人一生中幾乎有三分之一的時(shí)間在睡覺(jué)。充足的睡眠是良好健康的重要前提，而不良的睡眠會(huì )導致不良情緒、注意力不集中、疲勞、心血管疾病甚至死亡。目前，人們對睡眠質(zhì)量相當重視。然而，要提高一個(gè)人的睡眠質(zhì)量，首先需要知道他/她的睡眠狀況，也就是說(shuō)，人們有強烈的監測自己睡眠狀況的需求。

　　新技術(shù)為人們在日常生活中自我監測和改善睡眠提供了便利。睡眠質(zhì)量可以通過(guò)客觀(guān)的身體指標和行為或主觀(guān)感覺(jué)來(lái)評估。多導睡眠圖（PSG）在臨床研究中已被廣泛應用于睡眠評估，但存在著(zhù)價(jià)格昂貴、侵入性、耗時(shí)、不實(shí)用等缺點(diǎn)。智能手機和智能手環(huán)也可用于睡眠活動(dòng)監測。然而，這些設備是侵入和繁瑣的，因為用戶(hù)必須帶上它們或把它們靠近身體才能進(jìn)行測量。與此同時(shí)，除了客觀(guān)狀態(tài)外，個(gè)人對自身睡眠的主觀(guān)看法也很有價(jià)值。然而，自我報告的睡眠質(zhì)量也有其局限性，例如當運動(dòng)員或患者需要每天評估睡眠質(zhì)量時(shí)，主觀(guān)報告的方法并不適用。

　　步態(tài)反映一個(gè)人走路和移動(dòng)的方式，它可以反映一個(gè)人的心理和健康狀況。睡眠和步態(tài)會(huì )相互影響。一方面，睡眠異常會(huì )影響步態(tài)。研究表明，每晚睡眠時(shí)間少于6小時(shí)的人的步態(tài)速度比每晚睡眠時(shí)間為6-6.8小時(shí)的人慢3.5%。另一方面，步態(tài)對睡眠也有影響。人們發(fā)現每天行走10000步，4周之后可顯著(zhù)改善睡眠質(zhì)量。同時(shí)，睡眠質(zhì)量對日常能量消耗有影響，而日常能量消耗與步態(tài)高度相關(guān)。因此，研究者期望通過(guò)步態(tài)來(lái)測量睡眠質(zhì)量，這種方式更生態(tài)，侵入性更小。

　　中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗室朱廷劭研究組使用微軟Kinect攝像頭這一非侵入性工具對用戶(hù)的步態(tài)行為數據進(jìn)行收集。如圖1所示，Kinect以30 Hz采樣率捕獲人體25個(gè)主體關(guān)節的3維加速度。它具有非侵入性、低成本、易于使用的優(yōu)點(diǎn)，而且在早期研究中也被確認在捕捉日常步態(tài)和臨床環(huán)境中的實(shí)時(shí)步態(tài)模式方面是完全勝任的。

圖1：人體被Kinect捕捉到的25個(gè)關(guān)節點(diǎn)

　　該研究共招募56名志愿者，志愿者首先填寫(xiě)了匹茲堡睡眠質(zhì)量指數問(wèn)卷（PSQI）；經(jīng)過(guò)簡(jiǎn)單練習后，在矩形地毯（6 m×1 m）上自由走動(dòng)2分鐘，并被放置在地毯對角線(xiàn)上的兩個(gè)Kinect傳感器記錄下其步態(tài)數據。

　　數據收集以后，研究者首先對數據進(jìn)行預處理，即利用高斯濾波進(jìn)行去噪。其次，以脊柱為原點(diǎn)，對其他關(guān)節的坐標進(jìn)行平移，這樣做的目的是為了將不同參與者的三維坐標調整到同一坐標系，從而消除他們和Kinect相對位置的差異。最后，研究者將收集的步態(tài)數據分割成不同的片段，研究選擇64幀（約2秒）作為特征提取中使用的最終數據段的長(cháng)度。

　　數據預處理完成后，研究者提取了快速傅立葉變換（FFT）的振幅。FFT將采樣函數的每個(gè)維度從時(shí)域轉換為頻域。對于步態(tài)數據中的每個(gè)關(guān)節，選取每個(gè)維度的64個(gè)振幅系數作為特征，然后運行Z函數進(jìn)行特征歸一化。由于高維特征向量是冗余的，因此在訓練模型之前進(jìn)行降維。研究計算了睡眠質(zhì)量與提取特征之間的皮爾遜相關(guān)系數，選擇每個(gè)維度的中相關(guān)系數的絕對值最高的前5個(gè)特征來(lái)訓練機器學(xué)習模型，得到每個(gè)關(guān)節每個(gè)維度的5個(gè)特征，即總共360個(gè)特征（5*3*24=360）。

　　最后，研究使用WEKA以及360個(gè)特征來(lái)訓練機器學(xué)習模型，并采用了10折交叉驗證。結果顯示，睡眠質(zhì)量預測的最佳結果為Gaussian processes，相關(guān)系數為0.78（p＜0.001）。各分量表中，晝夜功能障礙的最佳結果為linear regression，相關(guān)系數為 0.51（p＜0.001）。

　　該研究提供了一種新的測量睡眠質(zhì)量的方法。步態(tài)數據收集過(guò)程是非侵入性的和生態(tài)化的，結果同時(shí)也表明步態(tài)模式可以很好地表征睡眠質(zhì)量。該方法可作為現有睡眠質(zhì)量測量方法的有利補充。

　　該研究成果已被國際期刊 PloS one 錄用并在線(xiàn)發(fā)表：

　　Liu, X., Sun, B., Zhang, Z., Wang, Y., Tang, H., & Zhu, T. (2019). Gait can reveal sleep quality with machine learning models. PloS one, 14(9), e0223012.

　　https://doi.org/10.1371/journal.pone.0223012