欧美日韩国产综合中文-五月婷婷丁香综合一区-一区二区三区乱码欧洲在线-国产成人久久精品亚洲

返回首頁 在線留言 聯(lián)系我們

產品搜索 更多

產品目錄

首頁 > 技術文章 > 從面部表情是否能看出自己睡眠質量如何?

技術文章

從面部表情是否能看出自己睡眠質量如何?
更新時間:2023-11-07   點擊次數(shù):593次

昨晚你睡得好嗎?

一個良好的睡眠會讓我們更加輕松地開啟嶄新的一天。越來越多的人都開始關注自己的睡眠狀況,并想要尋求更加科學且便捷的評估方法。迄今為止,有多種評估睡眠質量的方法,但多是需要去到專業(yè)的醫(yī)療機構,使用復雜的設備儀器進行全方面的測評。

那么,是否有對家庭或個人而言更加簡單便捷的睡眠質量評估工具,以方便我們在日常監(jiān)測睡眠質量呢?

一項由成都醫(yī)學院公共衛(wèi)生學院、成都市第五人民醫(yī)院心身內科等多家醫(yī)院研究所共同參與的研究,就將睡眠質量研究中最常見的腦電數(shù)據(jù)(EEG)與面部表情、睡眠行為相結合進行探究,為睡眠質量的評估方法帶來新的思考路徑(Cao et al.,2023)。


睡覺很簡單,但質量很重要
睡眠對人體非常重要,它是身體的一個活躍過程,有助于恢復精神,緩解疲勞。睡眠不足會影響大腦的記憶能力。

隨著社會競爭壓力的增大,人們的睡眠質量迅速下降,睡眠剝奪帶來的各種健康挑戰(zhàn)或健康風險可能逐漸發(fā)生,比如多種急慢性疾病、心血管疾病和腦神經(jīng)系統(tǒng)疾病等。一項美國調查顯示,夜間睡眠質量低的人群中,有38%主要是因為抑郁和焦慮。此外,家庭壓力、工作焦慮和經(jīng)濟壓力也會導致睡眠障礙。

睡眠質量差是一種相對常見的影響內分泌、免疫和神經(jīng)系統(tǒng)的疾病,對睡眠質量的重要性及其與發(fā)病率關系的值得關注與討論。


如何評估睡眠質量?
目前臨床上主要的睡眠質量評估工具包括多種,如多導睡眠監(jiān)測 (PSG)、腦電圖(EEG)、量表測評等。

多導睡眠監(jiān)測是臨床指南推薦的一種基本睡眠障礙檢測方法。利用各睡眠時段PSG的變化規(guī)律,對評估睡眠質量和識別睡眠障礙具有基礎性作用。但多導睡眠監(jiān)護儀價格昂貴,操作復雜,不適合家庭使用。

測量睡眠質量的量表雖然也有很多,且具有良好的信效度,但仍存在主觀性較強,缺乏具體的、可量化的、客觀有效的評價指標等問題,難以應對更加深入的研究。

因此,研究簡單便捷的睡眠質量評估工具對于家庭或個人監(jiān)測睡眠質量,從而改善睡眠質量,促進身體健康至關重要。


睡眠行為,反映更真實的睡眠狀態(tài)
人體的基本運動是在大腦皮層的統(tǒng)一控制下完成的。過度的睡眠運動和行為被認為是由大腦皮層的興奮或活動引起的,這也可能導致深度睡眠時間的相對減少。

過往研究中,睡眠行為主要以睡眠習慣和睡眠姿勢劃分,未對睡眠過程中自發(fā)的身體行為進行分類分析。監(jiān)測睡眠行為的內容包括身體運動和肌肉震顫等,數(shù)據(jù)采集主要基于多導睡眠監(jiān)測 (PSG),通過佩戴儀器進行,但這也存在睡眠過程中因佩戴儀器產生不適的問題;此外,環(huán)境變化也容易引起應激反應,測量數(shù)據(jù)可能與頻繁睡眠狀態(tài)不一致。

而通過攝像頭收集與睡眠行為相關的數(shù)據(jù)則可以更好地反映真實的睡眠狀態(tài)。

因此,本研究使用了基于行為監(jiān)測與分析的專業(yè)行為學研究軟件:行為觀察記錄系統(tǒng) (The Observer XT) 面部表情分析系統(tǒng)(FaceReader),以更好地分析人體在睡眠過程中的自發(fā)行為,探索睡眠腦電圖數(shù)據(jù)、睡眠行為和面部表情之間的關系的目標,分析開發(fā)客觀反映睡眠質量評價系統(tǒng)的可行性。


實驗過程
研究為個案研究,以三個標準選取被試:
(1)睡眠規(guī)律(匹茲堡睡眠質量指數(shù)評分<7);
(2)無心血管、呼吸、神經(jīng)系統(tǒng)疾病、精神障礙、睡眠障礙病史;
(3)不吸煙、不酗酒

最終選取1名28歲本科女性被試,在一周的正常睡眠后進行實驗測試。采集其7 小時(00:00-07:00)睡眠時的睡眠行為、面部表情以及睡眠EEG數(shù)據(jù)。

實驗室設置
睡眠實驗室被設置在28℉,以確保被試不會因為溫度不適而遮蓋自己的身體和面部。
安裝三角紅外攝像機,分別從上方、左側和右側記錄面部表情。根據(jù)以往的數(shù)據(jù)分析經(jīng)驗,攝像機放置在距離面部約35cm的位置,以確保面部表情記錄清晰完整。
腦電圖檢測與分析:
腦電數(shù)據(jù)主要采集符合美國睡眠醫(yī)學學會(AASM)標準要求的以下通道:F3、F4、C3、C4、 O1、O2;并從睡眠數(shù)據(jù)中提取特征波,形成地形圖。EEG特征波為δ (0-4 Hz)、θ (4-8 Hz)、α(8-13 Hz)、β (13 - 30 Hz)和γ(30 - 50 Hz)。

睡眠行為監(jiān)測編碼
利用行為觀察記錄分析系統(tǒng)(The Observer XT) 對睡眠中發(fā)生的行為進行行為編碼分析,將睡眠行為分為7種,包括面部運動、左手運動、右手運動、身體運動、頭部運動、其他運動以及行為的總數(shù)。

面部表情追蹤分析:
所有的視頻被分割成片段,每個片段持續(xù)30分鐘,并將三個角度的面部表情視頻進行整合。使用面部表情分析系統(tǒng) (FaceReader) 分析睡眠時的面部表情。系統(tǒng)自動對面部動作單元(AU)進行編碼,確定面部表情情緒的頻率和強度,對快樂、悲傷、憤怒、厭惡、害怕、驚訝和中性表情進行分析。


結果分析
面部表情&睡眠行為結果分析:

圖1

圖2
分析每30min出現(xiàn)快樂、悲傷、憤怒、厭惡、害怕、驚訝和中性表情的比例,分析面部動作、左手動作、右手動作、身體動作、頭部動作、其他動作的次數(shù)和行為的總數(shù)。

如圖1、圖2結果發(fā)現(xiàn),左手和右手的行為次數(shù)在前1-2h達到高峰,驚訝表情的比例最高。第3小時睡眠行為頻率下降,中性表情所占比例最大。在3-4h時,睡眠行為頻率呈斷崖式下降,中性表情比例最高。在5-6小時,睡眠行為次數(shù)減少,沒有記錄到各種面部表情。

腦電(EEG)結果分析:
α波呈先增強后減弱的趨勢,δ波呈負增強的趨勢,β波呈增強后負增強的趨勢,γ波呈負增強的趨勢。θ波先是正增強,后為負增強。明顯的結果是在睡醒前1 h,各波段均呈現(xiàn)正增強趨勢。


相關分析:
在本研究中,不同腦電波的平均功率強度隨入睡時間的變化而變化,并與面部表情相關。

表1
在α波段,F(xiàn)3, F4, O1, O2通道的功率變化與悲傷表情呈正相關,這可能是由于睡眠質量差的原因;F3, C3, O1, O2通道的功率變化與恐懼表情呈正相關,如表1所示。這也驗證了過往研究的結果,即在悲傷情緒下的刺激可以導致大腦中央?yún)^(qū)域的α波能量增加(Criado et al., 2021)。


表2

表3
F3通道通常位于額葉,主要參與運動和高級心理功能,在多個波段均發(fā)現(xiàn)其功率變化與面部表情的相關。
在θ波段,F(xiàn)3通道功率變化與悲傷表情呈正相關,如表2所示。
在β波段,F(xiàn)3通道功率變化與中性表情呈負相關,與悲傷表情、驚訝表情呈正相關,如表3所示。而先前研究結果表明,β波調節(jié)中性和情緒化的表情,θ波段調節(jié)快樂和悲傷的表情(Yan et al., 2018),這可能解釋了β波、θ波與這些表情相關的原因。


表4
在δ波段,F(xiàn)3通道功率變化與悲傷表情呈正相關,如表4所示。

在γ波段,F(xiàn)3通道功率變化與面部表情無相關性。


結論
綜上可見,睡眠期間各波段腦電圖平均功率上下波動,睡眠行為在3-4h出現(xiàn)頻率較低,中性面部表情在3-4h出現(xiàn)頻率最高。不同通道下各波段的變化與面部表情相關(p < 0.05)。
這表明了睡眠過程中睡眠EEG數(shù)據(jù)、睡眠行為和睡眠面部表情的變化,并發(fā)現(xiàn)睡眠EEG數(shù)據(jù)與睡眠面部表情之間的相關性。
或許,在未來的睡眠研究應用中,可以增加對面部表情的關注,實現(xiàn)針對家庭或個人而言對睡眠質量更加簡單便捷的日常監(jiān)測。

參考文獻

Cao, Q., Ma, Z., Liu, F., Wang, Y., Weng, X., & Xu, F. (2023). Correlation analysis between EEG data and facial expressions and sleep behaviors. Brain-Apparatus Communication: A Journal of Bacomics, 2(1), 2208167.
Criado, J. R., Gizer, I. R., Slutske, W. S., Phillips, E., & Ehlers, C. L. (2012). Event-related oscillations to affective stimuli: heritability, linkage and relationship to externalizing disorders. Journal of psychiatric research, 46(2), 256-263.
Yan, T., Dong, X., Mu, N., Liu, T., Chen, D., Deng, L., ... & Zhao, L. (2018). Positive classification advantage: tracing the time course based on brain oscillation. Frontiers in human neuroscience, 11, 659.


關注諾達思公眾號,聯(lián)系我們獲取更多產品信息及學術文章!

分享到:

返回列表 | 返回頂部
上一篇 : 微表情識別系統(tǒng)在心理健康領域的應用前景    下一篇 :  caffeine處理過的免疫細胞對抑郁癥的影響
網(wǎng)站首頁 公司簡介 產品中心 招聘中心 技術支持 企業(yè)動態(tài) 聯(lián)系我們 管理登陸
地址:北京市朝陽區(qū)廣順北大街33號院6號樓507
GoogleSitemap 京ICP備13052109號-3
諾達思
  • 電話/傳真

    86-10-84852246

在線客服
亚洲精品偷拍视频免费观看| 亚洲熟妇av一区二区三区色堂| 日本一区不卡在线观看| 国产午夜福利在线观看精品| 欧美人妻盗摄日韩偷拍| 亚洲欧美日本成人在线| 粉嫩国产一区二区三区在线| 国产香蕉国产精品偷在线观看 | 国产亚洲精品香蕉视频播放| 日韩欧美国产亚洲一区| 欧美日韩国产的另类视频| 欧美乱视频一区二区三区| 日韩欧美三级视频在线| 欧美精品二区中文乱码字幕高清 | 久久亚洲国产视频三级黄| 午夜精品麻豆视频91| 国产亚洲欧美日韩国亚语| 一区二区三区精品人妻| 亚洲一区二区欧美在线| 国产精品亚洲综合色区韩国| 欧美精品一区二区三区白虎| 人妻精品一区二区三区视频免精| 成年人免费看国产视频| 91精品国自产拍老熟女露脸| 成在线人免费视频一区二区| 人妻久久这里只有精品| 亚洲成人免费天堂诱惑| 日本熟女中文字幕一区| 激情五月天深爱丁香婷婷| 国产免费无遮挡精品视频| 热久久这里只有精品视频| 亚洲国产香蕉视频在线观看| 欧美日韩精品综合在线| 国产专区亚洲专区久久| 激情中文字幕在线观看 | 黄色片一区二区三区高清| 国产成人精品资源在线观看| 久久精品中文字幕人妻中文| 精品精品国产欧美在线| 激情亚洲一区国产精品久久| 国产又色又粗又黄又爽|