SomniSense를 뒷받침하는 연구.

검증하고자 한 것

벤치마크 질문은 의도적으로 좁습니다. PSG 참조 기록에서 휴대전화 마이크 모델은 라벨이 지정된 1초 코골이 구간과 라벨이 지정된 200초 호흡 구간을 얼마나 정확하게 분류할 수 있는가?

휴대전화가 PSG를 대체하는지는 묻지 않으며, 야간 BRI, 이벤트 경계, 지속 시간 또는 진단도 검증하지 않습니다. 아래 내용은 모두 평가한 두 분류 과업과 그 한계를 설명합니다.

검증 연구

감지 성능은 수면 기록의 임상 참조인 실험실 및 이동형 수면다원검사(PSG)와 비교해 측정했습니다. 휴대전화와 PSG 장비가 같은 사람을 같은 날 밤 같은 시간에 기록한 밤을 사용했습니다.

• 표본. 40명 참여자의 짝지은 야간 기록 80개 — 실험실 PSG 10개와 비강 기류 캐뉼라를 사용한 이동형 PSG 70개입니다. 수면 호흡 문제를 진단받은 성인과 그렇지 않은 성인을 포함합니다. 정직한 공개를 위해 대표성이 부족한 집단(18세 미만, BMI 극단값, 일부 인구 집단)을 명시하고 큰 집계 수치 뒤에 숨기지 않습니다.
• 녹음 매체. 일반적인 침대 옆 스마트폰(2018년 이후의 여러 iPhone 및 Android 모델)을 참여자의 머리에서 50–90 cm 떨어진 곳에 놓았습니다. 실험실 장비가 아닙니다. 사용자가 실제로 가진 것으로 시험하는 것이 목적이었습니다.
• 정답 기준. PSG 오디오는 AASM 교육을 받은 수면 기사가 채점했고, 각 구간에 대한 SomniSense 판단은 공개되지 않았습니다. 맹검 채점은 시험의 순환을 막습니다. 채점자가 우리 답을 먼저 볼 수 없습니다.
• 프로덕션 출력 경계. 이벤트 경계, 지속 시간, 유형 라벨, 야간 BRI, 개인 추세는 제품 출력입니다. 출력별 분석이 필요하며 공개된 구간 벤치마크의 정확도를 물려받지 않습니다.

코골이 구간 지표, 호흡 구간 지표와 bootstrap 범위를 수치별로 모두 나눈 내용은 각 수치를 면밀히 살피려는 사용자를 위해 /accuracy에 정리했습니다.

시스템이 실제로 작동하는 방식

SomniSense는 하나의 모델이 아니라 두 모델의 계단식 구조입니다. 이 구조가 제가 가장 자랑스러운 부분입니다. 실시간 수면 모델을 데이터 센터가 아닌 휴대전화에 들어갈 만큼 작게 만들기 때문입니다.

• 1단계 — 짧은 구간 청취기. 작은 CNN이 오디오를 한 번에 1초씩 살펴보며 한 가지만 묻습니다. 방금 소리가 코골이였는가? 이를 밤새 매초 수행합니다.
• 2단계 — 긴 구간 판독기. 매초 얻은 답과 간단한 음량 특성 두 개를 소형 200 × 3 격자로 구성합니다. 밤의 200초 구간을 약 600개 숫자로 설명한 것입니다. 두 번째 CNN이 이 격자를 읽고 해당 구간에 호흡 불규칙성이 있었는지 판단합니다.

핵심은 중간 격자입니다. 대부분의 오디오 모델은 구간마다 수 MB인 무거운 스펙트로그램을 들고 다닙니다. 두 번째 단계가 보기 전에 각 구간을 약 600개 숫자로 압축하면 전체 파이프라인이 60 KB 미만으로 줄고 Apple Neural Engine에서 0.064 ms에 실행됩니다. 이것이 ‘온디바이스, 클라우드 없음’을 내부에서 실현하는 방식입니다.

계단식 구조, 압축, 게이팅, 개인정보 보호 추론 아키텍처 등 일부 온디바이스 시스템 세부 사항은 SomniAI LLC가 출원한 미국 임시 특허 출원에 포함됩니다. 해당 출원은 심사 중이며 실체 심사를 거치지 않았습니다. 출원 상태는 벤치마크, 임상 결과 또는 진단을 검증하지 않습니다.

논문

전체 2단계 계단식 구조는 인용 가능한 DOI가 있는 Research Square 프리프린트 한 편으로 작성했습니다. 그 아래에서 세 편의 연계 프리프린트가 각 부분을 완전히 기록하며, 각자 DOI와 함께 Zenodo에 공개되어 있습니다(분류 cs.LG 및 eess.AS). 어느 것도 동료 심사를 받지 않았으므로 학술지 인증 논문이 아니라 프리프린트라고 부릅니다. DOI 링크는 아래에 있습니다.

1. Paper A — 스마트폰 수면 오디오 감지를 위한 계단식 2단계 CNN 파이프라인

   두 CNN 기준선과 계단식 구조를 다중 시드 bootstrap으로 검증해 수치가 한 번의 운 좋은 분할에 의존하지 않도록 했습니다.

   Yang L. (SomniAI LLC) · cs.LG, eess.AS · Zenodo · doi:10.5281/zenodo.20662374

2. Paper C — 1D 오디오 기반 수면 무호흡 감지를 위한 Coordinate Attention

   호흡 이벤트 단계용 1차원 Coordinate-Attention 설계로, 일반 기준선보다 매개변수를 93% 줄였으며 여러 시드에서 연구했습니다.

   Yang L. (SomniAI LLC) · cs.LG, eess.AS · Zenodo · doi:10.5281/zenodo.20663376

3. Paper E — 수면 무호흡 감지를 위한 온디바이스 압축

   연구 규모 네트워크를 실제 배포되는 60 KB 미만 버전으로 정확도 손실 없이 줄이는 방법입니다. 양자화 인식 학습과 구조적 가지치기를 사용합니다.

   Yang L. (SomniAI LLC) · cs.LG, eess.AS · Zenodo · doi:10.5281/zenodo.20663768

동료 심사 전에 프리프린트를 내는 이유

동료 심사는 수개월이 걸립니다. 기다린다면 그동안 확인할 구체적인 자료를 아무것도 드리지 못합니다. 그래서 방법론을 지금 공개 프리프린트로 내놓아 읽고 반박할 수 있게 했고, 정식 심사를 받지 않았다는 점을 명확히 밝혔습니다. 상태가 바뀌면 이 페이지도 바꾸고 무엇이 달라졌는지 설명하겠습니다.

이 연구가 의미하는 것과 의미하지 않는 것

검증은 두 가지 PSG 참조 음향 과업의 분류 성능을 보고합니다. 웰니스 앱을 의료 기기로 바꾸거나 모든 프로덕션 출력으로 자동 확장하지 않습니다.

• 진단이 아닙니다. SomniSense는 마이크 오디오에서 제품이 정의한 Breathing Irregularity Index(BRI)를 보고합니다. BRI는 임상 AHI가 아니며 폐쇄성 수면 무호흡을 진단하지 않습니다.
• 수면 검사를 대신하지 않습니다. 진단에는 자격을 갖춘 임상의와 적절한 임상 검사가 필요합니다. 목격된 호흡 멈춤, 헐떡임 또는 지속적인 주간 졸림 같은 증상이 전문가와 상의할 이유이지 앱의 임계값이 이유는 아닙니다.
• 18세 미만에서는 검증되지 않았습니다. 코호트는 성인만 포함했습니다.

증상 때문에 읽고 계신가요?

연구는 증거의 층입니다. 실제로 겪는 일 때문에 여기 왔다면 다음 페이지는 방법 대신 증상에서 시작합니다.

• → 헐떡이며 깨어남
• → 8시간 자도 피곤함
• → 심한 코골이