A deep learning-enabled smart garment for versatile sleep behaviour monitoring

要約

様々な睡眠関連疾患に関連する複雑な睡眠パターンを継続的にモニタリングし、正確に検出することは、睡眠の質を高めるだけでなく、不健康な睡眠に関連する慢性疾患の発症リスクを予防するためにも不可欠である。研究の著しい進歩にもかかわらず、家庭での簡単なウェアラブルデバイスで様々な不健康な睡眠パターンや不健康でない睡眠パターンを汎用的に認識することは、依然として大きな課題である。ここでは、スマート衣服の襟部分にプリントされた、堅牢で耐久性のある超高感度歪みセンサーアレイについて報告する。このソリューションにより、喉頭外筋の複数の睡眠パターンに関連する微妙な振動を検出することができる。ディープラーニング・ニューラルネットワークを搭載し、鼻呼吸、口呼吸、いびき、ブラキシズム、中枢性睡眠時無呼吸（CSA）、閉塞性睡眠時無呼吸（OSA）の6つの睡眠状態を、98.6％という驚異的な精度で、特定のポジショニングを必要とせずに正確に識別することができる。我々はさらに、実用的なアプリケーションにおける説明可能性と汎化能力を実証する。説明可能な人工知能(XAI)による可視化は、偏りの少ない包括的な信号パターン分析を反映している。転移学習テストにより、このシステムは、非常に少ないショット学習（クラスあたり15サンプル以下）で、新規ユーザーに対して高い精度（総合精度95％）を達成できることが示された。拡張可能な製造プロセス、スマート衣服の堅牢性、高精度、優れた汎化性により、次世代の継続的な睡眠モニタリングのための有望なツールとなる。

要約(オリジナル)

Continuous monitoring and accurate detection of complex sleep patterns associated to different sleep-related conditions is essential, not only for enhancing sleep quality but also for preventing the risk of developing chronic illnesses associated to unhealthy sleep. Despite significant advances in research, achieving versatile recognition of various unhealthy and sub-healthy sleep patterns with simple wearable devices at home remains a significant challenge. Here, we report a robust and durable ultrasensitive strain sensor array printed on a smart garment, in its collar region. This solution allows detecting subtle vibrations associated with multiple sleep patterns at the extrinsic laryngeal muscles. Equipped with a deep learning neural network, it can precisely identify six sleep states-nasal breathing, mouth breathing, snoring, bruxism, central sleep apnea (CSA), and obstructive sleep apnea (OSA)-with an impressive accuracy of 98.6%, all without requiring specific positioning. We further demonstrate its explainability and generalization capabilities in practical applications. Explainable artificial intelligence (XAI) visualizations reflect comprehensive signal pattern analysis with low bias. Transfer learning tests show that the system can achieve high accuracy (overall accuracy of 95%) on new users with very few-shot learning (less than 15 samples per class). The scalable manufacturing process, robustness, high accuracy, and excellent generalization of the smart garment make it a promising tool for next-generation continuous sleep monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL