*仅供医学专业人士阅读参考
睡觉也能做体检？一文读懂睡眠监测的现状和未来
整理：周晗
【作者简介】
吴惠涓，主任医师，副教授，硕士研究生导师。担任海军军医大学第二附属医院神经内科副主任。现任中国睡眠研究会常务理事，中国医师协会睡眠医学专业委员会常务委员，中华医学会神经病学分会睡眠障碍学组副组长，上海市医师协会睡眠医学专业委员会副会长。
陈晨，副研究员，博士研究生导师。复旦大学人类表型组研究院生物电睡眠平台PI。
erwer
本文来源
上海医学2025年第48卷第12期739-742页
引用本文
中文：吴惠涓，陈晨，睡眠监测技术的现状与未来[J].上海医学，2025，48（12）：739-342.
英文：WU H J.CHEN C.Sleep monitoring technology: current situation and future[J].SMJ,2025,48(12):739-342.
DOI:10.19842/j.cnki.issn.0253-9934.2025.12.002
摘要
睡眠对健康至关重要，但全球约45%人口受睡眠障碍困扰。传统的多导睡眠图（PSG）虽为诊断金标准，却受限于场地、舒适度及成本；家庭睡眠呼吸暂停监测（HSAT）虽便捷，但功能单一。近年来，可穿戴设备（如体动记录仪、光电容积描记手环）、非接触式技术（毫米波雷达、智能床垫）及AI算法兴起，通过多模态传感与深度学习提升监测精度，弥补传统局限。未来，随着传感器与AI优化，睡眠监测将更智能、普惠，助力精准健康管理。
关键词
睡眠监测；多导睡眠图；可穿戴设备；非接触式技术；人工智能
睡眠是人类生命活动的重要组成部分，约占人生的1/3时间。良好的睡眠质量对维持身心健康至关重要。然而，随着社会快速发展，睡眠障碍正成为一个普遍且危害健康的问题。2025年，中国睡眠研究会发布的睡眠健康报告显示，48.5%中国18岁及以上人群存在不同程度的睡眠问题，包括失眠、阻塞性睡眠呼吸暂停综合征（obstructive sleep apnea，OSA）、不宁腿综合征（restless legs syndrome，RLS）、快速眼动睡眠行为障碍（rapid- eye- movement sleep behavior disorder，RBD）等。传统的睡眠监测方法虽然准确，但存在诸多局限。近年来，随着传感器、AI、物联网（internet of things，IoT）等技术的快速发展，睡眠监测领域正经历全面变革。因此，准确、及时地评估和诊断睡眠障碍具有重要意义。
1.传统睡眠监测技术
1.1 多导睡眠图（polysomnography，PSG）PSG是一种全面记录睡眠过程中多项生物变化和生理活动的监测技术，被视为睡眠障碍诊断的“金标准”，广泛应用于临床与科研[1]。其通过监测夜间睡眠期间的脑电图（electroencephalogram，EEG）、眼电图、肌电图、心电图（electrocardiography，ECG）、血氧饱和度、呼吸气流和胸腹运动等多项生理参数，帮助临床医师客观评估检测者的睡眠结构、效率和分期，并判断是否存在睡眠呼吸暂停、异常呼吸模式、周期性肢体运动等问题[2]。
根据PSG中的脑电信号和眼球运动变化，睡眠可分为非快速眼动睡眠（non- rapid eye movement，NREM）和快速眼动睡眠（rapid eye movement sleep，REM）。PSG适用于多种睡眠障碍的辅助诊断[1-2]，包括：鉴别失眠类型与评估其严重程度；评估REM睡眠期间的异常行为和肌肉活动，辅助诊断异态睡眠；分析夜间肢体运动，辅助诊断周期性肢体运动障碍；通过多次睡眠潜伏期试验辅助诊断发作性睡病；辅助诊断OSA和中枢性睡眠呼吸暂停（central sleep apnea，CSA），并对其严重程度进行分级；辅助诊断与鉴别其他睡眠障碍、睡眠相关癫痫等疾病。
然而，PSG也存在明显不足：受场地限制，必须在专业睡眠实验室进行；需在患者头部、面部、胸部等部位粘贴多个电极，显著影响睡眠舒适度；因“首夜效应”无法反映日常睡眠状态；设备价格昂贵，检查费用高；数据分析复杂，需要专业技术人员耗时2~3h进行逐顿人工判读[3]。
1.2 家庭睡眠呼吸暂停监测（home sleep apnea test，HSAT）随着监测技术的进步与OSA患者诊疗需求的增长，采用不同种类生物信号采集技术的HSAT设备在临床上得到日益广泛的应用[4]。HSAT设备通常仅监测呼吸、血氧和心率等有限参数，可用于居家或在医疗照护机构进行客观OSA筛查，具有便捷、舒适、可及性高及监测费用低的优点。但其无法分析睡眠结构，对睡眠呼吸障碍存在一定的漏诊率，且无法鉴别CSA与阻塞性睡眠呼吸暂停等。
2.可穿戴设备技术
2.1 体动记录仪 体动记录仪是一种腕戴式设备，通过监测肢体活动间接评估睡眠-觉醒状态。该设备通过三轴加速度传感器记录肢体活动，基于“活动-休息”原理间接评估使用者的睡眠-觉醒状态。其具有成本低、干扰小、可长期连续监测等优势，适用于失眠症、昼夜节律紊乱等睡眠障碍的评估，尤其适合需要大数据分析的长期睡眠质量研究。但该设备也存在局限性，包括无法进行标准睡眠分期，无法提供OSA的诊断依据等[5]。
2.2 光电容积描记术（photoplethysmography，PPG）设备 PPG通过发光二极管（light emitting diode，LED）光源照射皮肤（通常为手腕或指尖），检测血液流动引起的透射光或反射光变化，从而推算心率、血氧饱和度和呼吸频率等参数[6]。目前主流的穿戴产品（如华为手环、小米手环、AppleWatch等）均采用PPG技术结合惯性测量单元（inertial measurement unit，IMU）的方式，为睡眠质量评估、OSA筛查提供了经济、便捷的方案。然而，PPG信号易受运动伪影、环境光，以及用户个体差异（如皮肤颜色、毛发或纹身）等因素的干扰，导致睡眠分期精度受限。
2.3 智能睡眠监测发带或额贴 此类设备通过在头部布置脑电电极采集连续脑电信号，进而实现对睡眠结构的精准监测[7]。主流产品常采用脑电信号结合PPG、IMU等其他传感器进行整夜睡眠的评估。需要注意的是，目前发带或额贴的脑电信号多为前额单通道，其信号质量易受电极类型（干或湿电极）、接触稳定性、用户个体差异（皮肤油脂等）等因素影响。尽管如此，由于该类设备可直接获取脑电信号，在睡眠分期（如深睡眠、REM睡眠识别）和睡眠质量评估方面相比仅依赖心率、体动的设备仍具有显著优势。随着柔性材料、制备工艺的发展，这类设备在居家环境下的睡眠监测可靠性和舒适性正逐步提升，有望为睡眠健康管理提供更舒适、便捷的解决方案。
2.4 多功能智能睡衣 此类设备通过在织物中嵌入传感器（如柔性电极、导电纤维或纱线），采集心电、呼吸、体动等生理信号，进而实现对睡眠质量及相关生命体征的评估。目前，主流产品多采用多模态传感方案（如ECG+PPG+IMU）以提升数据可靠性，并通过无线传输实现实时监测。然而，其信号质量易受睡衣与皮肤的贴合度、夜间翻身摩擦、织物洗涤损耗和环境温湿度变化等因素干扰。未来仍需从实际应用的角度优化，包括柔性材料的选择、柔性传感材料的生物兼容性、动态信号抗干扰算法及无感化穿戴设计等，以提升其在连续使用中的精准性与舒适性。
3.非接触式睡眠监测设备
3.1 毫米波雷达系统 毫米波雷达系统采用调频连续波（FMCW）雷达技术，通过发射电磁波并接收反射信号，解算后得到人体的相关生命体征信号，包括胸腔运动（呼吸频率）、心跳引起的微动（心率）、肢体活动（睡眠体位变化），进而分析睡眠结构[8]。与PPG技术相比，毫米波雷达的优势在于其具备穿透覆盖物（如被子）的能力，且不受环境光、皮肤特性（如肤色、纹身等）的影响。目前，该技术已逐步应用于智能家居，但其成本较高，且对安装位置要求较高，以及对雷达信号处理和解析算法的精度要求较严格，仍需进一步优化以提升其可用性。
3.2 智能传感床垫 基于压电传感和电容耦合的智能床垫技术为无接触式睡眠监测提供了创新解决方案。压电床垫通过嵌入高灵敏度压电薄膜或光纤传感器，将人体压力变化转化为电信号，以监测心率、呼吸频率等生理参数[9]；而电容耦合床垫则采用柔性银织物传感器，通过非接触方式检测心脏电活动，获取心率变异性等数据。相较于传统穿戴式设备（如心电贴片、智能手环），上述两种技术具有显著优势，用户可在自然睡眠状态下实现无感化监测，尤其适合长期健康管理、老年护理等场景。然而，这两类技术均面临信号干扰的挑战：压电信号易受睡姿与床垫软硬度影响，电容耦合信号则对衣物材质和环境电磁干扰敏感。未来，通过智能算法优化（如动态噪声抑制）和多传感器融合策略（结合压阻等传感器），有望提升系统鲁棒性，推动该技术在智慧家居和医疗健康领域的广泛应用。
3.3 基于红外摄像头的睡眠监测 基于红外成像技术的智能睡眠监测系统采用光电容积描记原理，通过捕捉皮肤反射光强度的周期性变化，实现非接触式的心率、呼吸频率及体动监测[10]。红外成像具备在暗光环境下工作的能力，不受可见光干扰；且该系统无需佩戴传感器，可实现完全自然的无干扰监测，尤其适合家庭长期睡眠评估和婴幼儿监护等场景。然而，其监测精度受环境温度、皮肤特性及身体移动等因素影响。未来通过结合深度学习算法和多模态传感器融合，有望进一步提升该系统的准确性和可靠性，从而推动其在居家健康监测领域的广泛应用。
4.AI与大数据分析
近年来，深度学习技术在自动睡眠分期领域取得显著进展。研究者通过卷积神经网络（CNN）、长短期记忆网络（LSTM）等神经网络，实现了端到端的睡眠阶段分类：通过卷积网络自动提取EEG等生理信号的特征，利用循环神经网络（RNN）捕捉睡眠阶段的时序关系，再经残差连接融合特征后由Softmax分类器输出结果[11]。相较于传统方法，深度学习在特征提取和时序建模方面具有明显优势，能同时捕捉信号的形态特征（如波形细节）和时间序列模式，显著提升了分期准确率。然而，现有方法仍存在三大局限：一是模型严重依赖训练数据库，泛化能力不足；二是过度追求准确率指标，对临床实际需求考虑不足；三是缺乏可解释性，难以满足医疗场景对决策透明度和患者个体差异的要求。未来研究需在模型泛化性、临床适用性和可解释性等方面取得突破，才能真正推动该技术走向临床应用。
5.总结
时代的齿轮悄然转动，睡眠监测技术正跨越过医院的围墙，走进千家万户的卧室，也改变了人们理解睡眠的方式。新兴技术虽然尚未完全取代PSG，但在疾病筛查、长期健康管理和个性化干预方面展现出强劲潜力。未来，随着传感器技术创新、AI算法优化和医疗监管体系的完善，睡眠监测将实现真正的智能化、个性化和普及化。医疗机构与科研机构应加强协同，以临床需求驱动技术创新，加速睡眠监测技术的临床转化，为患者提供更精准、普惠的睡眠健康解决方案。
利益冲突所有作者均声明不存在利益冲突
《上海医学》杂志创刊于1978年，是由上海市卫生健康委员会主管、上海市医学会主办、国内外公开发行的医药卫生类综合性学术刊物。为中国科技核心期刊（中国科技论文统计源期刊）、中国科技期刊卓越行动计划（二期）集群化试点项目、中国科协高质量科技期刊分级目录临床医学领域入选期刊、《复旦大学学位与研究生教育国内期刊指导目录》A类期刊、CACJ中国应用型期刊、中国科学评价研究中心（RCCSE）来源期刊、中国生物医学文献数据库（CBM）来源期刊、美国化学文摘（CA）来源期刊、日本科学技术振兴机构数据库（JST）来源期刊、中国学术期刊网络出版总库全文收录期刊、中国学术期刊数据库全文收录期刊、中文科技期刊数据库全文收录期刊。
本刊设有院士论坛、共识与指南、述评、专家笔谈、创新论坛、青年学术论坛、专题研究、临床研究、论著、短篇论著、卫生管理、MDT病例讨论、病例报告、综述、会议纪要等栏目，介绍上海医学科技奖获奖项目。杂志每年开设各重点学科的专辑或专题，并举办“春蕾杯”年度优秀科研论文和优秀病例报告评比活动，遴选青年才俊担任审稿人并培养为青年编委。本刊对于具有较高创新水平和科学价值、聚焦于国家重大战略的稿件，开设绿色通道，可予以优先发表。欢迎您订阅与投稿。
官方网站：http://www.smasmj.com
编辑部地址：上海市北京西路1623号
邮政编码：200040
联系电话：021-62178606
官方邮箱：smasmj@shsma.org.cn
参考文献：
[1]BOULOS M I, JAIRAM T, KENDZERSKA T, et al. Normal polysomnography parameters in healthy adults: a systematic review and meta-analysis [J]. Lancet Respir Med, 2019, 7(6): 533- 543. DOI: 10.1016/S2213- 2600 (19)30057- 8.
[2]BERRY R B, BROOKS R, GAMALDO C, et al. AASM scoring manual updates for 2017 (version 2.4) [J]. J Clin Sleep Med, 2017, 13(5): 665-666. DOI: 10.5664/jcsm. 6576.
[3]PENDHARKAR S R, KAAMBWA B, KAPUR V K. The cost-effectiveness of sleep apnea management: a critical evaluation of the impact of therapy on health care costs[J]. Chest, 2024, 166(3): 612-621. DOI: 10.1016/j.chest. 2024.04.024.
[4]KAPOOR M, GREENOUGH G. Home sleep tests for obstructive sleep apnea (OSA)[J]. J Am Board Fam Med, 2015, 28(4): 504-509. DOI: 10.3122/jabfm.2015.04. 140266.
[5]LEE T, CHO Y, CHA K S, et al. Accuracy of 11 wearable,neurable, and airable consumer sleep trackers; prospective multicenter validation study [J/OL]. JMIR Mhealth Uhealth, 2023, 11: e50983[2025-11-20]. https:// doi.org/10.2196/50983.
[6]YILMAZ G, ONG J L, LING L, et al. Insights into vascular physiology from sleep photoplethysmography [J/ OL]. Sleep, 2023, 46(10): zsad172[2025-11-20]. https:// doi.org/10.1093/sleep/zsad172.
[7]WANG Z, DING Y, CHEN H, et al. A novel multi-modal flexible headband system for sleep monitoring [J]. Bioengineering (Basel), 2025, 12(10): 1103. DOI: 10. 3390/bioengineering12101103.
[8]ZHAO H, DING C, XUE B, et al. Radar-based non-contact obstructive apnea and hypopnea event detection using quadrature- temporal point clouds with modified PointNet [J]. IEEE Sensors Journal, 2024, 25(13): 23229-23240. DOI: 10.1109/JSEN.2024.3457547.
[9]LI W, SUN C, CHEN C, et al. Unobtrusive monitoring ofcardiorespiratorysignalsduringsleepbasedonPVDFsensorandsingularspectrumanalysis[C]//2018IEEEInternationalInstrumentationandMeasurementTechnologyConference(I2MTC).IEEE,2018:1-6.
[10]CHEN Q，WANG Y，LIU X，et al.Camerabased-heartrateestimationforhospitalizednewbornsinthepresenceofmotionartifacts[J].BiomedEngOnline，2021，20(1)：122.DOI：10.1186/s12938-021-00958-5.
[11]ZHU H，ZHOU W，FU C，et al.MaskSleepNet：across-modalityadaptationneuralnetworkforheterogeneoussignalsprocessinginsleepstaging[J].IEEEJBiomedHealthInform，2023，27(5)：2353-2364.DOI：10.1109/JBHI.2023.3253728.
审核专家：吴惠涓教授 海军军医大学第二附属医院
责任编辑：老豆芽
*"医学界"力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。
热门跟贴