ICML精彩論文：學界與業界聯手，通過監測無線訊號來判斷睡眠階段

雷鋒網 AI 科技評論按：ICML
2017剛剛在悉尼落下帷幕，此次ICML收到論文1676篇，接收434篇，又一次創下新的紀錄。這麼多論文中，不乏許多精彩應用和創新。MIT（麻省理工學院）與MGH（麻省綜合醫院）的研究員於悉尼時間8月9日在會上展示了關於睡眠研究的論文，這是利用深度神經網路的一次全新嘗試，也是學界與業界的攜手共進。

這項研究具體是什麼？跟著雷鋒網(公眾號：雷鋒網) AI科技評論往下看。

研究背景

超過5000萬美國人被睡眠失調症所困擾，與此同時，帕金森症和阿爾茨海默症等疾病也會影響睡眠情況。為了診斷和監測人的睡眠情況，通常需要將電極和各種各樣的感測器安裝在他們身上，這樣一來，會導致他們的睡眠變得更差。

圖：為了檢測睡眠情況，通常要在身上安裝各種各樣的感測器

為了解決這一情況，MIT（麻省理工學院）和麻省綜合醫院（MGH）的研究人員設計了一種新的方法，無需把感測器安裝在病人身上就能監測睡眠階段。

他們的裝置使用一種先進的人工智慧演算法來分析人周圍的無線訊號，並將這些測量值換算成不同的睡眠階段：輕度睡眠、深度睡眠或快速眼動睡眠(REM)。

相關研究人員

負責這項研究的是MIT電子工程和電腦科學學院教授Dina Katabi。

“想象一下，如果你家裡的無線路由器知道你在做夢，並能監測出你是否有足夠的深度睡眠，這些對記憶鞏固來說很有必要。”她提到，“我們的願景是開發出健康感測器，這種感測器能隱於幕後，捕捉生理訊號和重要的健康指標，使用者不需要為此特地改變自己的行為習慣。”

參與此次研究的也有MGH睡眠醫學部的Matt
Bianchi，MIT 電子工程和電腦科學學院教授Tommi
Jaakkola，他也是MIT資料、系統和社會研究所的一員，此外還有MIT的研究生Mingmin
Zhao，他是這篇論文的第一作者，另外還有論文的合著者——MIT研究生Shichao Yue。

之前的研究

Katab之前帶領MIT電腦科學和人工智慧實驗室團隊開發出了基於電波的感測器，能遠端測量生命體徵和行為，這些測量結果可以作為健康指標。這些感測器由一種無線裝置組成，與膝上型電腦的大小差不多，能發出低功率射頻(RF)訊號。

當無線電波經由我們的身體反射時，身體的任何輕微運動都能改變反射波的頻率。分析這些反射波可以知道脈搏和呼吸率等生命體徵。

Katabi說到：“它是一個放在家裡的智慧盒子，類似於WiFi訊號，在它發出的RF 訊號經過人體反射之後，會得到相應的資訊，通過分析反射回來的訊號，可以發現人身體上的相應變化。”

Katabi和她的學生們也用這種方法創造了一種名為“WiGait”的感測器，這種感測器可以通過無線訊號來測量行走速度，這可以幫助醫生預測使用者的認知能力是否下降、是否摔倒、有沒有心臟或肺部疾病，也可以通過它預判其他健康問題。

在開發了這些感測器後，Katabi認為類似的方法也可以用於監測睡眠。目前監測睡眠太複雜了——患者需要一整個晚上呆在睡眠實驗室中，連線到腦電圖(EEG)儀器等監測儀器來進行測量。

Katabi的學生Mingmin

Zhao說到：“這項技術在未來有非常大的潛力，因為目前我們還不太瞭解睡眠，大部分人都有睡眠問題。如果能通過這項技術有效監測睡眠，那麼，病人在家時，醫生就可以研究他們的睡眠情況。要知道，現在的睡眠研究，幾個月才能進行一次，而且得在睡眠實驗室裡。”

相較以前的優點

為了有效監測睡眠，他們得想出一種方法，將他們測量的脈搏、呼吸率和運動狀態換算成不同睡眠階段。

最近人工智慧的發展，使得研究人員可以通過訓練深度神經網路（計算機演算法），來從複雜的資料集（例如研究人員從感測器中獲得的無線訊號）中提取和分析資訊。不過，從感測器中獲得的無線訊號中有很多與睡眠無關的資訊，這些資訊會擾亂現有的演算法。

圖：他們全新的方法

在此情況下，他們提出了一種基於深度神經網路的新的AI演算法，這種演算法可以排除掉無關資訊。

“周圍的環境會導致測量資料中出現很多多餘的變數，我們方法的創新之處在於，在保留睡眠訊號的同時，能移除掉無關的變數。”Jaakkola說到。

他們的演算法沒有使用標準，對於不同的地點和不同的人都適用。

在對25名健康志願者的測試中，他們的技術準確率約為80%，這與睡眠科醫生通過腦電圖資料診斷的準確率相當。

“我們的裝置不僅可以把人身上的所有感測器都移走，而且能在家裡監測，讓監測物件獲得更好的體驗，也讓醫生和睡眠專家的工作變得更簡單了。”，Katabi說，“他們再也不需要一點一點的檢視資料，然後手動進行標記了。”

也有其他研究人員曾試圖利用無線訊號來監測睡眠，但他們的系統在那時只有65%的準確率，而且系統只能判定一個人是處於清醒狀態還是入睡狀態，根本不能判斷人處於什麼睡眠階段。

Katabi和她的同事們相較以前取得了進步，通過訓練演算法，忽略了房間裡的其他物體上反射回來的無線訊號，只關注從睡著的人身上反射回來的資料。

未來的前景

他們現在計劃利用這項技術來研究帕金森病對睡眠的影響。

Katabi說:“當談到帕金森症，人們會認為它是一種運動障礙症，但這種疾病也與睡眠不足的多種複雜情況有關，關於這點，目前還沒有什麼好的解釋說明。”

該感測器還可用於研究更多關於阿爾茨海默氏症導致的睡眠變化，以及失眠和睡眠呼吸暫停等睡眠失調症。它可能也對研究睡眠中癲癇症的發作有所幫助，而這通常是很難被發現的。

本文作者：思穎

本文轉自雷鋒網禁止二次轉載，原文連結