- PillowSense 利用布料傳感器監測睡姿、心率及呼吸率。
- 該裝置的心率和呼吸率數據來自心電圖。
- PillowSense 在家庭測試中達到 88% 的睡姿分類準確度。
- 目前仍在離線運行，未來目標是基於手機的處理。
哥倫比亞大學工程系的團隊開發了一款名為 PillowSense 的枕頭套原型，該裝置利用布料傳感器來估算睡姿、心率及呼吸率，數據來源為睡眠者的頸部。根據大學的發布資訊及《計算機協會》（ACM）期刊的論文，大多數睡眠追蹤器是佩戴在身體上的，例如手腕或手指。論文的作者指出，一些人覺得這類裝置不舒適，而現有的可穿戴設備無法報告睡姿。哥倫比亞大學表示，睡姿會影響呼吸和舒適度，而睡姿的變化顯示出僅靠生命體徵無法捕捉的行為。
該枕頭套內含導電布料，作為電極，電子設備則測量傳感器接觸頸部時產生的微小電壓差。系統能夠分離兩種信號：心電圖（ECG），記錄心臟的電活動，及表面肌電圖（sEMG），記錄肌肉活動。論文指出，心率和呼吸率來自於心電圖。
PillowSense 的技術原理
PillowSense 在 151 個夜晚的家庭測試中，將七種睡姿的分類準確度達到 88%的 F1 分數。F1 分數結合了分類器在命名姿勢時的正確率及其捕捉的真實案例數。這七種姿勢包括仰卧、俯卧、左側、右側，以及蜷縮於左側、右側或背部。論文顯示，參與測試的 21 名健康成年人，平均年齡為 23.7 歲，模型在未接受過訓練的數據上進行測試。
根據美國食品藥品監督管理局批准的脈搏血氧儀，家庭測試中心率的讀數平均偏差為每分鐘 2.7 次，呼吸讀數則偏差 3.1 次。布料傳感器曾在萊斯大學的智能襯衫中讀取心臟信號。哥倫比亞工程系的計算機科學副教授周夏表示，姿勢為這些生命體徵提供了「物理背景」。
論文指出，88%的數據中排除了 71.2 小時的匹配數據，約佔 7.8%：其中 3.8%來自傳感器接觸不良，4%來自睡眠者未躺在枕頭上。腿部彎曲的檢測較為困難，F1 分數為 80%，而上半身姿勢則為 91%。對於頸部有毛髮的參與者，心率誤差較大，分別為每分鐘 3.0 次與 2.6 次，而參考的血氧儀則報告其自身的誤差為每分鐘 3 次。
未來發展方向
目前，分析仍在離線運行，因此基於手機的處理仍然是未來的目標。PillowSense 目前僅為研究原型，而非診斷工具。臨牀使用需與臨牀參考測量進行比較，並涉及更大更具多樣性的羣體，包括老年人及有睡眠障礙的人士。早期的智能睡衣，例如馬薩諸塞大學阿默斯特分校的智能睡衣，也能感測心率和呼吸率。論文作者正在準備一項睡眠實驗室患者研究，並計劃改善傳感器的接觸性和處理毛髮的能力。
該研究已發表於 ACM 的可穿戴和移動計算期刊。
PillowSense 的潛在影響與挑戰
PillowSense 的開發標誌著智能睡眠監測技術的一個重要進步，尤其是其無需佩戴的設計可提高使用者的舒適度。透過監測睡姿與生命體徵，該裝置能提供更全面的睡眠質量分析。然而，目前仍需進一步研究與測試，特別是在臨床環境中的應用，並需解決如傳感器接觸不良等技術挑戰。隨著智能穿戴技術的發展，PillowSense 若能有效整合進一步的數據處理，將有助於改善睡眠健康管理。