《Bioengineering》：Triaxial Accelerometry Sensor for Respiratory-Effort Phase Landmark Detection During Sleep: A Cross-Modal Weak Supervision Approach
编辑推荐：
可靠呼吸相位感知对于呼吸同步舌下神经刺激（HGNS）具有重要意义，但传统感知方式可能增加额外负担。该项初步研究探讨了表面三轴加速度传感器（TAS）能否检测胸腔呼吸感应体积描记（RIP）波谷，这些波谷被用作操作性相位地标，代表从呼气末到后续吸气起始的过渡，而非直
可靠呼吸相位感知对于呼吸同步舌下神经刺激（HGNS）具有重要意义，但传统感知方式可能增加额外负担。该项初步研究探讨了表面三轴加速度传感器（TAS）能否检测胸腔呼吸感应体积描记（RIP）波谷，这些波谷被用作操作性相位地标，代表从呼气末到后续吸气起始的过渡，而非直接确立的生理呼吸起始点。十名受试者接受了同步整夜多导睡眠监测（PSG）和表面TAS记录，共获得5377.3分钟可分析数据及75,499个自动生成的RIP地标。两个互补的Conformer模型采用高斯弱标签训练，并通过多偏移双Conformer融合进行组合。泛化性能采用外层留一受试者验证进行评估，融合权重和事件阈值从训练侧验证数据中选取。在±1.0 s匹配容差下，该融合方法取得了受试者平均精确率0.78、召回率0.82和F1分数0.80，平均F1分数的95%置信区间为0.75–0.85。该方法在10名受试者中的9名中优于每个组件模型；然而，其相比完全相同的单网格融合的F1增益为0.0036，低于预先指定的探索性推进裕度。这些发现为表面TAS能够在同中心未见受试者中恢复RIP波谷衍生的操作性相位地标提供了初步证据。在临床或呼吸同步HGNS应用之前，需要独立的多模态判定、外部复制和整夜因果测试。
论文解读
一、研究背景与问题提出
阻塞性睡眠呼吸暂停（OSA）是一种以睡眠期间反复上气道阻塞、间歇性低氧和睡眠碎片化为特征的常见睡眠呼吸障碍疾病。对于无法耐受持续气道正压通气（PAP）的中重度OSA患者，舌下神经刺激（HGNS）通过募集上气道扩张肌维持咽部通畅，已成为一种成熟的替代疗法。呼吸同步是当代HGNS治疗的核心环节，闭环系统需监测呼吸努力并在吸气相协调输出刺激。因此，可靠检测吸气相位对减少呼气期不必要刺激、避免无效能量释放和限制神经肌肉过度负荷至关重要。目前获批的Inspire系统采用植入式压力敏感呼吸感知导线，植入于肋间区域，虽然临床有效，但额外植入导线和独立胸廓手术部位可能带来长期可靠性问题，包括组织变化、电极移位、连接松动或导线断裂等。为此，探索更简单、微创且机械稳健的感知策略具有明确临床需求。
在临床睡眠监测中，呼吸努力常通过食管压力监测或胸腹呼吸感应体积描记（RIP）评估，但这些方式均不适合HGNS的慢性植入。微型三轴加速度传感器（TAS）能够捕捉呼吸引起的胸壁和周围软组织细微三维运动，且兼具低负担优势。然而，先前TAS研究主要聚焦呼吸率估计、呼吸事件筛查、姿势或呼吸努力波形重建，尚缺乏在整夜睡眠跨个体、跨睡眠分期和体位的呼吸相位地标识别证据。睡眠中呼吸运动可被身体运动、姿势转换、传感器移位和不规则努力干扰，传统频带滤波、相位检测、峰值检测及分解方法在形态变异时性能下降。数据驱动模型虽可适应更多变异性，但逐 breaths 级人工标注整夜成本高昂。因此，本研究旨在开发并评估一种交叉模态弱监督方法，从睡眠期间表面三轴加速度信号中检测胸腔RIP波谷，将其作为操作性呼吸相位地标。
二、研究设计与主要结论
该单中心初步研究前瞻性纳入10名临床疑似OSA的成人受试者，均完成整夜多导睡眠监测（PSG）和表面TAS同步记录。TAS模块置于右侧胸骨旁第三肋间隙，与PSG系统同步采集。研究共获得5377.3分钟可分析数据和75,499个自动生成的胸腔RIP波谷地标。研究人员采用两层互补Conformer架构，分别以四分之一分辨率Conformer和多尺度连续小波变换（CWT）Conformer处理27×1024的TAS-CWT输入表示，使用高斯弱标签进行训练，并通过多偏移双Conformer对数几率融合组合输出。泛化评估采用外层留一受试者验证（LOSO），每一折中一个受试者作为测试，一个预设受试者用于内部验证，其余八个用于训练。融合权重和事件阈值仅从内部验证受试者选取并冻结。主要结果为：在±1.0 s匹配容差下，融合方法取得受试者平均精确率0.78±0.09、召回率0.82±0.08、F1分数0.80±0.08（95%置信区间0.75–0.85），匹配事件平均绝对时间误差0.300 s。与两个组件模型相比，融合在10名受试者中的9名取得更高F1；但相对单网格双模型融合的F1增益仅0.0036，低于预设探索性推进裕度0.005。
三、关键技术方法
研究采用定制TAS模块，包含ADXL367三轴MEMS加速度计和MSP430微控制器，以50 Hz采样并经数模转换后由PSG系统以32 Hz记录。胸腔RIP信号经中值滤波和零相位带通滤波后，检测局部波谷作为操作性相位地标。为评估该自动地标的合理性，两名睡眠专家对随机抽取的100个60 s时段进行多模态PSG标注，结果显示自动RIP波谷与专家标注呼吸起始的时间中位绝对差为0.125 s，事件级F1在±0.50和±1.00 s容差下分别为0.873和0.896。模型训练目标为以RIP波谷为中心的高斯弱标签序列，每个组件均采用二元交叉熵与soft Dice联合损失。两个Conformer分别采用不同时间分辨率结构，多偏移融合通过对标准网格和8 s偏移网格的重叠窗口概率平均，转换至对数几率空间后按固定1:1网格权重和验证选取的模型权重融合。所有比较模型均接受相同27通道TAS-CWT输入。
四、研究结果
主结果：外层LOSO验证显示多偏移双Conformer融合在±1.0 s容差下取得最高观察F1，微F1为0.80。当容差收紧至±0.5 s，F1降至0.65。受试者水平F1范围为0.72–0.96。
对比结果：与多尺度CWT Conformer相比，融合平均F1提升0.0199（95%CI 0.0063–0.0347）；与参数匹配Conformer相比提升0.0241（95%CI 0.0101–0.0413），两种比较均显示9/10受试者优于组件。单网格双模型融合中加入偏移网格仅带来0.0036的提升，方向在8/10受试者为正，但未达到0.005的预设裕度。
消融结果：去除通道重校准、位置编码、高分辨率分支或全部CWT通道仅引起较小F1下降，置信区间包含零；而将高斯弱标签替换为单位样本硬标签导致最大性能退化，召回率从0.78降至0.52，F1从0.78降至0.63，且是唯一在Holm校正后仍显著的消融。
分期与体位描述分析（仅多尺度CWT组件）：混合F1在N3为0.88、N2为0.83、REM为0.78、N1为0.72、清醒为0.68；受试者平均F1在N2最高（0.84±0.09）。睡眠期间仰卧位混合F1为0.84、左侧卧位0.83、右侧卧位0.78。这些结果仅为描述性，未进行正式统计推断。
事后区间分析：四个选示例分别展示规则呼吸形态下高一致性、短暂多轴活动导致的额外概率峰、TAS呼吸调制较弱时的漏检，以及不规则RIP形态下的不一致。其中代表性高一致性区间内22个地标全部匹配。
采样流式回放（仅多尺度CWT组件）：零额外前瞻模式下取得平均精确率0.76、召回率0.80、F1 0.77，中位确认延迟0.686 s，95%分位延迟1.508 s。计算性能显示平均实时因子0.00398，单窗口95%分位延迟0.0281 s，最大GPU内存26.7 MB。该分析不涉及完整融合。
五、讨论与结论
独立多模态PSG复核显示自动RIP波谷与专家标注呼吸起始时间密切对应，但该验证仅涉及10名受试者和100分钟采样记录，RIP衍生地标并非无错误的生理金标准。RIP与TAS测量的是相关但不可互换的生理量。先前加速度研究目标不同，不能直接比较数值。本研究贡献在于证明单一表面TAS输入可在同中心留出受试者的完整记录中恢复RIP波谷衍生操作性相位地标。研究局限性包括：样本量小、单中心、汉族、性别不均衡；RIP波谷仍为操作性代理；每个组件仅训练一次；外层验证仅使用一个内部验证受试者；流式回放仅评估单组件而非完整融合；完整融合未进行严格因果预处理、功耗测量或安全分析。因此，当前结果仅支持初步可行性，独立多模态标签判定、锁定外部复制、多随机种子稳定性分析和装置导向因果测试是后续必要步骤。
研究结论为：在10名受试者、5377.3分钟同步整夜记录中，多偏移双Conformer融合以受试者平均精确率0.78±0.09、召回率0.82±0.08、F1 0.80±0.08（95%CI 0.75–0.85）在±1.0 s容差下检测到RIP波谷衍生操作性相位地标；匹配事件平均绝对时间误差为0.300 s；当容差收紧至±0.5 s时，F1降至0.65。这些结果初步表明表面三轴加速度测量能够在同中心未见受试者中恢复胸腔RIP衍生呼吸相位地标，但在考虑用于呼吸同步HGNS应用之前，仍需独立外部验证和更严格的时序评估。
