監測睡眠質量軟體是用什麼演算法來計算睡眠質量的？ - GetIt01

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... 標籤：睡眠睡眠質量 監測睡眠質量軟體是用什麼演算法來計算睡眠質量的？ 12-03 SleepCycle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。

04/03/2015Update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,WestVirginiaUniversity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:Imagecredit:RazerM(viaWikimediaCommons),-----------------------------------------------回答分割線-----------------------------謝@雄億琳邀。

三句話的解釋： 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。

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。

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 腦電波活動EEG 眼前後電位差EOG 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： Consumersshouldnotexpectthatthesedeviceswillbeabletodistinguishbetweensleepstagesbecausethesedevicesrelyonmovements,whereassleepstagesaredefinedprimarilybybrainactivity.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。

不同品牌/批次手機，感測器敏感度不同 手機/監測設備放置位置不能精確統一 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 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。

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。

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: Ancoli-IsraelS,ColeR,AlessiCetal.Theroleofactigraphyinthestudyofsleepandcircadianrhythms.AmericanAcademyofSleepMedicineReviewPaper.SLEEP2003;26(3):342-92. L.deSouza,A.A.Benedito,M.L.Nogueira,D.Poyares,S.Tufik,H.M.CalilFurthervalidationofactigraphyforsleepstudiesSleep,26(2003),pp.81–85 G.Jean-Louis,D.F.Kripke,W.J.Mason,J.A.Elliott,S.D.YoungstedtSleepestimationfromwristmovementquantifiedbydifferentactigraphicmodalitiesJNeurosciMethods,105(2001),pp.185–191 C.A.Kushida,A.Chang,C.Gadkary,C.Guilleminault,O.Carrillo,W.C.DementComparisonofactigraphic,polysomnographic,andsubjectiveassessmentofsleepparametersinsleep-disorderedpatientsSleepMed,2(2001),pp.389–396 Jean-LouisG,KripkeDF,ColeRJ,AssmusJD,LangerRD.Sleepdetectionwithanaccelerometheractigraph:comparisonswithpolysomnography.PhysiolBehav2001;72:21-28. 這是一個有趣的問題。

我最近剛開始用sleepcycle，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%。

SleepCycle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： SleepCycle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SleepCycle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：HowisSleepQualitycalculated?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(groundtruth)，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sleepcycle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.WristActigraphy(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sleeparchitecture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：Marinoetal.2013Sleep和Lichsteinetal.,2006Sleep.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：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?nenetal.,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rawdata:)。

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：MartinJL,HakimAD.Wristactigraphy.Chest.2011Jun;139(6):1514-27.MarinoM,LiY,RueschmanMN,WinkelmanJW,EllenbogenJM,SoletJM,DulinH,BerkmanLF,BuxtonOM.Measuringsleep:accuracy,sensitivity,andspecificityofwristactigraphycomparedtopolysomnography.Sleep.2013Nov1;36(11):1747-55.LichsteinKL,StoneKC,DonaldsonJ,NauSD,SoeffingJP,MurrayD,LesterKW,AguillardRN.Actigraphyvalidationwithinsomnia.Sleep.2006Feb;29(2):232-9.TilmanneJ,UrbainJ,KothareMV,WouwerAV,KothareSV.Algorithmsforsleep-wakeidentificationusingactigraphy:acomparativestudyandnewresults.JSleepRes.2009Mar;18(1):85-98.PaquetJ,KawinskaA,CarrierJ.Wakedetectioncapacityofactigraphyduringsleep.Sleep.2007Oct;30(10):1362-9.L?tj?nenJ,KorhonenI,HirvonenK,EskelinenS,Myllym?kiM,PartinenM.Automaticsleep-wakeandnapanalysiswithanewwristwornonlineactivitymonitoringdevicevivagoWristCare.Sleep.2003Feb1;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| 一點新知 GetIt01