研究 · 驗證 · 公開方法

SomniSense 背後的研究

睡眠呼吸暫停檢測 App SomniSense,以我們的自研聲音分析研究為基礎,使用 80 個夜晚中與臨床睡眠檢查(PSG)判讀標註配對的錄音。以下介紹我們研究了什麼、發現了什麼。想了解研究結果,以及這些結果對自己的報告有何意義,請閱讀準確性說明。

80
與 PSG 配對的夜間記錄
40 位參與者 · 10 個實驗室內 + 70 個居家
13,538
1 秒鼾聲片段
鼾聲分類任務
2,953
200 秒呼吸片段
獨立的呼吸分類任務
88.49%
200 秒呼吸音訊片段分類準確率
單一 seed 壓縮模型評估
4
公開預印本
一篇整合論文與三篇配套論文

我們想測試什麼

我們想了解的是:在與 PSG 參考標註配對的記錄中,手機麥克風模型能多準確地分類已標註的 1 秒鼾聲片段與 200 秒呼吸音訊窗口?

驗證研究

偵測表現以睡眠記錄的臨床參照——實驗室內與居家多導睡眠檢查(PSG)——衡量;在這些夜晚,手機與 PSG 配置記錄的是同一個人、同一晚、同一時間。

  • 樣本。40 名參與者的 80 個配對夜晚:10 個實驗室 PSG 夜晚,以及 70 個使用鼻氣流導管的居家 PSG 夜晚。參與者皆為成人,包含已診斷與未診斷睡眠呼吸問題者。這個群體不代表所有年齡、體型或人口特徵;未滿 18 歲及部分其他族群的代表性不足,不能將結果推廣到所有人。
  • 錄音裝置。研究使用一般智慧型手機與平板電腦的麥克風,在不同房間和環境噪音條件下收音,也包含參與者家中的睡眠環境。
  • 臨床參考資料。 錄音與 PSG 睡眠檢查的判讀標註相互配對,讓研究能將聲音模式與臨床參考資料比較。

準確率指南將每項鼾聲片段和呼吸窗口的結果,放在它實際回答的問題旁說明。

讓研究與自己的一夜連結

我們自行開發聲音分析演算法。透過配對記錄,可以研究日常裝置錄到的聲音模式,與臨床睡眠檢查標註之間的關係。

壓縮模型研究在有標註的 200 秒呼吸片段分類中,單一 seed 評估準確率為 88.49%。鼾聲研究對 1 秒聲音樣本的分類準確率為 94.29%。各項結果對應各自的研究任務,論文提供完整方法與結果。

在 SomniSense 裡,這項研究支撐了一份可以親自查看的記錄:找到標記時刻、查看波形,並回聽前後的聲音。研究百分比描述的是所測任務,不是個人診斷,也不是你那一晚每個標記的準確率。如果你是因為症狀來到這裡,下方指南會說明何時應尋求適當的醫療評估。

我們的裝置端聲音分析成果已提出 3 項美國臨時專利申請。方法與結果可在論文中查閱。

論文

我們在 Research Square 公開的整合論文,整合並延伸了先前的聲音分析研究。下列三篇配套論文則公開於 Zenodo。這四篇公開預印本提供研究方法與結果;它們不是已經同儕審查的期刊論文。

  1. A Two-Stage Audio Cascade with Coordinate Attention for On-Device Snore and Sleep Apnea Detection

    主研究整合了我們先前的聲音偵測方法與注意力模型。相關論文詳述參考基線和注意力模型的評估,另有壓縮研究探討裝置端部署。這些是彼此相關的研究,不是四組獨立臨床樣本。

    Yang L.(SomniAI LLC)· Research Square · 第 1 版,2026 年 7 月 3 日 · doi:10.21203/rs.3.rs-10154077/v1

  2. A Cascaded Two-Stage CNN Pipeline for Audio-Based Snore and Sleep Apnea Detection on Smartphones: Reference Baselines with Multi-Seed Validation

    評估以睡眠音訊分析,辨識與 PSG 配對錄音中的鼾聲與呼吸異常。

    Yang L. (SomniAI LLC) · Zenodo · doi:10.5281/zenodo.20662374

  3. Coordinate Attention for 1D Audio-Based Sleep Apnea Detection: A Multi-Seed Empirical Study on Smartphone-Deployable Architectures

    探討從睡眠音訊辨識呼吸異常的方法。所評估的任務與結果可在論文中查閱。

    Yang L. (SomniAI LLC) · Zenodo · doi:10.5281/zenodo.20663376

  4. Compression Pipeline for Sub-Millisecond Sleep Apnea Detection on Mobile Neural Engines

    研究以手機進行呼吸分析,並報告所評估呼吸音訊任務的結果。

    Yang L. (SomniAI LLC) · Zenodo · doi:10.5281/zenodo.20663768

在這些研究的基礎上,SomniAI 認為,與更多診所和使用者合作,是長期研究的重要方向。

因為症狀而讀到這裡?

如果你是因為某個症狀而來到這裡,可以先閱讀符合你所注意到情況的指南。

先看研究結果,再看看自己的一夜。

用你的相容手機開始,看看自己的夜晚有哪些標記。報告將時間、波形與錄下的聲音放在一起,方便你回頭查看。

將手機放在床邊,睡醒後查看自己的夜間記錄。

首份完整呼吸異常報告免費查看,之後也能隨時免費回看。

這一晚還沒形成有效報告?下次可以繼續免費檢測。

到 App Store 下載到 Google Play 下載

錄音與分析持續免費。Pro 可解鎖後續夜晚的完整呼吸異常報告;鼾聲功能持續免費。

查看完整準確度拆解 →

音訊與波形儲存在你的手機上。檔案刪除或自動清理後,無法恢復這些檔案,也無法再回聽該錄音。 音訊與波形保留規則 ↗