使用深度传感器融合的腿部可穿戴设备睡眠觉醒检测

为何更好的睡眠跟踪很重要

许多家庭都熟悉就寝斗争、不安的夜晚和昏昏欲睡的早晨——尤其当孩子患有注意力缺陷多动障碍（ADHD）时。睡眠不佳会加重注意力不集中、多动和情绪问题，但医生用来衡量睡眠的工具往往要么太复杂，不适合日常使用，要么过于粗糙，无法捕捉细微变化。本研究探讨了一种在家中监测儿童睡眠的新方法：使用戴在腿上的柔软腕带并结合先进的计算技术来解读其信号。

从睡眠实验室的连线到简单的腿带

目前测量睡眠的金标准是睡眠研究，需要在实验室过夜并连接多根电线以记录脑电、呼吸和运动。尽管这种方法功能强大，但费用高、使用不便，而且可能无法反映孩子在家中的真实睡眠情况。另一方面，流行的腕部设备大多只检测运动，可能漏掉会破碎睡眠的细微呼吸、心律或腿部运动变化。对于常有不安腿、频繁短暂觉醒和入睡延迟的 ADHD 儿童，这一差距尤其重要，因为标准追踪器往往无法很好地捕捉这些特征。

把注意力放在腿部

研究团队基于早期工作开发了一种名为 RestEaze 的设备，这是一种舒适的腿部佩戴带，可在整夜安静记录多种信号。内部微小传感器测量腿部三维运动、扭转动作、皮肤温度以及反映心脏活动的血流变化。在这项研究中，14 名正在评估 ADHD 的儿童在过夜的睡眠研究中在双腿上佩戴了 RestEaze，同时还记录了脑电图。专家根据脑电记录对每一分钟进行了睡眠或清醒的标注，为研究者提供了一个可供比对的可信参考。

教计算机“读夜”

研究团队没有手工制作信号的简单摘要，而是训练了深度学习模型——这些特殊算法可以直接从原始数据中发现有用模式。他们测试了两种融合四种传感器信息的方法。在“早期融合”方法中，所有信号先混合在一起，然后输入到单一模型中。在“晚期融合”方法中，每种传感器类型先在各自通道中处理，随后将结果合并以做出最终决策。晚期融合模型有效地让运动、脉搏和温度各自“发声”然后共同表决，证明在不同儿童间最为准确且一致。

把不安的夜晚变得有意义

表现最好的模型能以高可靠性区分睡眠与清醒，尽管数据中睡眠时期大约比清醒时期多五倍。基于模型逐分钟的判断，研究人员计算了常见的临床指标，例如儿童的总睡眠时长、入睡所需时间、入睡后清醒的时长以及总体睡眠效率。起初，模型倾向于将夜间划分为过多的短暂觉醒。为了解决这一问题，团队加入了一个简单的平滑步骤，检查某一分钟的时间邻居并纠正不合常理的孤立清醒或睡眠闪现。该调整使模型的估计值更接近实验室结果，同时没有掩盖有意义的不安时段。

这些发现对家庭意味着什么

通俗地说，这项研究表明，一种小巧的腿部佩戴带配合现代模式识别方法，能够在一定程度上与完整睡眠研究一样跟踪儿童何时睡眠或清醒——至少在这组 ADHD 儿童中是如此。腿部的运动传感器承担了大部分信息量，而脉搏和温度提供了有益的补充情境。尽管研究参与者数量有限且聚焦于一个临床群体，但这指向了一个前景：儿童可以在家中舒适地连续多夜监测。长期视角有助于临床医生和家长更早发现睡眠问题、评估治疗效果，并根据每个孩子独特的睡眠模式量身定制护理。

引用: Anwar, Y., Bansal, K., Kucukosmanoglu, M. et al. Sleep awake detection from leg-worn wearables using deep sensor fusion. Sci Rep 16, 9930 (2026). https://doi.org/10.1038/s41598-026-42310-8

关键词: 睡眠监测, 多动症（ADHD）, 可穿戴传感器, 深度学习, 腿部运动