監測睡眠質量軟體是用什麼演算法來計算睡眠質量的?

Sleep Cycle等軟體可以通過陀螺儀來監測翻身次數,加上睡眠時間,給出一個睡眠質量。這個計算是如何實現的?合理嗎?
本題已加入圓桌 ? 睡個好覺吧 ,更多「睡眠」「失眠」相關的話題歡迎關注討論。


04/03/2015 Update

感謝知乎日報團隊收錄了這篇答案,針對大家的評論和問題做一點update.

第一, quote一個評論

「像手環等檢測軟體可以輔助檢查的,雖然準確性不夠,但是還是可以參考的。像作者這樣只信金標準的,完全是教科書式的思維。」

沒錯,對於健康的,沒有睡眠失調的成年人,睡眠檢測軟體可以作為一個大致的,睡眠時間的參考,因為它可以比較準確的檢測 「睡眠-清醒」 的狀態。 但是,對於睡眠失調的人群來說,使用睡眠檢測軟體反而會帶來不必要的心理壓力這種情況,請諮詢專業醫生。

再附兩個小案例,看看某設備到底有多准。

2011年的時候, West Virginia University的研究人員,做了一次針對成年人的實驗,使用了PSG和某品牌手環,結果是:

手環給出的睡眠時間,比PSG,所謂金標準給出的,長了67分鐘。

2013年的時候,另外一組實驗人員,利用升級版的該品牌手環,針對兒童進行了實驗,結果是:

手環給出的睡眠時間,比PSG,短了109分鐘。

正常人的睡眠時間,7小時左右。短了109分鐘,意味著什麼?


第二,關於智能叫醒

糾正一個誤區--智能叫醒並不需要準確的判斷睡眠階段,很多時候,只需要 「睡眠」-「清醒」 兩種情況的界定就夠了。

睡眠的階段分很多種。依據美國睡眠協會現行的定義,分為四個階段。非快速眼動睡眠(N1, N2, N3)和,快速眼動睡眠。睡眠檢測軟體,無法準確的告訴你,你在何時出於N1睡眠,在何時處於N2但是他相對準確的判斷 「睡眠-清醒」 的關係。這也就是為什麼,它可以在你睡的相對不死的時候叫醒你。

如圖

紅圈圈出來的位置,就是一般智能叫醒叫醒你的位置。如果你連續幾周睡眠規律,同一時間起床,在智能叫醒的區間里,你很可能是醒著的,或者半醒,或者不想起,俗稱賴床.

【一直用這種app的人,可能知道。只要保持身體不動,就能在鬧鐘允許的範圍內多賴一會兒床...要是鬧錶可以識別腦電圖數據,醒了就得起,世界上就沒有賴床了,多美好。】

第三,某些手環準不準?我是不是被坑了?
Sorry,這個因人而異。每個產品演算法都不太一樣..不過還是內句話,如果您是個睡眠正常且健康的成年人,使用這種軟體可以幫助您統計睡眠時間,更好的了解自己。

各個公司針對加速度感測器的數據。處理的方式不一樣,人和人也不一樣,很難獲得準確的數據。如果想知道真正準確的數據,歡迎光臨周邊的睡眠實驗室做志願者呦..

第四,技術有沒有提高的可能性?
大大的有。現階段睡眠監測設備主要偵測運動,如果同時參考其他的感測器比如心跳,比如皮膚電流,可能會獲得更精確的數據,


Reference:
Image credit: RazerM(via Wikimedia Commons),

-----------------------------------------------回答分割線-----------------------------

謝 @雄億琳 邀。

三句話的解釋:

  1. 睡眠監測軟體,利用加速感測器,採集睡眠過程中特殊頻率的移動,經過不同演算法,得出睡眠質量結果。
  2. 一般來說,對於健康的成年人,針對「睡眠」-「清醒」這兩個狀態的檢測,睡眠檢測軟體得出的結果相對準確,但是對於睡眠失調的人來說,準確度並不高。
  3. 目前的技術,無法準確判斷睡眠階段(深度睡眠,快速眼動睡眠等)

--------------------------------知識補充線------------------------------
當今,睡眠監測的金標準,是PSG(多導睡眠描記法, 類似這樣:

多導睡眠描記法主要記錄三種活動

  1. 腦電波活動 EEG
  2. 眼前後電位差 EOG
  3. 肌電圖 EMG

常見的睡眠監測軟體/設備是什麼樣的呢?
是這樣:

是這樣:

他們檢測什麼呢? 特定頻率的運動
市面上常見的睡眠監測軟體/設備,主要依靠加速感測器,識別0.25到3HZ的運動(3HZ等於一秒鐘三下。人體的自主運動很少超過3HZ,抖腿黨不屬於人類恩... 寒冷時的發抖經常會超過5HZ)。後續的演算法各家都不太一樣,從簡單的閾值法,到各種高大上的統計學方法,得出最終結果。可以看到,PSG這個金標準里,測量的都是神經層面的活動,並非加速器能測量的運動。對此,埃默里大學的研究人員表示:

Consumers should not expect that these devices will be able to distinguish between sleep stages because these devices rely on movements, whereas sleep stages are defined primarily by brain activity.
消費者並不應該指望這些睡眠監測設備能準確的區分睡眠階段,因為睡眠監測設備檢測的是運動,而睡眠階段則是靠腦活動區分的。

換句話說:如果睡眠檢測軟體/ 設備,斬釘截鐵的把你的睡眠分成了幾個階段,那這個App可能真的不準。

神經層面上的活動(例如PSG檢測的腦電波),一定程度上可以指導肌肉層面的活動(監測軟體監測的運動數據),但是反之並不成立。例如,肥沃的土地收成高,但是收成高並不意味著土地肥沃,或許只是人家轉了個基因。

反映到睡眠監測軟體/設備層面,還有很多不利因素。

  1. 不同品牌/ 批次手機,感測器敏感度不同
  2. 手機/監測設備放置位置不能精確統一
  3. 睡眠姿勢可能對結果造成影響(胳膊壓在手機上.....)

所以綜上,回到三句話的答案

  1. 睡眠監測軟體,利用加速感測器,採集睡眠過程中特殊頻率的移動,經過不同演算法,得出睡眠質量結果。
  2. 一般來說,對於健康的成年人,針對「睡眠」-「清醒」這兩個狀態的檢測,睡眠檢測軟體得出的結果相對準確,但是對於睡眠失調的人來說,準確度並不高。
  3. 目前的技術,無法準確判斷睡眠階段(深度睡眠,快速眼動睡眠等)。

待更


更具體的演算法,和應用詳見:(第一篇雖然老,但是很全面,很詳細的解釋了題主的大部分問題)
Reference:

  1. Ancoli-Israel S, Cole R, Alessi C et al. The role of actigraphy in the study of sleep and circadian rhythms. American Academy of Sleep Medicine Review Paper. SLEEP 2003;26(3):342-92.
  2. L. de Souza, A.A. Benedito, M.L. Nogueira, D. Poyares, S. Tufik, H.M. Calil Further validation of actigraphy for sleep studies Sleep, 26 (2003), pp. 81–85
  3. G. Jean-Louis, D.F. Kripke, W.J. Mason, J.A. Elliott, S.D. Youngstedt Sleep estimation from wrist movement quantified by different actigraphic modalities J Neurosci Methods, 105 (2001), pp. 185–191
  4. C.A. Kushida, A. Chang, C. Gadkary, C. Guilleminault, O. Carrillo, W.C. Dement Comparison of actigraphic, polysomnographic, and subjective assessment of sleep parameters in sleep-disordered patients Sleep Med, 2 (2001), pp. 389–396
  5. Jean-Louis G, Kripke DF, Cole RJ, Assmus JD, Langer RD. Sleep detection with an acceleromether actigraph: comparisons with polysomnography. Physiol Behav 2001; 72:21-28.

這是一個有趣的問題。我最近剛開始用 sleep cycle,它的分數似乎挺準的:分數高的時候一般自己也是感覺睡得比較好。但又並不是完全符合——有一天晚上自己感覺睡得很好但是醒來分數只有不到70%。

Sleep Cycle等軟體可以通過陀螺儀來監測翻身次數,加上睡眠時間,給出一個睡眠質量。這個計算是如何實現的?

現在也可以用麥克風記錄運動的聲音了,原理一樣。先看官方的回答:

Sleep Cycle 的睡眠質量受兩個因素影響:

  • 睡眠時間
  • 運動頻率

簡單來說,你睡得越久、動得越少,睡眠質量分數就越高
睡眠質量會在剛開始用 Sleep Cycle 的前幾晚進行校正,此後會越來越準確。
我們正在研究下一個版本的睡眠質量,未來計劃包含的因素包括在半夜睡醒,深度睡眠佔比,以及睡眠周期的數量等。

來源:How is Sleep Quality calculated?

這是一個典型的監督學習問題:人自我感覺的睡眠質量作為真值 (ground truth),目標是用睡眠時採集的數據來預測主觀睡眠質量。這個演算法現在只給出了大致思路,參數並沒有公開,可以理解的製作者很可能也不會公開。

如果人的自我感覺是真值的話,何必要機器去學習預測呢?這個定義有什麼意義么?

我的理解是 sleep cycle 這樣的軟體實際上代替我們自己用睡眠日記可以進行的研究:生活中的哪些因素影響我的睡眠?


為了回答這個問題,需要記錄每天的特徵(天氣、運動量、咖啡和酒的飲用、等等),和睡眠質量,然後統計哪些因素可以預測睡眠質量。睡眠記錄軟體恰恰實現這個功能,除了主觀睡眠質量(我想這就是為什麼可以選擇每天早上醒來時輸入「起床時的心情」:作為監督信號訓練/調整睡眠質量演算法的參數)。

這一研究的目的是幫助用戶理解哪些因素有可能改進睡眠質量:最直接的,是否每天走路更多會睡得更好?或者喝酒是否明顯改進/損害了睡眠質量?周末會睡得比較好嗎?

得到的分數合理嗎?

當然用軟體的短板也是顯而易見的:在環境因素方面,只能記錄軟體能夠得到的少量信息,而每天影響睡眠的因素非常多;在睡眠檢測本身方面,手機能夠採集的數據同樣有限(見 @Llenlleawg 的回答)。軟體能夠得到的用戶反饋也不是0-100分的量表,所以演算法的骨架可能只是基於製作者有限的調研,或者乾脆靠猜。

在這些前提下,軟體算出的分數只有微弱的參考和娛樂意義。記錄大致睡眠時間仍然是它的主要功能。


睡眠質量並不是一個單獨的變數,問題中的睡眠質量可以看成睡眠時長和睡眠深度(通過身體活動估測)加權後的總分。

測量客觀睡眠時長的方法現在主要有兩種:
1. PSG(多導睡眠圖,主要利用其中的腦電信號,有時也要輔以心電,肌電,體位,體表溫,聲音甚至視頻監控等來判斷睡眠/覺醒)。然而PSG測量無法由被試自己完成,所以更多被用於臨床上診斷睡眠障礙(睡眠呼吸暫停,發作性睡病,睡眠腿動征等)。對於慢性失眠的診斷,因為需要進行較長時間的(一般至少連續7天)睡眠記錄,PSG的可行性也比較低。
2. Wrist Actigraphy (腕式活動記錄儀,佩戴在非慣用手手腕的加速度計,由於人在入睡後上肢活動明顯減少而被利用起來的技術)。Actigraphy僅通過人體活動產生的加速度來判斷睡眠/覺醒,優點是無干擾(PSG需要貼很多電極,綁設備),測量時間長(連續30天以上),數據分析簡單。缺點是對於一些睡眠障礙患者(尤其是睡眠腿動征, RBD)的睡眠/覺醒測量和PSG相比,準確性有爭議(測量sleep architecture非加速度計力所能及,因此不算做缺點)。在健康人群和慢性失眠患者中,關於Actigraphy對比PSG測量睡眠/覺醒的驗證實驗已經有很多,比如參考文獻里的:Marino et al. 2013 Sleep 和 Lichstein et al., 2006 Sleep. 大多數驗證實驗對actigraphy分辨睡眠/覺醒的準確性持肯定態度,不過一些參數,如入睡時長(SOL)等結果和PSG一致性低。

監測睡眠的手環設備以及手機app均是actigraphy的衍生產物,即基於加速度測量實現對睡眠/覺醒的判斷,當然也有手環可以採集心率(光電感測器),至於這些產品的睡眠/覺醒演算法中是否加入了心率參數就不得而知了。

最關鍵的即加速度計的採樣閾值(和睡眠/覺醒活動範圍直接相關的加速度,閾值內的加速度記為0,否則為1),採樣頻率(某時段內記多少次0或1)。演算法大致分兩類:
1. 根據某時段中閾值內的加速度數量建立的公式,如 :S = Q(X_{-2} E_{-2} +X_{-1} E_{-1} + X_{0} E_{0} + X_{1} E_{1} + X_{2} E_{2})
其中S是用於判斷睡眠/覺醒的參數,Q是標準量(根據不同設備而定),E是某時段被記錄的加速度數量,X是E的加權係數,下標數字0為本測量時段(一般為30s或60s),-1為上一測量時段,1為下一測量時段,以此類推。

2. 根據之前實驗中actigraphy和PSG數據對比擬合出的公式,如:
SS = 1.687 + 0.003*[s] ? 0.034*[mean] ?0.419*[nat] + 0.007*[sd] ? 0.127*[ln] (L?tj?nen et al., 2003 )
其中SS是用於判斷睡眠/覺醒的參數;s是測量時段內記錄的活動數量; mean是測量時段及其前後各N個時段的平均活動數量; nat是測量時段及其前後各X個時段中,活動數量高於10的時段數量; sd是測量時段及其前後各Y個時段活動數量的標準差; ln是測量時段活動數量的自然對數。

兩種公式都普遍被運用在actigraphy睡眠測量中,對於不同設備和目標人群最近幾年也不斷有改進的演算法出現。關於市面上的非醫用可穿戴設備,我相信是運用了以上兩類演算法中的某幾種公式,可以從加速度計的參數做一些推斷。至於利用手機內加速度計的app,由於測量位置不同,基本上是通過一個方向的加速度來推算睡眠,所以準確度一定不會有手環高,雖然兩者演算法應該差別不大。

關於這些產品測量睡眠的validation,肯定會陸續有paper出來,在公衛或流行病學研究上這東西是有很大價值的,畢竟成本比醫用actigraphy低太多了,在此希望此類產品支持導出raw data :)。

另外如之前回答所提,加速度計是不能測量睡眠階段(深度)的,如果產品不能採集睡眠時的心率、體溫等參數,所謂的深度睡眠不太具有參考價值。不過,通過身體活動,體表溫度,心率和HRV,呼吸節律,以及血壓(PTT技術)來實現無干擾測量睡眠階段的可穿戴設備確實已經有了,但還需要大量的驗證實驗和演算法改進,以達到臨床監測的要求。

參考文獻:
Martin JL, Hakim AD. Wrist actigraphy. Chest. 2011 Jun;139(6):1514-27.
Marino M, Li Y, Rueschman MN, Winkelman JW, Ellenbogen JM, Solet JM, Dulin H, Berkman LF, Buxton OM. Measuring sleep: accuracy, sensitivity, and specificity of wrist actigraphy compared to polysomnography. Sleep. 2013 Nov 1;36(11):1747-55.
Lichstein KL, Stone KC, Donaldson J, Nau SD, Soeffing JP, Murray D, Lester KW, Aguillard RN.Actigraphy validation with insomnia. Sleep. 2006 Feb;29(2):232-9.
Tilmanne J, Urbain J, Kothare MV, Wouwer AV, Kothare SV. Algorithms for sleep-wake identification using actigraphy: a comparative study and new results. J Sleep Res. 2009 Mar;18(1):85-98.
Paquet J, Kawinska A, Carrier J.Wake detection capacity of actigraphy during sleep. Sleep. 2007 Oct;30(10):1362-9.
L?tj?nen J, Korhonen I, Hirvonen K, Eskelinen S, Myllym?ki M, Partinen M. Automatic sleep-wake and nap analysis with a new wrist worn online activity monitoring device vivago WristCare. Sleep. 2003 Feb 1;26(1):86-90.


老實坐著開了一上午的會 被小米手環強行深睡眠:)


啥好本科畢設是做了一個睡眠分析的安卓APP,可以胡說兩句。要知道睡眠粗略的分是分3種狀態,深,淺,rem。當時學校實驗室有個智能床墊(據說是在香港買的,價值10多萬),晚上在那個上面睡覺可以監測你的體動,呼吸,心率等等一大堆特徵數據。然後根據這些特徵數據去發現規則。簡單來說就是一個判斷。然後在手機或者移動設備上有各種各樣的感測器(精讀夠但是準度就呵呵了),採集你睡眠的各項數據進行判斷。(簡單理解為一個二叉樹)。其實這裡面最難的就是從歷史數據中去發現規律。簡單的方差,標準差,難一點的信息熵,更進一步的各種導圖(那我就完全抓瞎了)。再更進一步,睡眠狀態的轉移是有規律可尋的,這個就可以用和有限狀態機的模型去解釋。通過這個結果可以對之前的結果做一個修正。這就要考慮硬體的準確性等等一系列的問題來確定個形象因子。總得來說,可操作性有,但更可行的明顯是智能床墊降價(大霧)


玄學


除非戴著腦電帽睡覺,否則都不準確


看電影裡邊講的需要檢測腦電波吧


在醫院做過呼吸睡眠檢測么?
數數身上多少電極線頭和鼻孔插管就知道這些APP準不準了


前來回答,樂心手環,明明昨晚凌晨之後睡的好吧!


看到你們黑猴米我來給weloop打個廣告,滑稽滑稽


這是一開始的頁面

這個,點開始就可以記錄了,左上角是鬧鐘

這個是設置,這裡面有個常見問題,不懂的裡面都有

螢火蟲睡眠
我覺得還是可以的,用了兩天,挺準的0.0
也是通過翻身頻率算的
給泥們看看我昨天晚上的記錄q.q不過我知道我睡得晚


我在用蝸牛睡眠,感覺好好玩,原來真的有晚上說夢話,然後自己重複聽了半天,也沒聽懂自己說的什麼~


誤入歧途


剛好最近在接觸一款關於睡眠深度的枕芯,所以當看到樓主的回答的時候忍不住來說兩句。

事實睡眠檢測的標準不僅僅是,PSG(多導睡眠描記法)所以答主以為,只拿目前的睡眠檢測設備/軟體與PSG不一致,就得出其無法準確判斷睡眠階段(深度睡眠,快速眼動睡眠等)是不嚴密的觀點。目前比較被認可的睡眠的概念是:可以被一定的知覺刺激覺醒的無意識形態叫做睡眠,睡眠和不能被知覺刺激覺醒的麻醉是有區別的。

一個全面的睡眠檢測包括以下六項:

① 氧氣飽和

② 呼吸

呼吸率、空氣量、打呼嚕

CO2量、食道壓力

③ 心臟血管系統

脈搏數、血壓

④ 睡眠階段

腦波檢測、活動度檢測

⑤ 身體位置檢測

⑥ 其他(體移)

實際,採用足夠精密的收集器(比如聲波收集器)加上基於龐大(6.5W人)的波段對得出的資料庫來分析哪些波段是哪種睡眠深度,是足夠準確的,而且更具有實踐意義。比如這個

因為所接觸的產品沒有量產,所以暫時不便透露具體是採集哪些方面的數據來分析睡眠深度的,只是針對答主的第三點提出自己觀點:目前的技術,並非無法準確判斷睡眠階段。


我是來吐槽小米手環的,
先是用了20min準備入睡,直接來了個30min的深度睡眠,接著是80min的淺度睡眠,又來20min的深度睡眠,然後是長達160min的淺度睡眠,再來15min的深度睡眠,再25min的淺睡眠後被叫醒。
我是堅決不會承認我的睡眠比較非人類的,所以只能說是小米的監控效果非人類了。


推薦閱讀:

TAG:睡眠 | 睡眠質量 |