《Advanced Science》：双模态可穿戴脉搏检测系统集成深度学习实现高精度低功耗睡眠呼吸暂停监

《背景介绍》

   睡眠呼吸暂停综合征(SAS)是一种常见的的健康疾病，会显著增加心血管和代谢疾病风险。全球范围内，阻塞性睡眠呼吸暂停(OSA)影响超过24%的人群，且患病率持续上升，超过80%的患者仍未被诊断和治疗。多导睡眠监测(PSG)仍是诊断的金标准，但其临床应用受到高成本、复杂设置要求和对睡眠质量干扰的限制。尽管使用光电容积脉搏波描记法(PPG)的可穿戴设备在SAS检测方面显示出前景，其连续操作需要大量功耗，阻碍了长期监测能力。

   近期，北京医院心内科邹彤教授团队与清华大学生物医学工程学院/北京清华长庚医院李舟教授团队合作报道了双模态可穿戴脉搏波睡眠呼吸暂停检测系统相关成果，以"A Dual-Modal Wearable Pulse Detection System Integrated with Deep Learning for High-Accuracy and Low-Power Sleep Apnea Monitoring"为题发表在Advanced Science期刊上（DOI: 10.1002/advs.202501750）。北京协和医学院北京医院王佳博士、北京理工大学薛江涛博士后、北京清华长庚医院邹洋副研究员为论文共同**作者。北京医院心内科邹彤教授、清华大学生物医学工程学院/北京清华长庚医院李舟教授、中国科学技术大学邢凯副教授、北京清华长庚医院邹洋副研究员为论文共同通讯作者。

研究的主要内容

图一：双模态可穿戴脉搏检测系统整体设计

   双模态可穿戴脉搏检测系统设计示意图及传感器模块分解图，展示了C型夹持结构、弹性层以及集成的PENG和PPG传感器的详细构造。该图清晰地展示了系统的硬件架构、传感原理以及基于Vision Transformer的深度学习模型分类流程。

（来源：Adv. Sci.）

1. 创新的双模态传感设计

研究团队开发了一种集成压电纳米发电机(PENG)和PPG传感器的双模态可穿戴系统。该系统采用仿生指尖结构设计，模拟传统脉诊的按压过程，确保传感器与皮肤的稳定接触。PENG传感器具有自供电特性和对机械信号的高灵敏度，而PPG传感器提供血氧饱和度等精确血流动力学信息。

图二：指尖形状脉搏监测传感器原理与特性

   PPG和PPW传感器模块脉搏监测原理图，详细展示了PPG波形特征点、血氧监测原理、PPW波形分析以及指纹状PVDF在不同曲率半径下的有限元仿真结果。该图验证了5mm曲率半径的**设计参数。

（来源：Adv. Sci.）

2. 两阶段检测策略

   系统采用独特的两阶段检测策略：**阶段使用低功耗PENG进行24小时连续预筛查，当检测到可疑事件时，第二阶段激活PPG传感器进行精确检测。这种策略有效平衡了功耗和检测精度，相比连续使用PPG降低约23%的功耗。

图三：正常呼吸与睡眠呼吸暂停时的生理信号变化机制

OSAS机制和呼吸与脉搏相关信号的变化对比图，展示了正常呼吸和睡眠呼吸暂停时气道状态、循环系统变化以及各种生理信号（鼻压气流、体温信号、血氧饱和度、PPW和PPG信号）的特征性改变和时频分析结果。

（来源：Adv. Sci.）

3. 深度学习算法优化

   团队采用Vision Transformer(ViT)深度学习模型进行睡眠呼吸暂停数据的高维特征提取和分类。该模型通过自注意力机制捕获传感器信号中的复杂时空依赖关系，相比传统低维统计特征方法展现出优越性能。

图四：基于ViT模型的睡眠呼吸暂停检测和性能分析

   ViT模型的睡眠呼吸暂停分类工作流程、模型架构、ROC曲线、特征贡献分析和混淆矩阵。该图展示了完整的数据处理流程，从数据收集到模型训练再到最终的分类结果，验证了ViT模型的优异性能。

（来源：Adv. Sci.）

4. 优异的检测性能

系统实现了三种配置模式：

·高精度模型(PPG)：特异性99.73%，敏感性99.45%，准确率99.59%

·高敏感性模型(PPW)：敏感性93.41%，准确率68.57%

·两阶段模型(PPW+PPG)：特异性96.35%，敏感性92.51%，准确率94.95%

图五：双模态可穿戴SAS监测系统的多场景应用

   双模态监测系统的两阶段检测策略流程以及在家庭筛查、医院PSG诊断和家庭CPAP治疗监测等不同场景下的应用示例。该图展示了系统从PPW信号触发PPG激活到最终通过深度学习模型分类的完整流程。

（来源：Adv. Sci.）

5. 多场景应用潜力

   该系统适用于家庭筛查、临床诊断和治疗评估等多种场景，可作为PSG检查的预筛查工具，优化医疗资源配置，同时有望为CPAP治疗患者提供持续监测支持。

   该研究开发了一种创新的双模态可穿戴睡眠呼吸暂停监测系统，通过两阶段检测策略和先进的深度学习算法，实现了高精度和低功耗平衡。系统的仿生指尖设计确保了稳定的信号采集，Vision Transformer模型显著提升了检测准确性。该技术为睡眠呼吸暂停的早期筛查、精确诊断和治疗管理提供了系统性解决方案，在提高患者早期检测率和治疗效果方面具有重要临床价值，有望推动可穿戴医疗设备在睡眠医学领域的广泛应用。