与MGH睡眠部门主管Matt Bianchi和Thomas Siebel电气工程与计算机科学教授Tommi Jaakkola以及麻省理工学院数据，系统和社会研究所的成员进行了研究。
Katabi与麻省总医院、睡眠医学科的Tommi Jaakkola主任以及研究所成员Thomas Siebel 教授共同组成了专家组。麻省理工学院研究生Mingmin Zhao是论文的第一作者，另一位麻省理工学院研究生 Shichao Yue也参与其中。
远程监测
Katabi及MIT的同仁们，以前开发过基于无线电的传感器，使其能够远程监测可作为健康指标的生命体征和行为。这些传感器包括发射低功率无线电频率（RF）信号的无线设备，附着在膝盖上，相当于微型平板的大小。
无线电波从身体反射出来，身体的任何轻微的运动，都会改变反射波的频率。分析这些电波可以监测出生命体征，如脉搏和呼吸频率。
Katabi说：“这是一个智能的Wi-Fi样盒子，坐在家中即可分析这些电波，并通过身体留在RF信号上的签名，发现身体中的所有这些变化。
Katabi和他的学生也使用这种方法，创建了一个称为WiGait的传感器，可以使用无线信号测量步行速度，这可以帮助医生预测认知衰退、下降，某些心脏或肺部疾病或其他健康问题。
在开发这些传感器之后，Katabi认为，类似的方法也可用于监测睡眠，并对患者在睡眠实验室中睡觉时进行了测试。
Mingmin Zhao说：“因为大多数人睡眠不好，很多人有睡眠问题，所以市场前景广阔。如果我们能使这种技术普及，可以让失眠人群在家里不再受到失眠的困扰。”
准确度高达80％
为了达到这个目标，研究人员不得不提出一种方法来将脉搏，呼吸频率和运动的测量值转换成睡眠阶段。
人工智能的最新进展使得有可能训练深度神经网络的算法，来提取和分析来自复杂数据集的信息，例如从研究人员的传感器获得的无线电信号。
然而，这些信号具有与睡眠无关的大量信息，并且可能使现有算法混淆。麻省理工学院的研究人员不得不提出一种基于深度神经网络的AI算法，消除了不相关的信息。
Jaakkola说：“周围的环境在测量的时候会有很多干扰。这个算法的新奇之处在于能够保证清晰的睡眠信号，同时消除干扰”，他们的算法可以供任何人、在任何地点使用，不用做任何校准。
研究人员使用这种方法对25名健康志愿者进行了测试，发现他们的技术准确度高达80％，这与基于EEG测量的睡眠专家确定的评分准确度相当。
“我们的设备让您不仅可以免去繁琐的传感器连接身体，而且可以在家中完成更好的体验，同时也使医生和睡眠技术人员的工作变得更加容易。” Katabi说。“他们不需要手动标注数据”。
帕金森和阿尔茨海默
其他研究人员试图使用无线电信号监测睡眠，但是这些系统在65％的时间内是准确的，主要决定于一个人是否醒着或睡着了，而不是睡眠阶段。Katabi和他的同事能够通过训练他们的算法，来忽略从室内其他物体反射的无线信号，并且仅收集从睡眠者反射的数据。
研究人员现在计划使用这项技术来研究帕金森病是如何影响睡眠的。
Katabi说：“当你分析帕金森症时，会将其视为运动障碍，但这种疾病也与非常复杂的睡眠缺陷有关，这一点并不十分清楚。”
这种技术，还可用于了解更多关于阿尔茨海默病所产生的睡眠变化以及睡眠障碍如失眠和睡眠呼吸暂停的信息。研究睡眠中发生的癫痫发作也很有用，通常难以检测。
如果觉得《不用再属羊了！MIT的新算法让你不再失眠》对你有帮助，请点赞、收藏，并留下你的观点哦！
