[論文レビュー] A Review of the Non-Invasive Techniques for Monitoring Different Aspects of Sleep

Zawar Hussain, Quan Z. Sheng+3 more|arXiv (Cornell University)|Apr 27, 2021

Non-Invasive Vital Sign Monitoring参考文献 75被引用数 6

ひとこと要約

本論文は、2015年以降の非挿入的、自宅での睡眠モニタリング技術（2015年以降）について包括的なレビューを提供している。スマートウォッチやECGパッチなどのウェアラブルセンサーや、WiFi、レーダー、圧力センサーやなどの非ウェアラブルセンサーを用いた、睡眠ステージ分類、姿勢認識、睡眠障害の検出、バイタルサインのモニタリングをカバーしている。10の主要な性能要因を評価し、研究の空白を特定し、機械学習駆動の低コストで長期的な睡眠モニタリングソリューションを進展させるために、標準化され、公開可能なデータセットの構築を提言している。

ABSTRACT

Quality sleep is very important for a healthy life. Nowadays, many people around the world are not getting enough sleep which is having negative impacts on their lifestyles. Studies are being conducted for sleep monitoring and have now become an important tool for understanding sleep behavior. The gold standard method for sleep analysis is polysomnography (PSG) conducted in a clinical environment but this method is both expensive and complex for long-term use. With the advancements in the field of sensors and the introduction of off-the-shelf technologies, unobtrusive solutions are becoming common as alternatives for in-home sleep monitoring. Various solutions have been proposed using both wearable and non-wearable methods which are cheap and easy to use for in-home sleep monitoring. In this paper, we present a comprehensive survey of the latest research works (2015 and after) conducted in various categories of sleep monitoring including sleep stage classification, sleep posture recognition, sleep disorders detection, and vital signs monitoring. We review the latest works done using the non-invasive approach and cover both wearable and non-wearable methods. We discuss the design approaches and key attributes of the work presented and provide an extensive analysis based on 10 key factors, to give a comprehensive overview of the recent developments and trends in all four categories of sleep monitoring. We also present some publicly available datasets for different categories of sleep monitoring. In the end, we discuss several open issues and provide future research directions in the area of sleep monitoring.

研究の動機と目的

• 2015年以降の非挿入的、自宅での睡眠モニタリング技術について、睡眠ステージ、姿勢、障害、バイタルサインの4つの中心的側面に焦点を当て、包括的かつ最新のサーベイを提供すること。
• 正確性、使いやすさ、長期的実現可能性を含む10の主要な性能要因において、ウェアラブルと非ウェアラブル（デバイスフリー）アプローチを比較すること。
• 特に、非PSG、非臨床的、非侵襲的モニタリング用に公開可能で多様性に富み、ベンチマーク品質のデータセットが不足しているという、研究の空白を特定すること。
• 非臨床的ソリューションの再現可能性とスケーラビリティを高めるために、睡眠に特化したデバイスの開発を促進し、データ共有を奨励すること。
• 長期的モニタリングの課題、エッジデバイスへの機械学習モデルのデプロイ、非臨床的ソリューションの臨床的妥当性の確認といった課題を提示することで、今後の研究を刺激すること。

提案手法

• 2015年以降に発表された、睡眠ステージ分類、姿勢認識、睡眠障害検出、バイタルサインモニタリングの分野における査読付き論文を対象とした体系的レビュー。
• 自宅用途に適したウェアラブル（例：スマートウォッチ、ECGパッチ）と非ウェアラブル（例：WiFi、レーダー、圧力センサ）アプローチに分類。
• 正確性、感受性、特異性、F1スコア、リアルタイム処理能力、ユーザーの快適性、コスト、スケーラビリティ、プライバシー、長期的安定性の10の主要要因に基づき、各研究を評価。
• 低リソースのウェアラブルデバイスへの適合を念頭に置いた特徴工学とモデル最適化を含む、機械学習の応用の分析。
• 公開可能なデータセットの収集とレビューを行い、非PSG、非臨床的、非侵襲的モニタリング用データの不足を強調。
• データ不足を克服し、モデルの汎化能力を向上させるためのクラウドソーシングとデータ共有インcentivesの活用を提案。

実験結果

リサーチクエスチョン

• RQ1 ウェアラブルおよび非ウェアラブルセンサーを用いた非侵襲的、自宅での睡眠ステージ分類に最も効果的な技術は何か？
• RQ2 睡眠姿勢や動きのモニタリングにおいて、ウェアラブルと非ウェアラブルアプローチは、正確性、使いやすさ、長期的実現可能性においてどのように比較されるか？
• RQ3 非侵襲的センシングを用いた睡眠障害（例：無呼吸症候群、不眠症）の検出における現在の制限は何であり、機械学習はどのように検出精度を向上させうるか？
• RQ4 なぜ非PSG、非臨床的睡眠モニタリング用に公開可能で標準化されたデータセットが不足しているのか、このギャップはどのように埋められるべきか？
• RQ5 バッテリー駆動のウェアラブルデバイスに機械学習モデルを実装して、継続的かつリアルタイムの睡眠モニタリングを実現するにあたり、主な課題は何か？

主な発見

• 非侵襲的ウェアラブルおよび非ウェアラブル技術は、睡眠ステージ分類において精度が向上しており、一部の機械学習ベースのシステムはベンチマークデータセットでF1スコア0.85以上を達成している。
• WiFi、レーダー、床センサを用いた非デバイス型アプローチは、特に長期的モニタリングの場面で、姿勢認識や動き追跡において有望な結果を示している。
• 進展は見られるものの、大多数の非侵襲的システムは短期間（1晩分）のモニタリングでの評価にとどまっており、慢性疾患の早期発見の可能性は制限されている。
• 非PSG、非臨床的睡眠モニタリング用に、公開可能で多様性に富み、標準化されたデータセットの欠如という深刻な研究の空白が存在しており、わずか数件の研究（例：[56], [24], [89]）しかデータを公開していない。
• 機械学習は検出精度の向上にますます利用されているが、バッテリー駆動のウェアラブルデバイスへのリアルタイムデプロイには、モデルの複雑さが依然として大きな課題である。
• 一般用途の活動トラッカーに代替するのではなく、睡眠に特化したデバイスの開発が強く求められており、目的に特化したツールはユーザーの受容性と長期的遵守率を著しく向上させる。