利用实例分割的热成像技术量化睡眠用保温被的覆盖效果

《ENERGY AND BUILDINGS》:Thermal imaging with instance segmentation for quantifying sleep thermally adaptive quilt coverage behavior

【字体: 大 中 小 】 时间:2026年08月05日 来源:ENERGY AND BUILDINGS 8.0

编辑推荐:

  摘要在睡眠过程中被子过度暴露可能引发局部温度失衡与不适,此现象在某些睡眠环境中尤为明显,而先前的研究也指出这会影响睡眠质量。本研究基于热成像数据,构建了一种热成像睡眠被子暴露监测模型,用于量化身体被被子覆盖的区域,探究自然睡眠条件下的被子覆盖行为及暴露部位的体表温度变化。该模型采

  

摘要

在睡眠过程中被子过度暴露可能引发局部温度失衡与不适,此现象在某些睡眠环境中尤为明显,而先前的研究也指出这会影响睡眠质量。本研究基于热成像数据,构建了一种热成像睡眠被子暴露监测模型,用于量化身体被被子覆盖的区域,探究自然睡眠条件下的被子覆盖行为及暴露部位的体表温度变化。该模型采用YOLOv11m架构,以0.89的F1分数检测出被子暴露区域及被子移除事件,显示出较高的检测可靠性。在床上用品系统与环境空气温度的共同作用下,与夏季室内睡眠环境相比,冬季类似睡眠环境中的被子暴露部位表面温度下降了约3–4℃,而被子移除事件的频率则上升了约13%。研究还发现明显的性别差异:在冬季类似睡眠环境下,男性暴露的前臂和手部表面温度(分别为30.6℃和31.2℃)低于女性(分别为31.5℃和32.1℃),这与男性被子暴露时间更长有关。本研究证明了基于热成像的检测模型可用于长期、无接触地监测睡眠过程中的被子覆盖行为及暴露体表温度,为未来开发针对不同人群的个性化睡眠温度管理策略以及为儿童、老年人等体温感知能力较弱或行为调整能力较差的人群提供辅助服务奠定了技术基础。

引言

睡眠是维持体内平衡、促进健康恢复的重要生理过程,对神经内分泌调节、免疫功能维持以及代谢平衡起着关键作用[1]。睡眠质量下降会增加患多种慢性疾病的风险,包括心血管疾病、糖尿病、肥胖症以及神经退行性疾病[2]。充足且高质量的睡眠不仅能促进细胞修复,还有助于情绪调节与认知整合,对学习、记忆及心理健康具有显著的积极影响[3]。因此,睡眠健康已成为评估整体健康状况的重要指标。
睡眠健康受多种因素影响,其中睡眠时的温度环境在维持体温平衡与睡眠连续性方面起着核心作用。睡眠时,被被子覆盖的身体部位温度相对稳定,而未被覆盖的部位,尤其是四肢远端,温度波动较大,这会打破体温平衡并干扰睡眠连续性[4]。有研究表明,被子暴露导致的热量快速流失会减少慢波睡眠的比例,增加觉醒频率,进而导致睡眠碎片化[5]。当卧室温度偏离最佳范围时,睡眠效率平均会下降约5–10%[6]。因此,被子暴露伴随的不适当身体暴露可能会扰乱局部睡眠温度稳定性,增加睡眠中断的概率,最终影响整体睡眠质量。
睡眠过程中被子暴露是一种常见但意义复杂的行为。它可能是由于无意识的睡眠动作,如翻身或伸展四肢,导致被子移位而使部分身体暴露,属于无意行为[7];也可能是一种主动的体温适应策略,尤其是在温暖环境下,人们会主动减少被子覆盖以缓解不适感并促进热量散发[8][9]。对于儿童和老年人等脆弱群体,被子暴露可能带来不同影响:儿童往往睡眠时的动作更为频繁,被子移除的次数也更多[10][11],而老年人的体温感知能力可能较弱,行为调整速度较慢,因此更易处于不适当的覆盖或过度暴露状态[12]。虽然被子暴露有助于散热,但在较冷的环境下长时间暴露可能会导致局部过冷和不适。然而,目前关于睡眠过程中身体暴露与局部体表温度变化之间关系的研究还较少,这使得我们难以简单地将被子暴露视为正常现象或不良事件。
综上所述,监测睡眠过程中的身体暴露情况并量化暴露部位的体表温度特征具有重要意义。然而,传统的睡眠监测技术——如多导睡眠图(PSG)、体表温度传感器、可穿戴设备、常规视频记录以及毫米波雷达——在捕捉这种行为与温度相互关联的现象方面存在显著局限。PSG、可穿戴设备及体表温度传感器虽能精确记录脑电活动、生理信号或点状温度信息,但可能会干扰自然的睡眠动作,且无法区分身体哪些部位被覆盖、哪些未被覆盖[13][14];常规视频监测在弱光条件下无法正常工作,而毫米波雷达则无法直接测量体表温度,也无法判断局部是否被覆盖[15]。因此,亟需开发一种能够克服这些局限、全天候准确监测人类睡眠过程中暴露行为的睡眠监测技术。
本研究开发了一种基于热成像的睡眠监测技术,运用YOLOv11模型识别并分割睡眠过程中被子暴露的身体部位,从而提取相关行为特征及对应的体表温度信息。研究定量分析了性别差异及不同睡眠温度环境对被子覆盖状态、被子移除与恢复行为的影响,以及被子暴露时十个身体部位(额头、肩胛骨、腹部、椎旁区域、上臂、前臂、手、大腿、胫骨和脚)的体表温度变化,同时还确定了与被子移除及恢复事件相关的临界温度。这一框架有望为基于被子覆盖情况的个性化睡眠温度管理策略提供支持,也为未来在儿童、老年人以及体温感知或行为调整能力较差的人群中应用睡眠环境监测技术奠定基础。

章节要点

研究设计

如图1所示,本研究的实验设计与模型开发共分为四个主要阶段:
(1) 研究在两种典型的环境温度/床上用品组合条件下开展了睡眠监测实验,这两种条件分别模拟北京夏季与冬季的居家睡眠环境。共有10名健康成年人(5名男性,5名女性)参与了实验。在夏季类似环境中,室内平均温度为26.1±0.3℃,使用的棉花纤维密度为2.76 Clo。

模型性能与可视化分析

在三种YOLOv11模型(YOLOv11s、YOLOv11m和YOLOv11l)中,YOLOv11m在精确度(0.91)和F1分数(0.89)方面表现最佳,同时召回率也保持在较高水平(0.86),表明其在灵敏度与准确性之间取得了最佳平衡(见图3a)。通过精确度-召回率曲线(图3b)的进一步分析发现,YOLOv11m在大多数类别中都展现出稳定且优异的检测精度,其最高预测精度可达0.995。

讨论

本研究聚焦于睡眠健康评估中过度身体暴露的问题,提出了一种基于红外热成像技术的非接触式监测框架。研究收集了受试者在自然睡眠条件下的连续热成像数据,构建了一个涵盖不同睡眠温度环境差异及性别差异的综合性数据集。通过对多种热成像语义分割模型的性能进行对比分析……

结论

本研究证明了基于热成像的模型在监测自然睡眠过程中的被子覆盖行为及暴露体表温度变化方面的可行性与实用性。YOLOv11m分割系统在识别被子暴露区域及被子移除事件方面具有最高的检测可靠性(F1分数为0.89),从而能够准确提取相关行为特征与温度数据。在当前的实验条件下,研究观察到的主要现象包括……

作者贡献说明

张楠:论文撰写——审阅与编辑、验证、监督、资金获取、概念构思。王文浩:论文撰写——初稿撰写、可视化分析、方法设计、实验实施。徐天奇:资源提供。穆西塔帕·阿利普:资源提供。王向宇:资源提供。窦志阳:验证工作。张晓静:验证工作。李建农:论文撰写——审阅与编辑、验证工作。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

本研究得到了中国国家自然科学基金的支持(项目编号:52478074)。
张楠|王文浩|徐天奇|穆西塔帕·阿利普|王向宇|窦志阳|张晓静|李建农
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号