用深度学习研究睡眠阶段,给患者提供更好的睡眠

描述

失眠已经成为一项通病。

它难以治愈,也很复杂,因为研究起来就非常困难。

据美国疾病控制和预防中心的数据显示,三分之一的美国成年人通常睡眠不足。该中心将健康睡眠定义为每天七小时以上。

通常会通过在患者身上佩戴胸带、鼻探针和脑部电极等传统传感器,来对患者进行睡眠模式监测。这些令人不舒服的方式本身就会导致失眠,使得收集的数据不具有代表性。

为了给患者提供更好的睡眠,麻省理工学院和麻省总医院的研究人员正在研究使用AI和类似Wi-Fi的信号来监测病人,而无需佩戴任何传感器。

麻省理工学院电气工程与计算机科学教授兼校无线中心主任Dina Katabi表示:“我们对睡眠的了解还不够深入,因为我们无法持续监测睡眠状况。”

该研究团队成员包括Katabi、麻省总医院睡眠医学科负责人Matt Bianchi以及麻省理工学院电气工程与计算机科学教授Tommi Jaakkola,他们共同撰写了一篇论文来描述这项工作(LearningSleep Stages from Radio Signals: A Conditional Adversarial Architecture,该论文的作者还包括麻省理工学院研究生Mingmin Zhao和Shichao Yue)。

研究人员在卧室安装了特殊的无线设备,因此受监测人员可以在家中睡觉。该设备收集从监测对象反射回来的信号,并通过云将数据发回给研究人员。

通过了解卧室内人员对射频的影响方式,并对脉搏、呼吸频率和运动这些测量数据的分析,研究人员可以确定不同的睡眠阶段:轻度睡眠、深度睡眠、快速眼动或清醒状态。

该研究采用一种被称为“有条件的对抗性架构”(conditional adversarial architecture)的新型神经网络设计,该架构会对射频信号进行处理,消除与睡眠无关的信息,并专注于与睡眠阶段相关的重要信息。相较于以前只使用射频信号对睡眠阶段进行研究,这种新的神经网络可使研究人员实现更高的精度。

麻省理工学院的无线研究中心将预测精度提高到了近 80%,而之前使用射频方法的预测精度为 64%。

快速处理大量数据

研究人员对25名人员在100个晚上的睡眠进行了研究,每隔30秒进行一次睡眠标记,并将用于训练的数据与用于测试的数据互相分开。

其基于云的服务可以远程收集信号并运行算法模型。Katabi表示,分析整夜睡眠只需几秒钟,而且具有商业可行性。

“深度学习模型可以分析信号并明确分辨出人的睡眠阶段。”她说道。

麻省理工学院的研究人员使用NVIDIA GPU进行模型训练以及后端云服务上的推理。此外,他们还使用了NVIDIA的cuDNN库和TensorFlow深度学习框架。

研究意义

睡眠阶段的研究具有广泛的应用价值。这种睡眠阶段检测技术可用于监测诸如抑郁症等疾病,因为抑郁症患者会较早出现睡眠的REM(快速眼动)阶段。这也是制药商关注的一个领域。

睡眠阶段是阿尔茨海默症研究的重要方面,特别是对人们能否进入深度睡眠及其相关影响的研究。对于帕金森症患者的研究也是如此。

Katabi指出:“睡眠对帕金森症患者来说是一个问题,因为它会对疾病的发展产生影响。睡眠问题也可能是帕金森症的早期征兆。”

该项研究还将可以显示睡眠呼吸暂停的情况,症状表现为呼吸在睡眠期间受阻。此外,通过观察睡眠模式的变化,医生还可以监测心脏病患者和多发性硬化症患者。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分