床垫传感器读取呼吸即可区分REM与NREM睡眠
导语. 一项发表于《Frontiers in Digital Health》的新研究表明，置于床垫下的传感器无需任何电线、绑带或与睡眠者接触，即可区分快速眼动（REM）睡眠与非快速眼动（NREM）睡眠，准确率约达84%。由王绍南（Shaonan Wang）及其同事领导的这项研究，介绍了一种将身体动作检测与呼吸模式稳定性精密度量相结合的方法，旨在改善非接触睡眠分期这一公认的难题。
研究发现
研究人员在85名成年人身上测试了这一方法，受试者同时接受了临床多导睡眠监测（PSG）设备和一种商用床垫下压电传感器带的记录。压电传感器将机械压力（本例中为呼吸和身体动作通过床垫传递的力）转换为电信号。在排除了清醒期后，研究团队将每个30秒的时期分类为REM或NREM睡眠。
XGBoost分类器达到了84.39%的平均准确率（受试者间标准差为±12.76个百分点），Cohen’s Kappa为0.524，表明一致性超出随机水平中等程度。REM睡眠比NREM更难识别：REM精确率为0.600，REM召回率为0.735，REM F1得分为0.603。
关键的创新在于添加了一种基于时间扭曲编辑距离（TWED）的特征，这是一种量化呼吸间隔序列之间相似度的方法。通过测量一个人在不同时间尺度上呼吸模式的稳定或变异程度，TWED特征同时改善了Kappa值和REM F1得分，优于仅使用传统身体动作和呼吸变异性特征的效果。换言之，REM睡眠特有的不规则呼吸提供了传统指标所遗漏的有用信号。
压电传感器导出的呼吸速率与鼻导管（PSG参考）的气流信号也显示出良好的一致性，验证了床垫下装置能够捕捉具有临床意义的呼吸数据。
重要性
多导睡眠监测仍是睡眠分期的金标准，但其费用高昂，需要在睡眠实验室过夜，且涉及缠绕在头部、面部、胸部和腿部的电线、电极和传感器，负担之重限制了其用于重复或纵向监测。
非接触睡眠监测之所以具有吸引力，恰恰在于它消除了这一负担。床垫下的传感器带可被动地收集数据，夜复一夜，无需睡眠者付出任何努力。难题在于，如果没有脑电图（EEG），定义睡眠阶段的脑波记录，区分REM和NREM就困难得多。这两个阶段在呼吸和运动信号上存在细微差异，过去的非接触REM/NREM鉴别尝试在可靠性方面一直举步维艰。
这项研究为以下观点增添了证据：呼吸分析，尤其是呼吸稳定性测量，可以作为临床PSG提供的基于EEG的睡眠阶段区分的可行替代指标。如果这类方法持续改进，家庭睡眠监测或许能变得实用，用于追踪睡眠障碍、监测治疗反应以及标记纵向变化，且完全无需承担反复前往实验室的成本和不便。
局限性
若干局限性使研究结论有所保留。首先，研究排除了被评分为清醒的时期，因此分类器无法区分清醒与睡眠，这是一个独立且重要的挑战。其次，84%的准确率和0.524的Kappa值虽然令人鼓舞，但尚未达到诊断级水平。REM精确率为0.600意味着模型标记为REM的时期中有40%实际上是NREM，这将扭曲REM潜伏期或REM密度等REM相关参数的临床评估。
第三，研究仅使用了一种压电传感器带和特定的床垫设置；在其他硬件或床垫类型上，性能可能有所不同。第四，85名受试者的队列规模对于机器学习研究而言偏小，且受试者间变异性显著（准确率分布广泛，反映在12.76个百分点的标准偏差上）。嵌套留一法交叉验证设计有助于防止过拟合，但仍需更大规模和更多样化的样本来确认泛化能力。
最后，作者指出，在目前的性能水平下，该方法更适合视为一种低负担辅助工具，用于在居家环境中进行离线整夜纵向监测和趋势评估，而非基于PSG的临床诊断的替代方案。
结论
床垫下的压电传感器，结合传统身体动作特征和基于TWED的新型呼吸稳定性度量，能够以中等准确率区分REM与NREM睡眠。TWED捕捉到的呼吸不稳定信号似乎提供了超越简单指标的有意义信息，为家庭环境中的实用非接触睡眠分期指明了道路。目前，该方法最适合用于趋势监测和纵向追踪，而非独立的临床决策。
婷 翻译
Source
Wang S, Yu J, Yang X, Liu D, Bai Q, Yu J, Ding S, Xu Y, Zhu D. Non-contact REM/NREM sleep staging from piezoelectric signals using respiratory and body-movement features with auxiliary TWED-based respiratory stability measures. Front Digit Health. 2026 Jun 15;8:1780166. doi:10.3389/fdgth.2026.1780166. PMID: 42375153. PMCID: PMC13310895.
Source URL: https://pubmed.ncbi.nlm.nih.gov/42375153/