，，，，，

1.上海理工大學(xué)醫(yī)療器械與食品學(xué)院(上海，200093)；2.上海健康醫(yī)學(xué)院醫(yī)療器械學(xué)院(上海，201318)

0 引言

人一生約三分之一的時(shí)間花費(fèi)在睡眠上。睡眠有助于人體進(jìn)行細(xì)胞修復(fù)、疲勞解除、荷爾蒙分泌、能量?jī)?chǔ)存以及記憶鞏固等多項(xiàng)任務(wù)，是關(guān)乎健康狀況的重要因素。睡眠出現(xiàn)問(wèn)題，會(huì)對(duì)人們的生活質(zhì)量產(chǎn)生嚴(yán)重影響，從而大大降低學(xué)習(xí)、工作效率。美國(guó)國(guó)立衛(wèi)生研究院心肺血液研究所的數(shù)據(jù)表明： 睡眠質(zhì)量不足增加了交通事故發(fā)生率、感冒感染風(fēng)險(xiǎn)，并與肥胖、心臟問(wèn)題和學(xué)習(xí)障礙等相關(guān)。如今，外在因素普遍導(dǎo)致了人為的睡眠質(zhì)量下降。2018年2月，PHILIPS對(duì)13個(gè)國(guó)家15 000余人進(jìn)行調(diào)查研究結(jié)果表明： 全球成年人超過(guò)六成存在某種影響睡眠的醫(yī)學(xué)問(wèn)題，四分之一的成年人報(bào)告失眠，五分之一的人打鼾； 同時(shí)睡眠欠佳的后果包括疲乏、易怒、消極。長(zhǎng)期以往，易造成嚴(yán)重的社會(huì)問(wèn)題。因此，如何使人們能夠在日常生活當(dāng)中有效地進(jìn)行睡眠監(jiān)測(cè)，對(duì)睡眠質(zhì)量進(jìn)行評(píng)價(jià)，了解自身睡眠問(wèn)題，為發(fā)現(xiàn)和治療相關(guān)疾病創(chuàng)造首要條件，在睡眠醫(yī)學(xué)中顯得尤為重要。

本文通過(guò)對(duì)睡眠監(jiān)測(cè)系統(tǒng)的功能實(shí)現(xiàn)方式與相關(guān)分類方法進(jìn)行討論與分析，最后結(jié)合市場(chǎng)狀況探討了睡眠監(jiān)測(cè)系統(tǒng)的未來(lái)發(fā)展，為后續(xù)研究提供一定參考。

1 睡眠質(zhì)量評(píng)價(jià)

睡眠質(zhì)量評(píng)價(jià)主要取決于： (1)睡眠分期； (2)睡眠障礙。通過(guò)對(duì)睡眠分期和睡眠障礙的監(jiān)測(cè)，可以有效了解個(gè)人睡眠質(zhì)量的好壞。

1.1 睡眠分期

標(biāo)準(zhǔn)睡眠分期根據(jù)睡眠中腦電和眼球運(yùn)動(dòng)變化將睡眠劃分為W期、N1期、N2期、N3期和REM期。準(zhǔn)確的睡眠分期是進(jìn)行睡眠質(zhì)量評(píng)價(jià)和相關(guān)疾病診斷的首要條件。但在很多便攜式設(shè)備中很難實(shí)現(xiàn)精確的分期，因此在基于商業(yè)開(kāi)發(fā)及簡(jiǎn)單預(yù)測(cè)的原則上，諸多研究對(duì)睡眠分期進(jìn)行簡(jiǎn)化，并將之與標(biāo)準(zhǔn)睡眠分期進(jìn)行對(duì)比，從而評(píng)價(jià)睡眠質(zhì)量。

1.2 睡眠障礙

睡眠障礙包括多種睡眠異常情況，其中部分可通過(guò)睡眠分期進(jìn)行確定，但如阻塞性睡眠呼吸暫停低通氣綜合征(Obstructive Sleep Apnea Hypopnea Syndrome，OSAHS)等睡眠呼吸障礙，則需要通過(guò)其他方式監(jiān)測(cè)。OSAHS是由睡眠期間上氣道阻塞反復(fù)性發(fā)作導(dǎo)致的常見(jiàn)睡眠障礙，人群患病率高達(dá)1%～4%。研究表明，OSAHS與肥胖、糖尿病、高血壓、心血管疾病等多種疾病相關(guān)[1]，癥狀嚴(yán)重時(shí)甚至?xí)?dǎo)致患者睡眠中猝死。因此，對(duì)于疑似OSAHS患者而言，通過(guò)睡眠監(jiān)測(cè)系統(tǒng)對(duì)OSAHS進(jìn)行預(yù)診，確保后續(xù)治療有效進(jìn)行，是保證睡眠質(zhì)量的有效途徑。OSAHS在臨床上主要表現(xiàn)為： (1)聲音極大的持續(xù)性打鼾； (2)呼吸暫停低通氣指數(shù)(Apnea/Hypopnea Index，AHI)大于閾值標(biāo)準(zhǔn)。通過(guò)睡眠監(jiān)測(cè)系統(tǒng)對(duì)上述現(xiàn)象進(jìn)行監(jiān)測(cè)，是進(jìn)行OSAHS預(yù)診的有效方法。

2 睡眠監(jiān)測(cè)方式

2.1 侵入式監(jiān)測(cè)方式

2.1.1基于電極連接的監(jiān)測(cè)方式

通過(guò)多電極連接的多導(dǎo)睡眠監(jiān)測(cè)(Polysomnography，PSG)是睡眠監(jiān)測(cè)行業(yè)中進(jìn)行睡眠分期和OSAHS預(yù)診的“黃金標(biāo)準(zhǔn)”。PSG通過(guò)電子放大技術(shù)，將神經(jīng)元的自發(fā)性生理電信號(hào)放大記錄，實(shí)現(xiàn)對(duì)人體電信號(hào)的檢測(cè)，其檢測(cè)參數(shù)包括： EEG、EOG、ECG、呼吸氣流、胸腹呼吸功能、血氧飽和度等。從PSG中，睡眠醫(yī)師可以實(shí)時(shí)觀察使用者睡眠期間體內(nèi)生理信號(hào)變化情況，并獲得使用者的標(biāo)準(zhǔn)睡眠分期和OSAHS預(yù)診情況。但使用PSG必須在睡眠中心由技術(shù)人員輔助進(jìn)行，并在整晚檢測(cè)后，由技術(shù)人員對(duì)睡眠記錄進(jìn)行觀察、分析與注釋。這導(dǎo)致PSG不僅會(huì)對(duì)使用者造成不便，且價(jià)格昂貴、浪費(fèi)時(shí)間。此外，多電極連接和睡眠中心環(huán)境對(duì)使用者造成的干擾，也使得越來(lái)越多的人認(rèn)為PSG不能反映真實(shí)睡眠質(zhì)量[2]。

2.1.2基于體動(dòng)記錄儀的監(jiān)測(cè)方式

通過(guò)體動(dòng)記錄儀對(duì)使用者的身體運(yùn)動(dòng)(Body Moving，BM)進(jìn)行監(jiān)測(cè)的方式，是替代PSG最常用的監(jiān)測(cè)方式。市場(chǎng)上如小米、華為、Jawbone等可監(jiān)測(cè)睡眠的智能手環(huán)正是通過(guò)體動(dòng)記錄儀實(shí)現(xiàn)睡眠監(jiān)測(cè)。體動(dòng)記錄儀通過(guò)其內(nèi)的三軸加速度傳感器實(shí)時(shí)捕捉人體在x，y和z軸三個(gè)方向上的運(yùn)動(dòng)變化數(shù)據(jù)對(duì)睡眠進(jìn)行監(jiān)測(cè)[3]。在完成對(duì)各軸方向上數(shù)據(jù)的預(yù)處理后，通過(guò)式(1)即可以得到使用者的睡眠體動(dòng)節(jié)律(BM)：

(1)

手環(huán)式睡眠監(jiān)測(cè)設(shè)備根據(jù)監(jiān)測(cè)到的BM數(shù)據(jù)將睡眠簡(jiǎn)單劃分為清醒期、淺睡期和深睡期[3]?；隗w動(dòng)記錄儀的手環(huán)監(jiān)測(cè)方式作為一種商用產(chǎn)品，無(wú)法攜帶太多睡眠質(zhì)量信息，既無(wú)法完成標(biāo)準(zhǔn)睡眠分期，也無(wú)法提供OSAHS預(yù)診相關(guān)信息。但與PSG相比，體動(dòng)記錄儀用于睡眠監(jiān)測(cè)無(wú)疑更簡(jiǎn)單，其成本低，對(duì)使用者睡眠的干擾性更小，并可進(jìn)行數(shù)天到數(shù)周的連續(xù)監(jiān)測(cè)。因此，體動(dòng)記錄儀用于睡眠監(jiān)測(cè)更容易獲取睡眠質(zhì)量評(píng)價(jià)的大數(shù)據(jù)對(duì)比情況。

2.1.3基于脈搏血氧儀的監(jiān)測(cè)方式

通過(guò)脈搏血氧儀實(shí)現(xiàn)睡眠監(jiān)測(cè)也是睡眠醫(yī)學(xué)中一種常用方法。脈搏血氧儀通過(guò)光電容積脈搏波描記法(Photoplethysmography，PPG)檢測(cè)人體微動(dòng)脈床內(nèi)血液容積變化。其將紅光或紅外光光束照射進(jìn)人體，由于氧合血紅蛋白和去氧合血紅蛋白間光衰減存在明顯差異，所以光束衰減程度會(huì)隨心臟搏動(dòng)造成的外周血管血容量變化。脈搏血氧中攜帶大量生理信息，因此，通過(guò)脈搏血氧儀進(jìn)行睡眠監(jiān)測(cè)可成為睡眠分期及OSAHS預(yù)診的有效方式[4]。大量研究通過(guò)脈搏血氧儀獲取各種生理參數(shù)實(shí)現(xiàn)睡眠分期及OSAHS預(yù)診。其中，Huang等[5]通過(guò)脈搏血氧儀獲取的SpO2和脈率信息對(duì)呼吸暫停進(jìn)行監(jiān)測(cè)，從而實(shí)現(xiàn)OSAHS預(yù)診。Casal等[6]通過(guò)脈搏血氧儀獲取的心率數(shù)據(jù)確定患者的睡眠/清醒狀態(tài)，并對(duì)OSAHS患者的AHI進(jìn)行確定，實(shí)現(xiàn)對(duì)OSAHS嚴(yán)重程度的量化處理。但是，結(jié)合市場(chǎng)上睡眠監(jiān)測(cè)系統(tǒng)使用情況看，基于脈搏血氧儀的監(jiān)測(cè)方式雖然在睡眠質(zhì)量評(píng)價(jià)有其獨(dú)特優(yōu)勢(shì)，許多文獻(xiàn)也提出了對(duì)相關(guān)方式方法的研究，但是其更多只用于實(shí)驗(yàn)室研究，未能用于家庭及個(gè)人使用。

2.2 非侵入式監(jiān)測(cè)方式

為了減輕侵入式睡眠監(jiān)測(cè)系統(tǒng)對(duì)人體造成的負(fù)擔(dān)，研究人員又在侵入式睡眠監(jiān)測(cè)方法基礎(chǔ)上，不斷對(duì)非侵入式睡眠監(jiān)測(cè)方法進(jìn)行開(kāi)發(fā)，以期讓使用者在更自由、舒適的環(huán)境下了解自身睡眠狀況。

2.2.1基于力敏傳感器的監(jiān)測(cè)方式

基于力敏傳感器的檢測(cè)方式將分布有密集傳感器陣列的電子織物層包裹在床墊的兩層傳統(tǒng)布質(zhì)或棉質(zhì)紡織品內(nèi)。使用者躺在床墊上時(shí)，與床墊接觸部分肢體的任何動(dòng)作都會(huì)使壓敏傳感器產(chǎn)生壓力變換，并轉(zhuǎn)換成電信號(hào)輸出。研究人員可根據(jù)所需信號(hào)決定壓敏傳感器陣列的大小，如Samy和Huang等[2，7]使用128×64的傳感器陣列監(jiān)測(cè)使用者與床墊之間的壓力變換信號(hào)，從中提取呼吸率、體動(dòng)等多種生理特征實(shí)現(xiàn)睡眠分期識(shí)別。而Pino等[8]則使用3×8的傳感器布置方式進(jìn)行監(jiān)測(cè)，獲取呼吸率和呼吸暫停等參數(shù)，完成睡眠分期。

睡眠床墊產(chǎn)品兼具舒適性與監(jiān)測(cè)功能，既帶來(lái)很好的使用感受，又可完成更細(xì)致的睡眠分期及OSAHS預(yù)診。市場(chǎng)上該類產(chǎn)品有如美國(guó)杰西的床墊式睡眠監(jiān)測(cè)設(shè)備，日本百利達(dá)的睡眠床墊等。但這類產(chǎn)品的價(jià)格在床墊價(jià)格上又有所提升，加之不便攜帶等因素，也成為許多人要考慮的問(wèn)題。

2.2.2基于視頻和音頻的監(jiān)測(cè)方式

視頻監(jiān)測(cè)方法通過(guò)攝像機(jī)或紅外攝像機(jī)等設(shè)備對(duì)患者睡眠進(jìn)行監(jiān)控，依據(jù)監(jiān)控視頻對(duì)患者的睡眠分期進(jìn)行分析。但由于涉及使用者的隱私問(wèn)題，因此基于視頻進(jìn)行睡眠監(jiān)測(cè)的研究逐漸減少。

睡眠期間由于肌肉放松導(dǎo)致上氣道狹窄、呼吸音變大?；谝纛l的睡眠監(jiān)測(cè)方式通過(guò)聲音傳感器獲取使用者睡眠期間口鼻音用于處理分析。睡眠音頻信號(hào)是進(jìn)行OSAHS預(yù)診最直觀的方法。Dafna等[9]結(jié)合使用微型麥克風(fēng)與數(shù)字音頻錄音器，完成對(duì)受試者的OSAHS預(yù)診，實(shí)現(xiàn)了對(duì)睡眠和清醒狀態(tài)82.1%的檢測(cè)準(zhǔn)確度。Ondrej等[10]則通過(guò)移動(dòng)電話的內(nèi)置聲音傳感器完成聲音接收，并實(shí)現(xiàn)睡眠分期。

基于視頻的監(jiān)測(cè)方法由于涉及隱私問(wèn)題，不論是在睡眠實(shí)驗(yàn)室環(huán)境還是在家庭環(huán)境中都較少使用。雖然基于音頻的檢測(cè)方法由于其在診斷睡眠呼吸暫停與打鼾等睡眠呼吸障礙上的高效性而得到了廣泛研究，但在市場(chǎng)上依然很難看到該類產(chǎn)品。

2.2.3基于生物雷達(dá)的監(jiān)測(cè)方式

生物雷達(dá)監(jiān)測(cè)技術(shù)是融合雷達(dá)技術(shù)和生物醫(yī)學(xué)工程技術(shù)于一體的新概念。其無(wú)需任何電極或傳感器接觸，即可在較遠(yuǎn)距離對(duì)生命體各項(xiàng)生理參數(shù)(呼吸、體動(dòng)等)進(jìn)行非接觸式檢測(cè)[11]。近年來(lái)，越來(lái)越多實(shí)驗(yàn)室與研究人員致力于生物雷達(dá)在睡眠醫(yī)學(xué)上的應(yīng)用研究。Hong等[12]設(shè)計(jì)了一種對(duì)呼吸、心跳、體動(dòng)等睡眠信號(hào)進(jìn)行測(cè)量的連續(xù)波生物雷達(dá)用于睡眠分期，驗(yàn)證了生物雷達(dá)用于長(zhǎng)期睡眠監(jiān)測(cè)的可行性。Du等[13]在現(xiàn)有的24 GHz雷達(dá)基礎(chǔ)上提出了一種對(duì)睡眠期間的呼吸暫停進(jìn)行檢測(cè)的呼吸暫停雷達(dá)，其檢測(cè)結(jié)果與PSG結(jié)果進(jìn)行對(duì)比，實(shí)現(xiàn)了大于90%的檢測(cè)準(zhǔn)確度。Feng等[14]同樣提出并完成了識(shí)別不同睡眠狀態(tài)的睡眠監(jiān)測(cè)系統(tǒng)，并達(dá)到了95.1%的識(shí)別準(zhǔn)確度。

市場(chǎng)上的該類產(chǎn)品有如國(guó)內(nèi)的“夢(mèng)加睡眠監(jiān)護(hù)儀”，日本的“歐姆龍睡眠儀”等。然而，這些產(chǎn)品雖然通過(guò)遠(yuǎn)程非侵入方式實(shí)現(xiàn)了監(jiān)測(cè)，并且在整個(gè)監(jiān)測(cè)過(guò)程中不對(duì)使用者產(chǎn)生任何影響，但是，其價(jià)格通常比較昂貴，產(chǎn)品難以在普通人群中推廣。

3 信號(hào)分類方法研究

在睡眠監(jiān)測(cè)系統(tǒng)的基礎(chǔ)上，通過(guò)分類算法提高睡眠分期和OSAHS預(yù)診準(zhǔn)確度是睡眠監(jiān)測(cè)系統(tǒng)進(jìn)行睡眠質(zhì)量評(píng)價(jià)的重要一步。本章對(duì)幾種常用的分類方法及其使用進(jìn)行討論，包括KNN方法、SVM方法、RF方法以及ANN方法。

3.1 KNN方法

K最近鄰(K-Nearest Neighbor，KNN)方法是模式分類方法中最古老最簡(jiǎn)單的方法之一。該方法是在數(shù)據(jù)集已有分類標(biāo)簽情況下，根據(jù)預(yù)設(shè)值，由選定的距離函數(shù)計(jì)算輸入樣本與數(shù)據(jù)集樣本間相似度，并確定輸入樣本類別。KNN方法主要用于小樣本分析。Thommandram等[15]發(fā)表的文章通過(guò)對(duì)比不同K值及不同距離函數(shù)的KNN分類器，根據(jù)多個(gè)臨床可識(shí)別特征對(duì)3 947個(gè)胸部呼吸阻抗樣本數(shù)據(jù)進(jìn)行分類，將其分為呼吸暫停與非呼吸暫停兩種類別，通過(guò)10折交叉驗(yàn)證法對(duì)系統(tǒng)的分類性能進(jìn)行驗(yàn)證，得到91.2%準(zhǔn)確率，88.1%特異性及95.7%靈敏度的結(jié)果。此外，Tuna等[16]通過(guò)結(jié)合KNN方法和PPG信號(hào)將睡眠分期分為睡眠和清醒兩個(gè)分期，達(dá)到了89.46%的準(zhǔn)確度，92.05%的靈敏度及87.19%的特異性。

3.2 SVM方法

支持向量機(jī)(Support Vector Machine，SVM)方法是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上建立起來(lái)的機(jī)器學(xué)習(xí)算法。處理數(shù)據(jù)線性可分問(wèn)題時(shí)，該方法通過(guò)優(yōu)化算法找出特征空間中的最大間隔超平面； 處理數(shù)據(jù)線性不可分問(wèn)題時(shí)，SVM方法則通過(guò)核函數(shù)將特征空間數(shù)據(jù)映射到高維空間，使原始特征空間在高維空間實(shí)現(xiàn)線性可分。在其結(jié)合使用上，Aboalayon等[17]提出并實(shí)現(xiàn)了結(jié)合使用線性核函數(shù)的多類SVM算法基于EEG信號(hào)進(jìn)行睡眠分期。該研究通過(guò)“一對(duì)多法”構(gòu)造了“5-SVM”分類器，并通過(guò)對(duì)EEG信號(hào)中特征值的分析，將睡眠分期劃分為清醒期、1期、2期、3期、4期，實(shí)現(xiàn)92%的準(zhǔn)確度。另外，Park等[18]提出將SVM分類器與動(dòng)態(tài)分類器結(jié)合對(duì)BM數(shù)據(jù)進(jìn)行處理，以減少基于閾值的處理方法帶來(lái)的誤分類，并達(dá)到88.94%的準(zhǔn)確度。

3.4 RF方法

隨機(jī)森林(Random Forest，RF)方法是集成學(xué)習(xí)思想下的一種用于分類和預(yù)測(cè)的模型。RF方法將多棵決策樹(shù)整合，由決策樹(shù)間的輸出結(jié)果，投票決定樣本最終類別。其克服了決策樹(shù)的過(guò)擬合問(wèn)題，能夠?qū)Υ髷?shù)據(jù)集進(jìn)行有效處理，并對(duì)噪聲和異常值有較好容忍性，可處理具有高維特征的輸入樣本[19]。RF方法作為一種組合分類算法被廣泛地應(yīng)用于睡眠分期，鼾聲識(shí)別。Rosenwein等[20]結(jié)合RF方法研發(fā)并驗(yàn)證了一款用于睡眠呼吸音自動(dòng)檢測(cè)的系統(tǒng)。該系統(tǒng)通過(guò)包含400棵決策樹(shù)的RF分類器對(duì)84位患者在不同環(huán)境下使用不同設(shè)備記錄的聲音信號(hào)進(jìn)行處理，其中每一棵決策樹(shù)隨機(jī)獲取包括13個(gè)特征的子集，節(jié)點(diǎn)依據(jù)最佳特征進(jìn)行分類，最終由決策樹(shù)的多數(shù)票決定呼吸事件分類。其研究結(jié)合RF方法分別實(shí)現(xiàn)了實(shí)驗(yàn)室和家庭中91.2%和83.0%的分類準(zhǔn)確度。隨后，Rosenwein等[21]再次通過(guò)二分類RF分類器對(duì)通過(guò)非接觸方式錄取的186位成年人實(shí)驗(yàn)室和家庭環(huán)境中睡眠音頻信號(hào)的呼吸暫停和低通氣事件進(jìn)行自動(dòng)分割分類，并實(shí)現(xiàn)了86.3%的準(zhǔn)確度。

3.5 ANN方法

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)模仿人大腦的信息處理過(guò)程進(jìn)行，其中包含大量的簡(jiǎn)單處理器——節(jié)點(diǎn)。節(jié)點(diǎn)相互連接，構(gòu)成了輸入層、隱藏層和輸出層3個(gè)層級(jí)結(jié)構(gòu)[22]。在計(jì)算處理過(guò)程中，每個(gè)節(jié)點(diǎn)都有一種特定輸出，而兩個(gè)節(jié)點(diǎn)間的連接則代表該特定輸出在該方向所占權(quán)重。ANN方法通過(guò)該分布式結(jié)構(gòu)完成類似人腦的并行計(jì)算，并在逐次計(jì)算中通過(guò)修改權(quán)重完成自我學(xué)習(xí)。Emoto等[23]結(jié)合ANN方法實(shí)現(xiàn)對(duì)低信噪比睡眠錄音中低強(qiáng)度呼吸及打鼾事件進(jìn)行檢測(cè)，實(shí)現(xiàn)對(duì)OSAHS患者的篩選。其研究通過(guò)誤差反向傳播算法對(duì)分別具有5個(gè)節(jié)點(diǎn)輸入層和輸出層的三層感知器進(jìn)行訓(xùn)練，并采用雙曲正切函數(shù)和線性函數(shù)分別作為隱藏層和輸出層激活函數(shù)，實(shí)現(xiàn)了低信噪比情況下可能在實(shí)際睡眠中出現(xiàn)的打鼾/呼吸事件和非打鼾/呼吸事件準(zhǔn)確度達(dá)到75.1%的分類。Li等[24]結(jié)合ANN方法與脈搏血氧測(cè)定法研發(fā)并測(cè)試了一款新的睡眠障礙性呼吸篩查工具。其通過(guò)對(duì)AHI閾值的匹配，實(shí)現(xiàn)對(duì)睡眠障礙性呼吸嚴(yán)重程度的檢測(cè)，并獲得了良好的結(jié)果。

4 總結(jié)與展望

睡眠監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)方式的比較，見(jiàn)表1。睡眠監(jiān)測(cè)系統(tǒng)通過(guò)不同睡眠監(jiān)測(cè)方式結(jié)合適宜分類方法實(shí)現(xiàn)睡眠分期與OSAHS預(yù)診。非侵入式監(jiān)測(cè)方式與侵入式監(jiān)測(cè)方式相比，雖然產(chǎn)品舒適度和使用者接受度方面具有天然優(yōu)勢(shì)，但是，并不能以此定論哪一種監(jiān)測(cè)方式是好的方式。今天的睡眠監(jiān)測(cè)市場(chǎng)，雖然睡眠監(jiān)測(cè)系統(tǒng)也在不斷地朝著體積小、使用方便、價(jià)格親民的方向發(fā)展，但是，通過(guò)結(jié)合不同的監(jiān)測(cè)方式，輔以合適的分類方法，以實(shí)現(xiàn)更準(zhǔn)確、更容易被使用者接受與信任的睡眠監(jiān)測(cè)系統(tǒng)才是發(fā)展的重點(diǎn)。通過(guò)對(duì)六種睡眠監(jiān)測(cè)方式的分析比較，可以看出，存在于睡眠監(jiān)測(cè)系統(tǒng)的使用及市場(chǎng)上的一些問(wèn)題，既缺少一種體積小，使用方便，價(jià)格親民，在完成高準(zhǔn)確度睡眠分期分類和OSAHS預(yù)診同時(shí)又不會(huì)對(duì)使用者造成較大影響的睡眠監(jiān)測(cè)設(shè)備。這種設(shè)備正亟待研究及實(shí)現(xiàn)。

表1 睡眠監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)方式比較Tab.1 Comparison of the mode of sleep monitoring system