用于评估儿童和青少年近视环境及行为风险因素的多模态可穿戴设备的验证

《Ophthalmic and Physiological Optics》：Validation of a Multimodal Wearable Device for Assessing Environmental and Behavioral Risk Factors of Myopia in Children and Adolescents

　　

摘要

研究目的

通过一项为期24小时的结构性试点验证试验，评估一种可佩戴在手腕上的多模态设备在同步监测儿童和青少年的多光谱光照暴露、活动类型以及五阶段睡眠结构方面的有效性。

研究方法

该设备为可佩戴在手腕上的多模态装置，配备了9通道多光谱光传感器（检测范围350–1000纳米）、9轴惯性测量单元以及光电容积脉搏波传感器，可用于同步采集环境光线、身体运动及心血管信号。共有12名健康儿童和青少年（平均年龄10.04±3.26岁，年龄范围6–15岁）参与了这项24小时的试点验证。研究采用了长短期记忆网络进行活动识别，同时运用基于堆叠集成框架并结合成本敏感学习的算法来实现五阶段睡眠分类，即清醒状态（W）、非快速眼动期第1阶段（N1）、非快速眼动期第2阶段（N2）、非快速眼动期第3阶段（N3）以及快速眼动期（REM）。

研究结果

在测试的三种光照条件下，该设备能够捕捉到不同的光谱辐照度特征：户外自然光（1.8瓦特/平方米·纳米；覆盖350–1000纳米的宽光谱范围）、室内自然光（0.30瓦特/平方米·纳米）以及人工照明（0.07瓦特/平方米·纳米；峰值在545–600纳米处）。基于LSTM的模型在五种活动分类中的整体准确率为86.33%，其中书写活动的识别准确率为92.4%，步行活动的识别准确率为91.5%。而基于堆叠集成框架的睡眠分类模型的整体准确率为83.41%，通过成本敏感学习技术，N3阶段和REM阶段的识别准确率分别提升了15.8%和8.9%。此外，结合使用PPG信号后，活动识别的准确率还提升了3.62%。

研究结论

这一多模态平台能够在结构化的试点验证环境中，对儿童的光照暴露、行为表现及睡眠结构进行客观、高精度的量化分析，有助于针对那些可改变的近视相关因素进行个性化评估。