[논문 리뷰] A Review of the Non-Invasive Techniques for Monitoring Different Aspects of Sleep

Zawar Hussain, Quan Z. Sheng외 3명|arXiv (Cornell University)|2021. 04. 27.

Non-Invasive Vital Sign Monitoring참고 문헌 75인용 수 6

한 줄 요약

이 논문은 2015년 이후 비침습적, 가정 내 수면 모니터링 기술에 대한 종합적인 리뷰를 제시한다 (2015–현재). 수면 단계 분류, 자세 인식, 수면 장애 탐지, 생체 신호 모니터링을 위해 웨어러블 및 장치 없는 센서를 사용하는 기술을 다루며, 10개의 핵심 성능 요소를 평가하고 연구 격차를 규명하며, 기계 학습 기반의 저비용, 장기적인 수면 모니터링 솔루션을 발전시키기 위해 표준화되고 공개 가능한 데이터셋의 필요성을 주장한다.

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.

연구 동기 및 목표

• 2015년 이후 비침습적, 가정 내 수면 모니터링 기술에 대한 종합적이고 최신의 설문 조사 제공 (2015–현재), 수면 단계, 자세, 장애, 생체 신호를 중심으로 한 네 가지 핵심 요소에 집중.
• 정확도, 사용성, 장기적 타당성 등을 포함한 10개의 핵심 성능 요소에서 웨어러블 및 비웨어러블(장치 없는) 접근 방식을 비교.
• 특히 비-PSG, 비임상적, 비침습적 수면 모니터링 시스템을 위한 공개 가능하고 다양한, 기준 수준의 데이터셋이 부족한 점을 포함한 핵심 연구 격차 규명.
• 비침습적 수면 모니터링을 위한 전용 장치 개발을 촉구하고, 재현 가능하고 확장 가능한 연구를 지원하기 위해 데이터 공유 장려.
• 장기 모니터링의 과제, 엣지 장치에 기계 학습 모델을 구현하는 데의 과제, 비임상 솔루션의 임상적 유효성 검증 과제를 제시함으로써 향후 연구를 자극.

제안 방법

• 2015년 이후 수면 단계 분류, 자세 인식, 수면 장애 탐지, 생체 신호 모니터링 분야에서 출판된 동료 심사 논문에 대한 체계적 문헌 리뷰.
• 가정용으로 사용 가능한 웨어러블(예: 스마트워치, 심 electrocardiogram 패치) 및 비웨어러블(예: WiFi, 레이더, 압력 센서) 접근 방식으로 기술 분류.
• 정확도, 민감도, 특이도, F1-스코어, 실시간 처리 능력, 사용자 편안함, 비용, 확장성, 프라이버시, 장기적 안정성 등 10개의 핵심 요소를 기반으로 각 연구 평가.
• 저자원 웨어러블 장치에 최적화된 기계 학습 응용 분석, 특히 특징 공학 및 모델 최적화.
• 공개 가능한 데이터셋의 컴파일 및 검토, 비-PSG, 비임상적, 비침습적 모니터링 데이터의 희소성 강조.
• 데이터 희소성 해결 및 모델 일반화 능력 향상을 위한 커뮤니티 기반 캠페인 및 데이터 공유 인cent라이브 제안.

실험 결과

연구 질문

• RQ1 웨어러블 및 비웨어러블 센서를 사용한 비침습적, 가정 내 수면 단계 분류에 가장 효과적인 기술은 무엇인가요?
• RQ2 수면 자세 및 움직임 모니터링에서 웨어러블 및 비웨어러블 접근 방식은 정확도, 사용성, 장기적 타당성 측면에서 어떻게 비교될 수 있나요?
• RQ3 비침습적 센서를 사용한 수면 장애(예: 수면 무호흡증, 불면증) 탐지의 현재 한계는 무엇이며, 기계 학습은 어떻게 탐지 성능을 향상시킬 수 있나요?
• RQ4 왜 비-PSG, 비임상적 수면 모니터링을 위한 공개 가능하고 표준화된 데이터셋이 부족한가요? 이 격차는 어떻게 보완할 수 있나요?
• RQ5 지속적이고 실시간 수면 모니터링을 위한 저전력 웨어러블 장치에 기계 학습 모델을 구현하는 데의 주요 과제는 무엇인가요?

주요 결과

• 비침습적 웨어러블 및 비웨어러블 기술은 수면 단계 분류에서 점점 더 높은 정확도를 보이며, 일부 기계 학습 기반 시스템은 기준 데이터셋에서 F1-스코어 0.85 이상을 달성했다.
• WiFi, 레이더, 바닥 센서를 활용한 장치 없는 접근 방식은 장기 모니터링 시나리오에서 자세 인식 및 움직임 추적에 있어 유망한 결과를 보였다.
• 진전이 있었음에도 불구하고, 대부분의 비침습적 시스템은 단일 날짜(단기) 모니터링에만 평가되었으며, 만성 질환의 조기 탐지 잠재력이 제한되었다.
• 비-PSG, 비임상적 수면 모니터링을 위한 공개 가능하고 다양한, 표준화된 데이터셋이 부족한 핵심 연구 격차 존재하며, 오직 몇몇 연구(예: [56], [24], [89])만 데이터를 공개했다.
• 기계 학습은 정확도 향상에 점점 더 널리 사용되고 있으나, 배터리로 구동되는 웨어러블 장치에 실시간 배포에 있어 모델 복잡도가 여전히 과제이다.
• 일반적인 활동 트래커를 재사용하는 것이 아니라 전용 수면 장치 개발이 절실하며, 목적에 맞는 도구는 사용자 수용도와 장기적 준수율을 크게 향상시킨다.