ICML精彩论文：通过监测无线信号来判断睡眠阶段

雷锋网 AI 科技评论按：ICML 2017刚刚在悉尼落下帷幕，此次ICML收到论文1676篇，接收434篇，又一次创下新的纪录。这么多论文中，不乏许多精彩应用和创新。MIT（麻省理工学院）与MGH（麻省综合医院）的研究员于悉尼时间8月9日在会上展示了关于睡眠研究的论文，这是利用深度神经网络的一次全新尝试，也是学界与业界的携手共进。

这项研究具体是什么？跟着雷锋网 AI科技评论往下看。

研究背景

超过5000万美国人被睡眠失调症所困扰，与此同时，帕金森症和阿尔茨海默症等疾病也会影响睡眠情况。为了诊断和监测人的睡眠情况，通常需要将电极和各种各样的传感器安装在他们身上，这样一来，会导致他们的睡眠变得更差。

（图：为了检测睡眠情况，通常要在身上安装各种各样的传感器）

为了解决这一情况，MIT（麻省理工学院）和麻省综合医院（MGH）的研究人员设计了一种新的方法，无需把传感器安装在病人身上就能监测睡眠阶段。

他们的设备使用一种先进的人工智能算法来分析人周围的无线信号，并将这些测量值换算成不同的睡眠阶段：轻度睡眠、深度睡眠或快速眼动睡眠(REM)。

相关研究人员

负责这项研究的是MIT电子工程和计算机科学学院教授Dina Katabi。

“想象一下，如果你家里的无线路由器知道你在做梦，并能监测出你是否有足够的深度睡眠，这些对记忆巩固来说很有必要。”她提到，“我们的愿景是开发出健康传感器，这种传感器能隐于幕后，捕捉生理信号和重要的健康指标，用户不需要为此特地改变自己的行为习惯。”

参与此次研究的也有MGH睡眠医学部的Matt Bianchi，MIT 电子工程和计算机科学学院教授Tommi Jaakkola，他也是MIT数据、系统和社会研究所的一员，此外还有MIT的研究生Mingmin Zhao，他是这篇论文的第一作者，另外还有论文的合著者——MIT研究生Shichao Yue。

之前的研究

Katab之前带领MIT计算机科学和人工智能实验室团队开发出了基于电波的传感器，能远程测量生命体征和行为，这些测量结果可以作为健康指标。这些传感器由一种无线设备组成，与笔记本电脑的大小差不多，能发出低功率射频(RF)信号。

当无线电波经由我们的身体反射时，身体的任何轻微运动都能改变反射波的频率。分析这些反射波可以知道脉搏和呼吸率等生命体征。

Katabi说到：“它是一个放在家里的智能盒子，类似于WiFi信号，在它发出的RF 信号经过人体反射之后，会得到相应的信息，通过分析反射回来的信号，可以发现人身体上的相应变化。”

Katabi和她的学生们也用这种方法创造了一种名为“WiGait”的传感器，这种传感器可以通过无线信号来测量行走速度，这可以帮助医生预测用户的认知能力是否下降、是否摔倒、有没有心脏或肺部疾病，也可以通过它预判其他健康问题。

在开发了这些传感器后，Katabi认为类似的方法也可以用于监测睡眠。目前监测睡眠太复杂了——患者需要一整个晚上呆在睡眠实验室中，连接到脑电图(EEG)仪器等监测仪器来进行测量。

Katabi的学生Mingmin Zhao说到：“这项技术在未来有非常大的潜力，因为目前我们还不太了解睡眠，大部分人都有睡眠问题。如果能通过这项技术有效监测睡眠，那么，病人在家时，医生就可以研究他们的睡眠情况。要知道，现在的睡眠研究，几个月才能进行一次，而且得在睡眠实验室里。”

相较以前的优点

为了有效监测睡眠，他们得想出一种方法，将他们测量的脉搏、呼吸率和运动状态换算成不同睡眠阶段。

最近人工智能的发展，使得研究人员可以通过训练深度神经网络（计算机算法），来从复杂的数据集（例如研究人员从传感器中获得的无线信号）中提取和分析信息。不过，从传感器中获得的无线信号中有很多与睡眠无关的信息，这些信息会扰乱现有的算法。

（图：他们全新的方法）

在此情况下，他们提出了一种基于深度神经网络的新的AI算法，这种算法可以排除掉无关信息。

“周围的环境会导致测量数据中出现很多多余的变量，我们方法的创新之处在于，在保留睡眠信号的同时，能移除掉无关的变量。”Jaakkola说到。

他们的算法没有使用标准，对于不同的地点和不同的人都适用。

在对25名健康志愿者的测试中，他们的技术准确率约为80%，这与睡眠科医生通过脑电图数据诊断的准确率相当。

“我们的设备不仅可以把人身上的所有传感器都移走，而且能在家里监测，让监测对象获得更好的体验，也让医生和睡眠专家的工作变得更简单了。”，Katabi说，“他们再也不需要一点一点的查看数据，然后手动进行标记了。”

也有其他研究人员曾试图利用无线信号来监测睡眠，但他们的系统在那时只有65%的准确率，而且系统只能判定一个人是处于清醒状态还是入睡状态，根本不能判断人处于什么睡眠阶段。

Katabi和她的同事们相较以前取得了进步，通过训练算法，忽略了房间里的其他物体上反射回来的无线信号，只关注从睡着的人身上反射回来的数据。

未来的前景

他们现在计划利用这项技术来研究帕金森病对睡眠的影响。

Katabi说:“当谈到帕金森症，人们会认为它是一种运动障碍症，但这种疾病也与睡眠不足的多种复杂情况有关，关于这点，目前还没有什么好的解释说明。”

该传感器还可用于研究更多关于阿尔茨海默氏症导致的睡眠变化，以及失眠和睡眠呼吸暂停等睡眠失调症。它可能也对研究睡眠中癫痫症的发作有所帮助，而这通常是很难被发现的。

论文地址：http://101.96.10.63/sleep.csail.mit.edu/files/rfsleep-paper.pdf

via：MIT News

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。