量睡眠障碍。

根据爱尔兰谚语“开怀大笑和长时间睡眠是医生书中最好的治疗方法”。虽然几乎每个人都会偶尔享受一个好笑话，但睡个好觉、睡个好觉并不是每个人都能做到的。

鉴于睡眠的重要性，监测睡眠质量因睡眠障碍而受到干扰的患者的睡眠模式至关重要。在临床环境中中，黄金标准是多导睡眠图 (PSG)，其中将一系列导联连接到患者。利用可穿戴设备监测睡眠而开发的算法可以作为 PSG 的有力补充，而 PSG 由于其干扰性，通常只能使用一晚或最多两晚。

“作为临床医生，我们希望更深入地了解较长时间内的睡眠模式，而这正是可穿戴技术的用武之地和合适的算法可以提供帮助的地方，”塞巴斯蒂安·奥沃瑞姆 (Sebastiaan Overeem) 说道，他是 TU/e 电气工程系教授、位于希兹的 Kempenhaeghe 睡眠医学中心。

一种新的算法

过去，研究人员和临床医生使用体动记录仪来收集有关患者长期睡眠/觉醒模式的一些见解，从而监测身体运动。但体动记录仪有一个关键的缺点。“健康的人在睡觉时活动较少。然而，患有失眠症的人可能醒着并且非常安静地躺着，体动记录仪认为这种状态是睡眠，但实际上并非如此，”奥沃瑞姆指出。