跳至主要内容

睡眠監測手環與傳輸盒

計畫概述​

睡眠品質的客觀評估長期以來依賴多頻道睡眠生理檢查（Polysomnography, PSG），然而 PSG 需於睡眠實驗室過夜檢查，設備昂貴且操作複雜，無法應用於大規模篩檢或長期居家監測。有鑑於此，國立陽明交通大學睡眠研究中心與產業界攜手合作，開發一款兼具準確性與便利性的睡眠監測手環系統，搭配專用傳輸盒實現數據自動上傳與雲端分析。

硬體設計​

睡眠監測手環​

本手環採用醫療等級感測元件，外型輕巧舒適，主要技術規格如下：

  • 三軸加速度計（Triaxial Accelerometer）：高解析度 MEMS 加速度感測器，取樣頻率可達 50 Hz，靈敏度足以偵測細微的肢體活動
  • 光學心率感測器：綠光 LED 光體積變化描記法（PPG），可連續監測心率與估算心率變異度
  • 皮膚溫度感測器：紅外線溫度感測元件，監測手腕皮膚溫度變化以輔助判斷睡眠狀態
  • 環境光感測器：偵測環境光照強度，輔助判斷使用者所處環境
  • 電池與續航力：採用鋰聚合物充電電池，滿電狀態下可連續記錄七天以上
  • 防水等級：IPX7 生活防水，日常洗手不影響使用
  • 重量：含錶帶不超過 25 克，長時間配戴舒適無負擔

傳輸盒（Data Transmission Box）​

傳輸盒作為手環與雲端伺服器之間的橋樑，具備以下功能：

  • 藍牙接收：BLE 5.0 低功耗藍牙，自動偵測並連接鄰近之手環
  • Wi-Fi / 4G 上傳：支援 Wi-Fi 及行動網路雙模式，確保資料上傳穩定性
  • 多裝置管理：單一傳輸盒可同時管理多支手環之資料同步，適合機構式照護場域
  • 資料暫存：內建快閃記憶體，網路中斷時自動暫存資料，恢復連線後自動補傳
  • 即插即用：接上電源即自動啟動，無需額外設定

演算法開發​

睡眠—覺醒偵測演算法​

本系統之核心在於基於加速度訊號的睡眠—覺醒分類演算法：

  1. 活動量計算（Activity Counts）：將三軸加速度原始訊號經帶通濾波、整流、積分後轉換為每分鐘活動量指標
  2. 特徵萃取：從活動量時間序列中擷取多維特徵，包括當前時段活動量、前後時段移動平均、活動量變異係數等
  3. 機器學習分類器：採用隨機森林（Random Forest）演算法，綜合多維特徵進行睡眠—覺醒二元分類
  4. 後處理規則：應用生理學規則進行結果修正，例如排除短暫覺醒誤判、合併碎片化睡眠段落

睡眠姿勢偵測​

利用三軸加速度計之重力分量判斷使用者睡眠姿勢：

  • 仰臥（Supine）：加速度 Z 軸呈現正向重力分量
  • 俯臥（Prone）：加速度 Z 軸呈現負向重力分量
  • 左側臥（Left lateral）：加速度 Y 軸呈現特定方向重力分量
  • 右側臥（Right lateral）：加速度 Y 軸呈現反向重力分量

睡眠姿勢資訊對於睡眠呼吸中止症患者特別重要，因仰臥位通常會加重呼吸事件。

演算法驗證​

與 PSG 黃金標準之比對​

以標準實驗室 PSG 為黃金標準，對手環睡眠—覺醒偵測演算法進行嚴謹驗證：

驗證指標數值
整體正確率（Accuracy）> 90%
敏感度（Sensitivity，偵測睡眠之能力）> 95%
特異度（Specificity，偵測覺醒之能力）> 70%
Kappa 一致性係數> 0.70
與 PSG 總睡眠時間之相關係數r > 0.85

不同族群驗證​

演算法經以下族群之交叉驗證：

  • 健康成年人（20 至 60 歲）
  • 老年族群（65 歲以上）
  • 失眠患者
  • 睡眠呼吸中止症患者

針對不同族群之活動模式差異進行演算法參數微調，確保跨族群適用性。

應用場域​

臨床試驗​

作為客觀睡眠指標量測工具，應用於藥物臨床試驗或非藥物介入研究：

  • 長期追蹤受試者之睡眠—覺醒模式變化
  • 提供基線期與介入期之客觀比較數據
  • 減少 PSG 夜間檢查之需求，降低受試者負擔與試驗成本

長期照護機構​

於養護機構或護理之家中部署，監測住民之睡眠狀態：

  • 即時偵測異常覺醒或長時間清醒
  • 追蹤睡眠模式變化，作為健康狀態變化之早期指標
  • 輔助照護人員排班與夜間巡房時機規劃

居家睡眠監測​

提供一般民眾長期居家使用：

  • 持續追蹤個人睡眠品質趨勢
  • 配合手機應用程式提供睡眠報告與改善建議
  • 可作為遠距醫療中睡眠評估之輔助工具

資料安全與隱私​

  • 所有傳輸資料均採用 AES-256 加密
  • 雲端資料儲存符合醫療資訊安全規範
  • 使用者可隨時要求刪除個人資料
  • 去識別化資料方可用於研究分析

未來發展​

下一代手環預計整合以下功能：

  • 血氧飽和度（SpO2）監測，擴充睡眠呼吸障礙篩檢能力
  • 深度學習睡眠分期，由睡眠—覺醒二分法進階至 NREM/REM 多分期
  • 邊緣運算能力，部分演算法於手環端即時執行，減少資料傳輸量

合作單位​

本產學合作計畫由國立陽明交通大學睡眠研究中心與國內穿戴式裝置廠商共同開發，結合學術研究之睡眠醫學專業與產業界之硬體製造能力。