在共享睡眠环境中对基于声音的睡眠阶段预测的评估
Jeong-Whun Kim1, Seunghun Kim2, EunSung Cho2
1Department of Otorhinolaryngology-Head and Neck Surgery, Seoul National University College of Medicine, Seoul National University Bundang Hospital, Seongnam, South Korea.
Sleep medicine
|May 2, 2025
概括
这项研究表明,基于声音的AI模型可以准确地在共享房间中进行睡眠,即使伴侣噪音. 该模型在不同睡眠分类和人口统计学方面表现良好.
科学领域:
- 人工智能的人工智能
- 睡眠科学 睡眠科学
- 生物医学工程 生物医学工程
背景情况:
- 基于声音的AI睡眠阶段化在共享环境中面临声学干扰.
- 床上伴侣的噪音挑战了现有的睡眠监测技术.
- 这项研究解决了在多人居住的环境中对强大的睡眠分阶段的需求.
研究的目的:
- 评估基于声音的人工智能模型在两人多人睡眠 (PSG) 场景中的表现.
- 通过对每个参与者独立记录的声音数据来评估模型的有效性.
- 为了确定模型在伴侣产生的声学干扰中对睡眠阶段的分类的准确性.
主要方法:
- 招募了88名参与者,包括混合性别和全女性对,同时接受PSG.
- 使用MEMS麦克风,为每个参与者单独录制声音.
- 睡眠被分为4阶段,3阶段和2阶段的类别,通过宏观F1分数来评估表现.
主要成果:
- 获得的平均宏观F1得分为0.590 (4阶段),0.665 (3阶段) 和0.741 (2阶段).
- 性能因组组合而异,与混合性别相比,全女性对的得分更高.
- 亚组分析表明男性的表现更好,BMI,AHI和睡眠效率较高的个体.
结论:
- 基于声音的AI模型可以有效地预测共享睡眠环境中的睡眠阶段.
- 该模型证明了对床上伴侣的声学干扰的弹性.
- 未来的工作重点是改进模型以实现更广泛的人口应用.
