- PillowSense 利用布料传感器监测睡姿、心率及呼吸率。
- 该装置的心率和呼吸率数据来自心电图。
- PillowSense 在家庭测试中达到 88% 的睡姿分类准确度。
- 目前仍在离线运行，未来目标是基于手机的处理。
哥伦比亚大学工程系的团队开发了一款名为 PillowSense 的枕头套原型，该装置利用布料传感器来估算睡姿、心率及呼吸率，数据来源为睡眠者的颈部。根据大学的发布信息及《计算机协会》（ACM）期刊的论文，大多数睡眠追踪器是佩戴在身体上的，例如手腕或手指。论文的作者指出，一些人觉得这类装置不舒适，而现有的可穿戴设备无法报告睡姿。哥伦比亚大学表示，睡姿会影响呼吸和舒适度，而睡姿的变化显示出仅靠生命体征无法捕捉的行为。
该枕头套内含导电布料，作为电极，电子设备则测量传感器接触颈部时产生的微小电压差。系统能够分离两种信号：心电图（ECG），记录心脏的电活动，以及表面肌电图（sEMG），记录肌肉活动。论文指出，心率和呼吸率来自于心电图。
PillowSense 的技术原理
PillowSense 在 151 个夜晚的家庭测试中，将七种睡姿的分类准确度达到 88%的 F1 分数。F1 分数结合了分类器在命名姿势时的正确率及其捕捉的真实案例数。这七种姿势包括仰卧、俯卧、左侧、右侧，以及蜷缩于左侧、右侧或背部。论文显示，参与测试的 21 名健康成年人，平均年龄为 23.7 岁，模型在未接受过训练的数据上进行测试。
根据美国食品药品监督管理局批准的脉搏血氧仪，家庭测试中心率的读数平均偏差为每分钟 2.7 次，呼吸读数则偏差 3.1 次。布料传感器曾在莱斯大学的智能衬衫中读取心脏信号。哥伦比亚工程系的计算机科学副教授周夏表示，姿势为这些生命体征提供了“物理背景”。
论文指出，88%的数据中排除了 71.2 小时的匹配数据，约占 7.8%：其中 3.8%来自传感器接触不良，4%来自睡眠者未躺在枕头上。腿部弯曲的检测较为困难，F1 分数为 80%，而上半身姿势则为 91%。对于颈部有毛发的参与者，心率误差较大，分别为每分钟 3.0 次与 2.6 次，而参考的血氧仪则报告其自身的误差为每分钟 3 次。
未来发展方向
目前，分析仍在离线运行，因此基于手机的处理仍然是未来的目标。PillowSense 目前仅为研究原型，而非诊断工具。临床使用需与临床参考测量进行比较，并涉及更大更具多样性的群体，包括老年人及有睡眠障碍的人士。早期的智能睡衣，例如麻萨诸塞大学阿默斯特分校的智能睡衣，也能感测心率和呼吸率。论文作者正在准备一项睡眠实验室患者研究，并计划改善传感器的接触性和处理毛发的能力。
该研究已发表于 ACM 的可穿戴和移动计算期刊。
PillowSense 的潜在影响与挑战
PillowSense 的开发标志着智能睡眠监测技术的一个重要进步，尤其是其无需佩戴的设计可提高使用者的舒适度。通过监测睡姿与生命体征，该装置能提供更全面的睡眠质量分析。然而，目前仍需进一步研究与测试，特别是在临床环境中的应用，并需解决如传感器接触不良等技术挑战。随着智能穿戴技术的发展，PillowSense 若能有效整合进一步的数据处理，将有助于改善睡眠健康管理。