昨晚你睡得好嗎？
一個(gè)良好的睡眠會(huì)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(guān)注自己的睡眠狀況，并想要尋求更加科學(xué)且便捷的評(píng)估方法。迄今為止，有多種評(píng)估睡眠質(zhì)量的方法，但多是需要去到專業(yè)的醫(yī)療機(jī)構(gòu)，使用復(fù)雜的設(shè)備儀器進(jìn)行全方面的測(cè)評(píng)。
那么，是否有對(duì)家庭或個(gè)人而言更加簡單便捷的睡眠質(zhì)量評(píng)估工具，以方便我們?cè)谌粘１O(jiān)測(cè)睡眠質(zhì)量呢？
一項(xiàng)由成都醫(yī)學(xué)院公共衛(wèi)生學(xué)院、成都市第五人民醫(yī)院心身內(nèi)科等多家醫(yī)院研究所共同參與的研究，就將睡眠質(zhì)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(jié)合進(jìn)行探究，為睡眠質(zhì)量的評(píng)估方法帶來新的思考路徑(Cao et al.，2023)。
睡覺很簡單，但質(zhì)量很重要
睡眠對(duì)人體非常重要，它是身體的一個(gè)活躍過程，有助于恢復(fù)精神，緩解疲勞。睡眠不足會(huì)影響大腦的記憶能力。
隨著社會(huì)競爭壓力的增大，人們的睡眠質(zhì)量迅速下降，睡眠剝奪帶來的各種健康挑戰(zhàn)或健康風(fēng)險(xiǎn)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(xiàng)美國調(diào)查顯示，夜間睡眠質(zhì)量低的人群中，有38%主要是因?yàn)橐钟艉徒箲]。此外，家庭壓力、工作焦慮和經(jīng)濟(jì)壓力也會(huì)導(dǎo)致睡眠障礙。
睡眠質(zhì)量差是一種相對(duì)常見的影響內(nèi)分泌、免疫和神經(jīng)系統(tǒng)的疾病，對(duì)睡眠質(zhì)量的重要性及其與發(fā)病率關(guān)系的值得關(guān)注與討論。
如何評(píng)估睡眠質(zhì)量？
目前臨床上主要的睡眠質(zhì)量評(píng)估工具包括多種，如多導(dǎo)睡眠監(jiān)測(cè) (PSG)、腦電圖(EEG)、量表測(cè)評(píng)等。
多導(dǎo)睡眠監(jiān)測(cè)是臨床指南推薦的一種基本睡眠障礙檢測(cè)方法。利用各睡眠時(shí)段PSG的變化規(guī)律，對(duì)評(píng)估睡眠質(zhì)量和識(shí)別睡眠障礙具有基礎(chǔ)性作用。但多導(dǎo)睡眠監(jiān)護(hù)儀價(jià)格昂貴，操作復(fù)雜，不適合家庭使用。
測(cè)量睡眠質(zhì)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(qiáng)，缺乏具體的、可量化的、客觀有效的評(píng)價(jià)指標(biāo)等問題，難以應(yīng)對(duì)更加深入的研究。
因此，研究簡單便捷的睡眠質(zhì)量評(píng)估工具對(duì)于家庭或個(gè)人監(jiān)測(cè)睡眠質(zhì)量，從而改善睡眠質(zhì)量，促進(jìn)身體健康至關(guān)重要。
睡眠行為，反映更真實(shí)的睡眠狀態(tài)
人體的基本運(yùn)動(dòng)是在大腦皮層的統(tǒng)一控制下完成的。過度的睡眠運(yùn)動(dòng)和行為被認(rèn)為是由大腦皮層的興奮或活動(dòng)引起的，這也可能導(dǎo)致深度睡眠時(shí)間的相對(duì)減少。
過往研究中，睡眠行為主要以睡眠習(xí)慣和睡眠姿勢(shì)劃分，未對(duì)睡眠過程中自發(fā)的身體行為進(jìn)行分類分析。監(jiān)測(cè)睡眠行為的內(nèi)容包括身體運(yùn)動(dòng)和肌肉震顫等，數(shù)據(jù)采集主要基于多導(dǎo)睡眠監(jiān)測(cè) (PSG)，通過佩戴儀器進(jìn)行，但這也存在睡眠過程中因佩戴儀器產(chǎn)生不適的問題；此外，環(huán)境變化也容易引起應(yīng)激反應(yīng)，測(cè)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(guān)的數(shù)據(jù)則可以更好地反映真實(shí)的睡眠狀態(tài)。
因此，本研究使用了基于行為監(jiān)測(cè)與分析的專業(yè)行為學(xué)研究軟件：行為觀察記錄系統(tǒng) (The Observer XT) 和面部表情分析系統(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(guān)系的目標(biāo)，分析開發(fā)客觀反映睡眠質(zhì)量評(píng)價(jià)系統(tǒng)的可行性。
實(shí)驗(yàn)過程
研究為個(gè)案研究，以三個(gè)標(biāo)準(zhǔn)選取被試：
(1)睡眠規(guī)律(匹茲堡睡眠質(zhì)量指數(shù)評(píng)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(jìn)行實(shí)驗(yàn)測(cè)試。采集其7 小時(shí)(00:00-07:00)睡眠時(shí)的睡眠行為、面部表情以及睡眠EEG數(shù)據(jù)。
實(shí)驗(yàn)室設(shè)置：
睡眠實(shí)驗(yàn)室被設(shè)置在28℉，以確保被試不會(huì)因?yàn)闇囟炔贿m而遮蓋自己的身體和面部。
安裝三角紅外攝像機(jī)，分別從上方、左側(cè)和右側(cè)記錄面部表情。根據(jù)以往的數(shù)據(jù)分析經(jīng)驗(yàn)，攝像機(jī)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(cè)與分析：
腦電數(shù)據(jù)主要采集符合美國睡眠醫(yī)學(xué)學(xué)會(huì)（AASM）標(biāo)準(zhǔn)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(cè)編碼：
利用行為觀察記錄分析系統(tǒng)(The Observer XT) 對(duì)睡眠中發(fā)生的行為進(jìn)行行為編碼分析，將睡眠行為分為7種，包括面部運(yùn)動(dòng)、左手運(yùn)動(dòng)、右手運(yùn)動(dòng)、身體運(yùn)動(dòng)、頭部運(yùn)動(dòng)、其他運(yùn)動(dòng)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(gè)片段持續(xù)30分鐘，并將三個(gè)角度的面部表情視頻進(jìn)行整合。使用面部表情分析系統(tǒng) (FaceReader) 分析睡眠時(shí)的面部表情。系統(tǒng)自動(dòng)對(duì)面部動(dòng)作單元（AU）進(jìn)行編碼，確定面部表情情緒的頻率和強(qiáng)度，對(duì)快樂、悲傷、憤怒、厭惡、害怕、驚訝和中性表情進(jìn)行分析。
結(jié)果分析
面部表情&睡眠行為結(jié)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(dòng)作、左手動(dòng)作、右手動(dòng)作、身體動(dòng)作、頭部動(dòng)作、其他動(dòng)作的次數(shù)和行為的總數(shù)。
如圖1、圖2結(jié)果發(fā)現(xiàn)，左手和右手的行為次數(shù)在前1-2h達(dá)到高峰，驚訝表情的比例最高。第3小時(shí)睡眠行為頻率下降，中性表情所占比例最大。在3-4h時(shí)，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(shí)，睡眠行為次數(shù)減少，沒有記錄到各種面部表情。
腦電（EEG）結(jié)果分析：
α波呈先增強(qiáng)后減弱的趨勢(shì)，δ波呈負(fù)增強(qiáng)的趨勢(shì)，β波呈增強(qiáng)后負(fù)增強(qiáng)的趨勢(shì)，γ波呈負(fù)增強(qiáng)的趨勢(shì)。θ波先是正增強(qiáng)，后為負(fù)增強(qiáng)。明顯的結(jié)果是在睡醒前1 h，各波段均呈現(xiàn)正增強(qiáng)趨勢(shì)。
相關(guān)分析：
在本研究中，不同腦電波的平均功率強(qiáng)度隨入睡時(shí)間的變化而變化，并與面部表情相關(guān)。
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(guān)，這可能是由于睡眠質(zhì)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(guān)，如表1所示。這也驗(yàn)證了過往研究的結(jié)果，即在悲傷情緒下的刺激可以導(dǎo)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(yùn)動(dòng)和高級(jí)心理功能，在多個(gè)波段均發(fā)現(xiàn)其功率變化與面部表情的相關(guān)。
在θ波段，F(xiàn)3通道功率變化與悲傷表情呈正相關(guān)，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(fù)相關(guān)，與悲傷表情、驚訝表情呈正相關(guān)，如表3所示。而先前研究結(jié)果表明，β波調(diào)節(jié)中性和情緒化的表情，θ波段調(diào)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(guān)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(guān)，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(guān)性。
結(jié)論
綜上可見，睡眠期間各波段腦電圖平均功率上下波動(dòng)，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(guān)(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(guān)性。
或許，在未來的睡眠研究應(yīng)用中，可以增加對(duì)面部表情的關(guān)注，實(shí)現(xiàn)針對(duì)家庭或個(gè)人而言對(duì)睡眠質(zhì)量更加簡單便捷的日常監(jiān)測(cè)。
參考文獻(xiàn)
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(guān)注諾達(dá)思公眾號(hào)，聯(lián)系我們獲取更多產(chǎn)品信息及學(xué)術(shù)文章！
從面部表情是否能看出自己睡眠質(zhì)量如何？
更新時(shí)間：2023-11-07 點(diǎn)擊次數(shù)：564次
