成果介绍
本成果面向睡眠障碍筛查与长期管理难题,提出“毫米波雷达+大规模呼吸信号预训练+迁移学习”的非接触睡眠感知新路线,突破传统 PSG/HSAT 需佩戴、依从性差与基层难普及的瓶颈,自主研发 ResSleepNet 模型与云端远程管理平台,实现居家/医院场景的睡眠分期与呼吸障碍(AHI)风险评估闭环。模型以 15,785 晚呼吸数据预训练,采用多任务对抗学习与小样本迁移,显著提升雷达场景精度;平台支持无感采集、云端分析、医生端报告与疗效评估,已在多中心临床随访中完成病例记录(如 CPAP 治疗前后 AHI 显著降低),具备标准化接口与 SDK,便于与医院信息系统及企业设备对接。与同类产品相比,平台在非接触舒适性、模型泛化能力、临床可解释与远程管理能力方面具有显著优势,可服务于医院、基层社区、康养机构与家庭用户,支撑睡眠健康服务的普惠化与规模化应用。
成果亮点
(1) 睡眠监测:基于毫米波雷达的四阶段睡眠分期(清醒期-浅度睡眠期-深度睡眠期-快速眼动睡眠期)准确率≥75%,AHI 评估一致性 ICC≥0.85;
(2) 雷达参数:工作频段 58~62GHz/24~24.025GHz,典型监测距离 0.3~2.5m(无遮挡、单人卧位);呼吸率 MAE≤1 次/分,心率 MAE≤3 次/分;
(3) 管理平台:单实例并发≥500 终端,吞吐≥2000 晚/日;云端分析端到端延迟≤30s,支持整夜连续监测≥10h,本地缓存 24h、断点续传。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料