通过活动和睡眠分析检测神经退行性疾病的早期迹象
Hasina Attaullah1, Sanaullah Sanaullah1, Annika Peters1
1Resource-Efficient Microelectronics and Cognitive Edge Computing Research Group, Bielefeld University of Applied Sciences and Arts, Bielefeld, Germany.
Frontiers in neuroscience
|September 4, 2025
概括
智能家居现在可以通过监测睡眠和活动来检测神经退行性疾病的早期迹象. 这种新的方法可以识别微妙的日常变化,
科学领域:
- 老年学与神经科学
- 人工智能和机器学习
- 无处不在的计算和健康信息学
背景情况:
- 早期发现神经退行性疾病对于有效的干预和改善患者结果至关重要.
- 传统的诊断方法往往忽略了微妙的早期行为变化,
- 持续的被动监测为捕获这些早期指标提供了一个有希望的途径.
研究的目的:
- 通过智能家居传感器数据来检测神经退化的早期迹象.
- 开发和验证分析睡眠模式和日常活动规律偏差的方法.
- 评估拟议框架在识别可能与神经退行相关的异常行为方面的有效性.
主要方法:
- 开发睡眠偏差模式 (SDP) 框架,包括睡眠开始偏差,睡眠持续偏差,睡眠中断指数和睡眠一致性指数等指标.
- 实施加权活动偏差指数 (WADI) 来量化日常活动比例的干扰.
- 将SDP和WADI框架应用于CASAS项目的现实智能家居数据集 (TM001-TM004).
主要成果:
- 数据集TM001和TM002显示SDP和WADI得分较低,表明日常工作稳定.
- 数据集TM003和TM004的SDP和WADI得分较高,这表明行为受到干扰.
- 在数据集TM004中,多达28%的天被标记为异常,与早期神经退行相关的睡眠碎片和活动模式混乱.
结论:
- 联合SDP和WADI框架有效地识别了现实世界智能家居数据中的睡眠和活动模式不规则.
- 这种方法为持续的健康监测和神经退行性疾病的早期检测提供了强大而可扩展的解决方案.
- 这些发现支持智能家居技术在个性化医疗保健和主动性疾病管理方面的潜力.
