Katabi میگوید : " یک جعبه وای فای هوشمند که در خانه مینشیند و این بازتابها را تجزیه و تحلیل میکند و همه این تغییرات در بدن را از طریق امضای این که بدن بر روی سیگنال RF حرکت میکند ، کشف میکند . "
Katabi و شاگردانش از این روش برای ایجاد یک سنسور به نام WiGait استفاده کردهاند که میتواند با استفاده از سیگنالهای بیسیم ، سرعت راه رفتن را اندازهگیری کند، که میتواند به دکترها در پیشبینی کاهش شناختی ، سقوط ، بیماریهای قلبی یا ریوی ، و یا دیگر مشکلات سلامتی کمک کند .
پس از توسعه این سنسورها ، Katabi فکر کرد که یک روش مشابه نیز میتواند برای پایش خواب مفید باشد ، که در حال حاضر انجام شدهاست در حالی که بیماران شب را در یک آزمایشگاه خواب که برای نظارت بر روی دستگاههای electroencephalography ( EEG ) کار میکنند، سپری میکنند .
ژایو میگوید : " این فرصت بسیار بزرگ است ، زیرا ما میتوانیم خوب بخوابیم ، و بخش بالایی از جمعیت مشکلات خواب داشته باشند . " ما این فنآوری را داریم که اگر بتوانیم کار کنیم ، میتواند ما را از دنیایی که هر چند ماه یکبار در آزمایشگاه خواب و در آزمایشگاه خواب به سر میبرد ، منتقل کنیم ."
برای رسیدن به این هدف ، محققان باید راهی برای ترجمه measurements نبض ، نرخ تنفس و حرکت به مراحل خواب ارائه دهند . پیشرفتهای اخیر در هوش مصنوعی برای آموزش الگوریتمهای رایانهای شناختهشده به عنوان شبکههای عصبی عمیق برای استخراج و تجزیه و تحلیل اطلاعات از مجموعه دادههای پیچیده مانند سیگنالهای رادیویی بهدستآمده از حسگر محققین ، امکان پذیر است . با این حال ، این سیگنالها مقدار زیادی از اطلاعات را دارند که ربطی به خواب ندارند و میتواند برای الگوریتم های موجود گیجکننده باشد . پژوهشگران MIT باید با یک الگوریتم جدید هوش مصنوعی ، بر پایه شبکههای عصبی عمیق ، که اطلاعات نامربوط را از بین میبرد ، کنار بیایند .
" شرایط پیرامون بسیاری از تغییرات ناخواسته را در آنچه شما اندازهگیری میکنید ، ایجاد میکند . Jaakkola میگوید : " تازگی در حفظ سیگنال خواب در هنگام برداشتن بقیه است . " الگوریتم آنها را میتوان در مکانهای مختلف و با افراد مختلف بدون درجهبندی مورد استفاده قرار داد .
با استفاده از این روش در آزمایش ۲۵ داوطلب سالم ، محققان دریافتند که تکنیک آنها حدود ۸۰ درصد دقیق بود ، که قابلمقایسه با دقت درجهبندی تعیین شده توسط متخصصان خواب براساس اندازهگیری EEG است .
Katabi میگوید : " دستگاه ما به شما اجازه میدهد که همه این حسگرها را که بر روی فرد میگذارید را حذف کنید و این کار را با تجربه بسیار بهتری انجام دهید که میتواند در خانه انجام شود .
نقص خواب
محققان دیگر تلاش کردهاند از سیگنالهای رادیویی برای نظارت بر خواب استفاده کنند ، اما این سیستمها تنها ۶۵ درصد زمان دقیق هستند و عمدتا ً تعیین میکنند که آیا فرد بیدار است یا خواب است، نه این که در چه مرحلهای هستند . Katabi و همکارانش توانستند با آموزش الگوریتم خود برای نادیده گرفتن سیگنالهای بیسیم که از اشیا دیگر در اتاق بالا میپرند و تنها دادههای منعکسشده از فرد خفته را در بر میگیرند ، بر روی آن پیشرفت کنند .
پژوهشگران در حال حاضر قصد دارند از این فنآوری برای مطالعه این که چگونه بیماری Parkinson's بر خواب تاثیر میگذارد ، استفاده کنند .
Katabi میگوید : " وقتی درباره Parkinson's فکر میکنید ، به آن به عنوان یک اختلال حرکتی فکر میکنید ، اما این بیماری با کمبودهای خواب پیچیده همراه است که خیلی خوب درک نشده اند . "
همچنین می توان از سنسور برای یادگیری بیشتر در مورد تغییرات خواب ناشی از بیماری Alzheimer's و اختلالات خواب مانند بیخوابی و گرفتگی تنفس استفاده کرد . همچنین ممکن است برای مطالعه صرع بیمار که در طول خواب رخ میدهد ، که معمولا ً تشخیص آن دشوار است ، مفید باشد .
ماهیچه و نه مغز ، ممکن است پاسخ برخی از اختلالات خواب را داشته باشد
مبدا :
مرکز پزشکی جنوب غربی
خلاصه :
دانشمندان در حال بررسی مغز برای یافتن پاسخ به اختلالات خواب مشخصی هستند که ممکن است به جای اشتباه به نظر برسند ، تحقیقات جدیدی را پیشنهاد میدهند .
منبع سایت علم روز