失眠已經成為一項通病。

它難以治愈，也很復雜，因為研究起來就非常困難。

據(jù)美國疾病控制和預防中心的數(shù)據(jù)顯示，三分之一的美國成年人通常睡眠不足。該中心將健康睡眠定義為每天七小時以上。

通常會通過在患者身上佩戴胸帶、鼻探針和腦部電極等傳統(tǒng)傳感器，來對患者進行睡眠模式監(jiān)測。這些令人不舒服的方式本身就會導致失眠，使得收集的數(shù)據(jù)不具有代表性。

為了給患者提供更好的睡眠，麻省理工學院和麻省總醫(yī)院的研究人員正在研究使用AI和類似Wi-Fi的信號來監(jiān)測病人，而無需佩戴任何傳感器。

麻省理工學院電氣工程與計算機科學教授兼校無線中心主任Dina Katabi表示：“我們對睡眠的了解還不夠深入，因為我們無法持續(xù)監(jiān)測睡眠狀況。”

該研究團隊成員包括Katabi、麻省總醫(yī)院睡眠醫(yī)學科負責人Matt Bianchi以及麻省理工學院電氣工程與計算機科學教授Tommi Jaakkola，他們共同撰寫了一篇論文來描述這項工作（LearningSleep Stages from Radio Signals: A Conditional Adversarial Architecture，該論文的作者還包括麻省理工學院研究生Mingmin Zhao和Shichao Yue）。

研究人員在臥室安裝了特殊的無線設備，因此受監(jiān)測人員可以在家中睡覺。該設備收集從監(jiān)測對象反射回來的信號，并通過云將數(shù)據(jù)發(fā)回給研究人員。

通過了解臥室內人員對射頻的影響方式，并對脈搏、呼吸頻率和運動這些測量數(shù)據(jù)的分析，研究人員可以確定不同的睡眠階段：輕度睡眠、深度睡眠、快速眼動或清醒狀態(tài)。

該研究采用一種被稱為“有條件的對抗性架構”（conditional adversarial architecture）的新型神經網絡設計，該架構會對射頻信號進行處理，消除與睡眠無關的信息，并專注于與睡眠階段相關的重要信息。相較于以前只使用射頻信號對睡眠階段進行研究，這種新的神經網絡可使研究人員實現(xiàn)更高的精度。

麻省理工學院的無線研究中心將預測精度提高到了近 80％，而之前使用射頻方法的預測精度為 64％。

快速處理大量數(shù)據(jù)

研究人員對25名人員在100個晚上的睡眠進行了研究，每隔30秒進行一次睡眠標記，并將用于訓練的數(shù)據(jù)與用于測試的數(shù)據(jù)互相分開。

其基于云的服務可以遠程收集信號并運行算法模型。Katabi表示，分析整夜睡眠只需幾秒鐘，而且具有商業(yè)可行性。

“深度學習模型可以分析信號并明確分辨出人的睡眠階段?！彼f道。

麻省理工學院的研究人員使用NVIDIA GPU進行模型訓練以及后端云服務上的推理。此外，他們還使用了NVIDIA的cuDNN庫和TensorFlow深度學習框架。

研究意義

睡眠階段的研究具有廣泛的應用價值。這種睡眠階段檢測技術可用于監(jiān)測諸如抑郁癥等疾病，因為抑郁癥患者會較早出現(xiàn)睡眠的REM（快速眼動）階段。這也是制藥商關注的一個領域。

睡眠階段是阿爾茨海默癥研究的重要方面，特別是對人們能否進入深度睡眠及其相關影響的研究。對于帕金森癥患者的研究也是如此。

Katabi指出：“睡眠對帕金森癥患者來說是一個問題，因為它會對疾病的發(fā)展產生影響。睡眠問題也可能是帕金森癥的早期征兆。”

該項研究還將可以顯示睡眠呼吸暫停的情況，癥狀表現(xiàn)為呼吸在睡眠期間受阻。此外，通過觀察睡眠模式的變化，醫(yī)生還可以監(jiān)測心臟病患者和多發(fā)性硬化癥患者。