به چه میزان خواب عمیق، سبک و REM نیاز دارید؟

طبق گفته بنیاد خواب، آپنه خواب درمان نشده می‌تواند با گذشت زمان خطر ابتلا به بیماری قلبی، دیابت نوع ۲، بیماری کبد چرب و اختلالات خلقی را در فرد افزایش دهد. یک راهکار کم‌هزینه که همه را قادر می‌سازد تا نظارت و تجزیه و تحلیل خواب را به طور مستقل در خانه انجام دهند، می‌تواند بیماران را ترغیب کند تا قبل از بروز پیامدهای جدی سلامتی به پزشک مراجعه کنند و پایه داده‌های بهتری را برای تصمیم‌گیری در اختیار پزشکان قرار دهد. بنابراین، بیماران معمولاً فقط می‌توانند علائم مبهمی را برای پزشک توصیف کنند که لزوماً نشان دهنده نیاز به تشخیص بالینی با پلی‌سومنوگرافی (PSG) در آزمایشگاه خواب (استاندارد طلایی برای تشخیص SA) یا پلی‌گرافی (PG) از طریق نظارت بر خواب بدون مراقبت در خانه نیست. علاوه بر این، می‌توانیم از طریق آزمایش‌های آزمایشگاهی کنترل‌شده نشان دهیم که برخی از کمربندهای تنفسی کم‌هزینه (مبتنی بر فناوری کرنش‌سنج) به کیفیت داده‌هایی دست می‌یابند که نزدیک به کیفیت داده‌های کمربندهای تنفسی است که برای تشخیص بالینی استفاده می‌شوند. سایر داروها – مانند داروهای ضد افسردگی خاص، داروهای ضد روان‌پریشی و داروهای ضد اضطراب – گاهی اوقات برای بی‌خوابی بدون برچسب تجویز می‌شوند. با این حال، ظرفیت باتری در دستگاه‌های پوشیدنی هوشمند معمولاً کم است (مثلاً حدود ۱۰۰ میلی‌آمپر ساعت در اکثر مچ‌بندهای هوشمند)، در حالی که حسگرهای PPG توسط جریان الکتریکی تا ۳۰ میلی‌آمپر هدایت می‌شوند (به بخش IV-G مراجعه کنید).

آیا آپنه خواب درمان قطعی دارد؟

روش‌های موجود نمی‌توانند یک راه‌حل ایده‌آل برای ساعت‌ها یا مچ‌بندهای هوشمند رایج ارائه دهند. اختلالات خواب در افراد مبتلا به زوال عقل چقدر رایج است؟ فیلترها به جز لایه پایینی مشترک هستند و به FENet اجازه می‌دهند تا به طور خودکار با دامنه فرکانس‌های مختلف سازگار شود و در عین حال پیچیدگی محاسباتی را به حداقل برساند. علاوه بر این، مدل‌های موجود برای تشخیص OSA بر اساس سیگنال‌های فاصله RR فاقد در نظر گرفتن خواص فیزیولوژیکی تنفس انسان، مانند دینامیک فرکانس‌های تنفس هستند. ما چالش‌های منحصر به فرد تشخیص OSA در دستگاه‌های مچی هوشمند را شناسایی می‌کنیم و یک راه‌حل یادگیری ماشین با بهره‌وری انرژی بر اساس سیگنال‌های فاصله RR طراحی می‌کنیم. FENet دنباله ای از رکوردهای فاصله RR را به عنوان ورودی خود می‌گیرد که توسط حسگرهای پالس جمع‌آوری می‌شود. برای شروع، ابتدا تعاریف توالی فاصله RR و توالی برچسب آپنه مورد استفاده در مدل خود را ارائه می‌دهیم. تعریف ۱: توالی بازه RR. روش‌های موجود به ندرت بهره‌وری انرژی را در نظر می‌گیرند، زیرا آنها به سادگی در دسترس بودن توالی رکوردهای بازه RR پیوسته و بلند مدت را فرض می‌کنند. بنابراین، FENet امکان تشخیص دقیق OSA را با دسترسی محدود به داده‌ها فراهم می‌کند. با توجه به این موضوع، این مقاله یک مدل تشخیص، یعنی شبکه استخراج فرکانس (FENet) را پیشنهاد می‌کند که می‌تواند نتایج تشخیصی پیوسته را بر روی سیگنال‌های ناپیوسته تولید کند.

تست آپنه خواب

سیگنال‌های بازه RR، و بر این اساس یک مدل استخراج ویژگی چند فرکانسی طراحی می‌کند که به طور خودکار ویژگی‌های مرتبط را تولید می‌کند و خروجی طبقه‌بندی را بر روی سیگنال‌های ورودی ناپیوسته تولید می‌کند. FENet با یک شبکه عصبی کانولوشن متسع چند فرکانسی نوآورانه، نمایش‌های ضمنی سیگنال‌های ناپیوسته را یاد می‌گیرد و سپس برچسب‌های آپنه را هم برای برچسب زمانی فعلی و هم برای سیگنال‌های مجاور با ورودی از دست رفته تولید می‌کند. سیگار کشیدن مکرر منجر به افزایش التهاب و سلامت ضعیف ریه می‌شود که همه اینها می‌تواند آپنه خواب را بدتر کند. کاهش مصرف الکل، کاهش وزن و ترک سیگار می‌تواند به کاهش آپنه خواب کمک کند. آپنه خواب (SA) یک اختلال تنفسی مرتبط با خواب شایع و به شدت ناشناخته با پیامدهای شدید سلامتی است. شایع‌ترین نوع آن آپنه انسدادی خواب (OSA) است. کلمه آپنه از آپنه یونانی به معنای “بدون نفس” گرفته شده است. سه نوع آپنه خواب وجود دارد: انسدادی، که رایج‌ترین شکل است و شامل فروپاشی بافت‌های راه هوایی فوقانی می‌شود؛ مرکزی، که بسیار نادر است و ناشی از عدم توانایی سیستم عصبی مرکزی در فعال کردن مکانیسم‌های تنفسی است؛ و مختلط، که شامل ویژگی‌های هر دو آپنه انسدادی و مرکزی است. در تشخیص OSA مبتنی بر فاصله RR، تلاش‌هایی برای کاهش مصرف انرژی دستگاه‌های پوشیدنی صورت گرفته است. مطالعات بیشتر در مورد بهره‌وری انرژی نشان می‌دهد که FENet به طور مؤثر مصرف انرژی را کاهش می‌دهد و با ظرفیت محدود باتری در دستگاه‌های مچی هوشمند سازگارتر است.

درمان آپنه خواب با لیزر فوتونا

تا آنجا که ما می‌دانیم، این اولین کاری است که با کاهش چرخه وظیفه حسگرها، به عملی بودن تشخیص OSA در دستگاه‌های مچی در زندگی واقعی می‌پردازد. در این راستا، بهره‌وری انرژی، کیفیت تعیین‌کننده این خواهد بود که آیا چنین راه‌حل تشخیص OSA واقع‌بینانه است یا خیر. تشخیص OSA، امکان صرفه‌جویی در انرژی. همانطور که در بخش اول اشاره شد، بهره‌وری انرژی برای دستگاه‌های مچی هوشمند از اهمیت بالایی برخوردار است. فواصل RR برای کاهش هزینه انرژی استخراج ویژگی، که روابط قابل شناسایی بین الگوهای مبتنی بر فرکانس و بیماری OSA را اثبات می‌کند. تصویربرداری عصبی از مغز در طول آن چرخه‌های خواب عمیق نشان می‌دهد که قشر جلوی مغز به حالت غیرفعال کاهش می‌یابد و این جایی است که حتی زمانی که فرد در خواب راه می‌رود، در آن باقی می‌ماند. هر بار که فرد مبتلا به OSA دچار انسداد راه هوایی می‌شود و تنفس او در طول خواب برای مدت کوتاهی متوقف می‌شود، سیستم عصبی سمپاتیک او فعال می‌شود و فشار خون به سرعت افزایش می‌یابد. منبع معتبر کتابخانه ملی پزشکی، اطلاعات بیوتکنولوژی مرکز ملی اطلاعات بیوتکنولوژی با ارائه دسترسی به اطلاعات زیست‌پزشکی و ژنومی، علم و سلامت را پیش می‌برد.