《Sci》：Towards a Wearable Polysomnography Approach: A Dataset of Key Physiology and Body Position Metrics Validated Against In-Laboratory Polysomnography
编辑推荐：
研究人员展示了一个来自可穿戴传感器的数据集，该传感器可监测呼吸、心电图（单导联）、体位/体动记录以及皮肤温度，适用于睡眠研究。研究人员将该数据集与标准实验室多导睡眠监测（PSG）同步采集，并用于将ASPEN衍生指标与临床评估进行验证。数据采集自七名志愿者（平均
研究人员展示了一个来自可穿戴传感器的数据集，该传感器可监测呼吸、心电图（单导联）、体位/体动记录以及皮肤温度，适用于睡眠研究。研究人员将该数据集与标准实验室多导睡眠监测（PSG）同步采集，并用于将ASPEN衍生指标与临床评估进行验证。数据采集自七名志愿者（平均年龄=55.7±12.5岁，身体质量指数（BMI）=29.9±3.78 kg/m2），在弗林德斯大学睡眠实验室的睡眠研究期间总共记录了63小时。初步分析显示，用于评估睡眠质量的标准指标（如呼吸频率、心率和睡眠姿势）在可穿戴传感器与固定式（Compumedics）多导睡眠监测系统之间具有广泛的一致性。因此，研究人员公开了这套高分辨率ASPEN信号数据集，连同参与者概要数据（年龄、性别、BMI），以支持可穿戴睡眠监测算法的开发和基准测试。
论文解读文章
睡眠质量对人体健康、日常表现和整体福祉具有深远影响。睡眠质量差与多种不良健康结局密切相关，包括心血管疾病患病率和严重程度的增加以及死亡率的上升，尤其是在老年人群中。心血管疾病（包括清晨发生的心脏病发作）与睡眠之间的复杂关系至今尚未完全阐明。多导睡眠监测（polysomnography, PSG）通常需要通过分析大量生理参数来确定睡眠紊乱状况。然而，由于PSG成本高昂且资源有限，许多患有睡眠障碍的人群未能得到诊断和治疗。近年来，可穿戴技术和智能手机等个人电子设备的进步催生了大量健康和睡眠追踪应用。诸多研究已将便携式可穿戴设备与PSG在睡眠质量评估方面进行比较，原因在于此类设备克服了PSG的两个主要局限：难以在多夜间舒适便捷地使用，以及无法在日间持续佩戴以关联日常活动与佩戴者呼吸/心脏性能及睡眠质量。然而，现有大多数公开数据集侧重于睡眠分期性能的评估，对于适用于算法开发和性能验证的原始多通道生物医学信号访问十分有限。近期工作强调了直接呼吸测量和多模态传感对于改善睡眠分期分类和检测睡眠相关呼吸障碍的重要性，但相应数据集往往是专有的或仅部分可访问。
为弥补这一空白，研究人员经过三年多的研发和测试，完善了一种名为ASPEN的可穿戴设备，该设备集成了两个弹性体传感器（可实现呼吸频率和呼吸努力评估）、单导联心电图（electrocardiogram, ECG）、皮肤温度传感器和加速度计。尽管弹性体传感器无需亲密皮肤接触即可（机械地）检测心脏信号，使设备可穿着在衣物外部，但该传感器还集成了具有自动心率提取功能的单导联ECG，用于记录心脏电活动。基于同步的睡眠实验室评估，研究人员证明ASPEN衍生的呼吸频率、心率和睡眠体位指标在该队列中与PSG衍生指标具有广泛的一致性。本研究提供的数据集包含经过整理的ASPEN可穿戴记录，研究对象接受了临床睡眠评估。ASPEN系统同时捕获了先进可穿戴睡眠分析所必需的几个关键生理和姿势参数。与许多面向消费者的资源不同，研究人员公开了高分辨率原始信号、详细的通道描述和相关元数据，从而支持呼吸逐拍频率估计、心率追踪、睡眠体位分类和伪影处理等算法的开发和基准测试。尽管目前的数据集仅限于七名患有睡眠呼吸暂停的男性参与者，但它为多信号可穿戴睡眠分析工作提供了基准资源。
研究人员开展研究时采用的主要关键技术方法包括：使用定制ASPEN穿戴服装，其嵌入的弹性体位移传感器、导电硅胶ECG电极和医用级数字温度传感器（Maxim Integrated MAX30205）通过多针连接器与定制3D打印外壳内的ASPEN Box控制电子元件相连；ECG前端基于Analog Devices MAX30003单通道生物电位前端设计，三轴加速度计（LIS2DH）用于检测佩戴者相对于重力场的体位，24位ADC（Texas Instruments ADS1247）用于采集和转换来自弹性体传感器的模拟数据；数据以二进制格式本地保存至SD卡，同时通过蓝牙低功耗（Bluetooth Low Energy, BLE）模块（Texas Instruments CC2640R2F）实时传输至智能手机应用；数据随后转换为WFDB格式文件并上传至PhysioNet。样本队列来源为弗林德斯大学睡眠实验室，共招募七名既往通过整夜PSG诊断为睡眠呼吸暂停的男性志愿者，纳入标准为年龄18–70岁且呼吸暂停–低通气指数（apnoea–hypopnea index, AHI）>10次/小时睡眠，排除标准包括心血管疾病、神经疾病以及妊娠或哺乳期女性。弹性体传感器信号以100 Hz采样率采集，温度传感器初始采样率为1.619 Hz后在数据集中被重采样至100 Hz。
研究结果部分涵盖以下内容：
3.1.1 呼吸频率：研究人员利用弹性体位移传感器获得由呼吸和心跳引起的躯干位移信息。为尽量减少伪影对呼吸数据分析的影响，信号通过截止频率为1 Hz的低通滤波器进行滤波。呼吸峰值使用MATLAB内置的基于窗口的阈值方法（Peak Detect）进行初始检测，随后通过对两个连续呼吸峰位置差除以采样率（FS=100 Hz）求导获得瞬时逐拍呼吸频率和时间。平均、最大和最小呼吸频率以每分钟呼吸次数为单位计算。图5显示了单次整夜记录中10–33次/分钟的逐拍呼吸变异，该变异与正常睡眠期间的呼吸频率变化一致。ASPEN导出的平均呼吸频率与大多数参与者的PSG结果大致相当（表3），表明呼吸带提供了整夜呼吸模式的有效表征。
3.1.2 心率：虽然弹性位移传感器在原理上可测量心脏在胸部产生的微小位移从而提取心率，但本研究中心率是从ASPEN心电图信号中使用Pan–Tompkins ECG QRS检测器算法计算的，采用20搏周期。平均心率值在成人睡眠期间的预期范围内，最小和最大心率之间的分布反映了与睡眠分期转换和呼吸暂停事件相关的正常夜间变异，与参与者被诊断的睡眠呼吸暂停一致。图6显示了受试者7超过11小时睡眠期间的心率趋势，记录到的心率升高反映了呼吸暂停事件期间及事件后预期的心动过速反应。
3.1.3 睡眠体位：睡眠体位使用嵌入式加速度计计算，以±2 g满量程校准的有符号字节数形式返回100 Hz的x、y、z轴数据。表4中的比较显示，在选择最接近匹配方向后，ASPEN和PSG系统识别的主要姿势模式大体一致，例如两个系统均将仰卧位识别为ID001、ID004、ID005和ID007参与者的主要姿势。然而，并非所有受试者的姿势类别都完全一致，特别是在PSG系统记录为“Unknown”位置的情况下。这些差异与两个系统在位置传感器位置、参考方向、采样率和分类方法上的不同一致。由于操作员错误或解剖结构差异导致的设备方向偏差问题，研究人员对所有八种可能的加速度计插入方向进行了系统评估，并选择了与PSG衍生位置评估最一致的方向。
3.1.4 温度数据：数据采集期间使用ASPEN服装连续记录皮肤温度。平均温度通常聚集在33.81至35.64°C之间，参与者ID003除外，该参与者表现出较低的平均温度和更大的变异性，这可能反映了间歇性传感器接触或局部皮肤温度变化。温度信号以原始数据形式包含在数据集中，可能有助于未来研究传感器接触或睡眠相关的体温调节。
讨论部分指出，ASPEN数据集包含原始多模态信号，包括呼吸努力、心脏数据、加速度计数据以及温度数据，由一款集成于单一服装中的独特设备记录。设备数据与记录的PSG数据具有广泛一致性，且在睡眠实验室中采集。数据库中包含的差异符合预期，这是因为使用了不同的传感器和采样率，但数据库可能无法反映家庭睡眠分析中常见的低质量记录。通过保留数据库中的伪影，反映了真实世界的使用和数据记录情况，但这对数据库用户提出了开发稳健伪影检测算法的要求。尽管ASPEN数据库的样本量适中，但记录总时长达到63小时，为高质量算法开发提供了充分机会。将WFDB文件连同详细头文件公之于众是一项关键贡献，有助于多模态算法的测试和开发。
研究结论部分翻译如下：总体而言，尽管队列规模适中且为单夜实验室设计，ASPEN数据集提供了与临床多导睡眠监测相比较的多通道参考，并以足够的原始信号细节发布，以支持超出本文所呈现具体分析的算法开发。来自该队列的发现应被解读为ASPEN平台的概念验证性验证，而非对更大人群睡眠生理学的特征描述。任何将已开发算法或ASPEN衍生指标推广至非监督或家庭环境的应用，均应在更大队列和更具人口多样性的人群中进行验证。这些记录表明，一种可穿戴服装能够在睡眠实验室环境中成功捕获具有临床相关性的生物医学数据，并与PSG具有广泛一致性。ASPEN数据为弹性胸带、ECG、加速度计数据以及以WFDB格式存储的温度数据构成的公开可获取数据集做出了贡献，尽管数据集规模适中，但仍可支持睡眠监测中呼吸频率估计、心率追踪、体位分类和伪影管理算法的开发。ASPEN设备记录为推进可穿戴多导睡眠监测方法提供了实用基础，并有助于弥合真实世界多模态睡眠记录设备与实验室级多导睡眠监测之间的差距。
