ICML精彩論文:學界與業界聯手,通過監測無線信號來判斷睡眠階段

 2017-08-13 07:14:00.0

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絡的一次全新嘗試,也是學界與業界的攜手共進。

這項研究具體是什麼?跟着雷鋒網 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。爲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傳感器安裝在他們身上,這樣一來,會導致他們的睡眠變得更差。

ICML精彩論文:學界與業界聯手,通過監測無線信號來判斷睡眠階段

圖:爲了檢測睡眠情況,通常要在身上安裝各種各樣的傳感器

爲了解決這一情況,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,無需把傳感器安裝在病人身上就能監測睡眠階段。

他們的設備使用一種先進的人工智能算法來分析人周圍的無線信號,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電子工程和計算機科學學院教授Dina Katabi。

「想象一下,如果你家裏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傳感器,這種傳感器能隱於幕後,捕捉生理信號和重要的健康指標,用戶不需要爲此特地改變自己的行爲習慣。」

參與此次研究的也有MGH睡眠醫學部的Matt Bianchi,MIT 電子工程和計算機科學學院教授Tommi Jaakkola,他也是MIT數據、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計算機科學和人工智能實驗室團隊開發出了基於電波的傳感器,能遠程測量生命體徵和行爲,這些測量結果可以作爲健康指標。這些傳感器由一種無線設備組成,與筆記本電腦的大小差不多,能發出低功率射頻(RF)信號。

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:「它是一個放在家裏的智能盒子,類似於WiFi信號,在它發出的RF 信號經過人體反射之後,會得到相應的信息,通過分析反射回來的信號,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爲「WiGait」的傳感器,這種傳感器可以通過無線信號來測量行走速度,這可以幫助醫生預測用戶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。

在開發了這些傳感器後,Katabi認爲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,連接到腦電圖(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,因爲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裏。」

相較以前的優點

爲了有效監測睡眠,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。

最近人工智能的發展,使得研究人員可以通過訓練深度神經網絡(計算機算法),來從複雜的數據集(例如研究人員從傳感器中獲得的無線信號)中提取和分析信息。不過,從傳感器中獲得的無線信號中有很多與睡眠無關的信息,這些信息會擾亂現有的算法。

ICML精彩論文:學界與業界聯手,通過監測無線信號來判斷睡眠階段

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絡的新的AI算法,這種算法可以排除掉無關信息。

「周圍的環境會導致測量數據中出現很多多餘的變量,我們方法的創新之處在於,在保留睡眠信號的同時,能移除掉無關的變量。」Jaakkola說到。

他們的算法沒有使用標準,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爲80%,這與睡眠科醫生通過腦電圖數據診斷的準確率相當。

「我們的設備不僅可以把人身上的所有傳感器都移走,而且能在家裏監測,讓監測對象獲得更好的體驗,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查看數據,然後手動進行標記了。」

也有其他研究人員曾試圖利用無線信號來監測睡眠,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,通過訓練算法,忽略了房間裏的其他物體上反射回來的無線信號,只關注從睡着的人身上反射回來的數據。

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,人們會認爲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。」

該傳感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。

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

via:MIT News

雷鋒網(公衆號:雷鋒網) AI 科技評論編譯整理。

文章來源:雷鋒網