首页 智能硬件 AI人工智能

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。

ICML精彩论文:学界与业界联手,通过监测无线信号来判断睡眠阶段

(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。

ICML精彩论文:学界与业界联手,通过监测无线信号来判断睡眠阶段

(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 

官方微博/微信

每日头条、业界资讯、热点资讯、八卦爆料,全天跟踪微博播报。各种爆料、内幕、花边、资讯一网打尽。百万互联网粉丝互动参与,TechWeb官方微博期待您的关注。

↑扫描二维码

想在手机上看科技资讯和科技八卦吗?

想第一时间看独家爆料和深度报道吗?

请关注TechWeb官方微信公众帐号:

1.用手机扫左侧二维码;

2.在添加朋友里,搜索关注TechWeb。

手机游戏更多