利用機器學習及自製應用程式協助分析 ADHD 患者睡眠狀況

莊婷宇、黃宥綾

摘要

ADHD 為發生於 6 歲至 18 歲孩童與青少年間的疾病，在台灣具有 7 % 的盛行率。多數的 ADHD 孩童常以藥物治療的方式防止相關症狀，但常造成如失眠、食慾下降、潛在的心臟問題等副作用。本研究透過腕錶收集 ADHD 患者的生理數據並進行分析，比較網格搜索、資料攤平、直接訓練三種方法，找出適合偵測心率與睡眠的方法與模型為直接訓練法的隨機森林（Random Forest），其 F1-Score 達 0.87，較過去相關的研究佳。接著透過 Swift UI 撰寫應用程式，並將模型嵌入其中，提供使用者關於睡眠的建議，讓藥物對於患者的睡眠品質影響降至最低。

---

研究目的

1. 比較現有機器學習模型，找出最適合用來預測睡眠狀況的模型以及與睡眠相關性高的特徵。
2. 分析智慧型腕錶資料，以更準確分析不同特徵與睡眠的關聯性。
3. 開發應用程式連接智慧型腕錶，收集腕錶資料並偵測生理數據，當檢測到當日睡眠狀態不佳，於隔天提出播放助眠音樂的建議。

---

研究過程與方法

---

研究成果與展望

1. 利用機器學習找出最佳模型為直接訓練法的 Random Forest，其 Recall 高於 0.9，除 Specificity 外其他指標皆高於 0.8，模型的訓練效果佳，且優於過去相關研究。
2. 影響最大的特徵為快速動眼睡眠時長，其值越高，睡眠品質越差。
3. 將分析好的資料導入應用程式中，讓使用者可以透過應用程式，了解自身的睡眠品質，並給予針對個人的建議協助改善。

Back