由聲音估算的睡眠階段

階段估算如何運作

你走過不同睡眠階段時呼吸會變，而這個差別聽得出來。App 看的是你的呼吸有多規律、起伏有多大，用的就是它已經在用於打鼾偵測與呼吸中斷偵測的那段錄音。沒有別的要設定。

錄音開始約 15 分鐘後，演算法會算出你個人的呼吸基準，也就是你慣常的頻率與規律度。從那之後，它拿你自己的基準而不是人口平均值來衡量夜晚剩下的部分，並套用已發表研究裡的門檻值，把每個時段歸到某個階段。

分量最重的是呼吸規律度，不過演算法也會看：

• 呼吸頻率，進入更深的睡眠時通常會慢下來。
• 打鼾模式，因為 App 整夜偵測到的打鼾會餵進同一套模型。
• 夜裡的哪個時段，因為睡眠遵循一條可預測的軌跡。深層睡眠擠在夜晚初期，快速動眼期則隨著接近清晨越來越多。
• 動作，因為聲音的大幅變化說明你在翻身，這暗示較淺的睡眠或一次短暫的清醒。

結果會以睡眠週期圖的形式出現在每晚摘要中。

四個階段與各自的呼吸特徵

每個階段都會在你的呼吸裡留下自己的指紋：

• 深層睡眠：穩定、規律、變異度低的呼吸。這是負責修復的階段，節奏也是所有階段裡最像節拍器的。它的大半出現在夜晚初期，尤其是最初的 90 分鐘與最初幾個小時。
• 快速動眼期睡眠：呼吸不規律，變異度高。快速動眼期是作夢的睡眠。通常在你入睡後 40 到 50 分鐘開始，並隨著接近清晨不斷增加，這也是為什麼提早結束一夜，損失最多的就是快速動眼期。
• 淺層睡眠：規律度中等，落在另外兩者之間。淺層睡眠是過渡階段，也是最容易被喚醒的階段。
• 清醒：移動、聲音，或是對不上睡眠的呼吸。當其他訊號也佐證時，App 還會把一段長長的寧靜標記為可能的清醒。

深層睡眠在規律度量尺的一端，快速動眼期在另一端，所以 App 要看到變異度持續偏低，才會把某個時段稱作深層睡眠；變異度一升高，它就退出深層睡眠。同時運行的聲音分類補上打鼾與移動的脈絡。

寧靜標籤

靠聲音判階段有一個與生俱來的限制。它只能歸類自己聽得見的東西。當你的呼吸太輕、麥克風放不進任何一個階段，同時又沒有跡象顯示你已清醒時，App 會把那一段標記為寧靜，而不是憑空猜測。這在呼吸輕柔的人身上常發生，電風扇或冷氣蓋住聲音時也一樣。

寧靜算作安穩的睡眠。它計入你的總睡眠時間，也為你睡眠分數裡負責修復的部分加分，所以安靜的一夜依然讀作好眠。毫無依據就捏造一個階段只會讓資料更不可信，所以 App 如實標出這份不確定，然後就到此為止。

呼吸頻率與呼吸規律度

有兩項呼吸量測會餵入階段模型，兩項都會出現在你的結果中：

• 呼吸頻率以每分鐘呼吸次數（bpm）表示，由 App 聽到的兩次呼吸之間的時間算出。成人睡眠時的典型範圍是 12 至 20 bpm。App 每隔幾分鐘取一次讀數並顯示你的平均值。在偵測到睡眠的頭 10 到 15 分鐘過後，它取這些早期讀數的中段值來建立個人基準，這樣單一離群值帶不歪它。讀數維持在約 6 至 25 bpm 這個合理範圍內，既濾掉虛假的尖峰，也保留快速動眼期或短暫覺醒期間可能出現的較高頻率。
• 呼吸規律性是你兩次呼吸之間節奏的一致程度，以從不規律到穩定的量尺呈現。長時間非常穩定的呼吸指向深層睡眠。轉為較不規律的呼吸則可能代表快速動眼期。

兩者都是從聲音得出的估算，供你自己參考。呼吸頻率明顯落在正常範圍之外時，把它帶去給醫師看，別自己診斷。

App 會使用 Apple Watch 的資料嗎？

會，只要有資料。如果 Apple Watch 等穿戴式裝置回報當晚的睡眠階段，Snore Timeline 會拿手錶的深層睡眠與快速動眼期百分比來算你的睡眠分數，而不用自己的聲音估算。穿戴式裝置量測這些階段比聲音強，所以 App 讓路給它。沒有穿戴式裝置時，它退回以呼吸與移動為基礎的估算。Apple Watch 頁面說明了手錶補上了什麼。

解讀睡眠週期圖

每晚摘要裡的睡眠週期圖，描繪你整夜在各階段之間怎麼移動。每條彩色色帶就是某個階段裡的 5 分鐘：

• 橘色：清醒時段
• 青色（淺藍）：淺層睡眠
• 靛藍（深藍）：深層睡眠
• 粉紅／青色：快速動眼期睡眠
• 薄荷綠（柔和的綠色）：寧靜，僅在發生的夜晚顯示

放大檢視

由左至右讀，你就能數出經歷了幾個完整的睡眠週期、看出何時獲得最多深層睡眠，也能找出快速動眼期落在哪裡。點按任一方塊，會出現一個標籤顯示該階段的完整時間範圍，例如「淺層睡眠 · 凌晨 3:50 至 4:15」，時間軸也會移到那個時刻，讓你檢查自己的打鼾片段是否和某個階段對得上。之後拖動時間軸，睡眠週期圖上的選取線也會跟著走。

在穿戴裝置已同步睡眠資料、但你沒有錄音的夜晚，時間軸會以相同顏色畫出一條階段色帶，狀態列在中央線下方讀出該階段與你的生命徵象，例如「淺層睡眠 · 57 bpm · 13 br/min · SpO2 96%」。有錄音的夜晚則保留單純的波形。

典型的階段分布

每晚摘要也會顯示你在每個階段花掉這一夜的百分之多少。一個典型的夜晚大概像這樣：

• 45% 淺層睡眠
• 20% 深層睡眠
• 27% 快速動眼期睡眠
• 8% 清醒

這些百分比會隨年齡、健康狀況、壓力和不少其他因素而移動，所以拿你自己的不同夜晚互相比較，別煩惱能不能對上教科書。在計分方面，App 把約 13 至 23% 的深層睡眠當作健康目標，達到 20% 或以上就能加分，快速動眼期目標則約為 20 至 25%。落在這些範圍裡可以為你的睡眠分數加分。這些只是一般性的參考指引，僅此而已。

這些估算有多準確？

這套分類建立在已發表的研究之上，研究的是呼吸規律度與睡眠階段之間的關係。以單一生理訊號（例如呼吸或心率變異度）判定睡眠階段的研究，與睡眠醫學的臨床標準多項睡眠生理檢查約有 70% 的一致性。所以這些估算能給你一幅還算可用的整體睡眠結構圖，而在你隨時間變化的趨勢上，這幅圖更好。

我們以 PSG-Audio 檢驗了這項估算。這是一個公開的睡眠實驗室資料集，睡眠階段由臨床醫師判讀，我們使用了其中 57 份整夜錄音。App 的階段判定在約 70% 的 30 秒時段（epoch）上與實驗室判讀一致，與同一批錄音上僅憑聲音分期的已發表數據相當。這是以資料集進行的離線檢驗，且其中多數患者有重度睡眠呼吸中止症，因此在一般居家夜晚的結果可能不同。本 App 未經臨床驗證。

有幾件事會把準確度往上或往下拉。錄得久有幫助，因為數小時的睡眠讓演算法有更多完整週期可看。吵雜的房間、同床的伴侶、寵物，或睡得離麥克風太遠，都會讓你的呼吸更難被偵測到，估算也隨之變差。

為什麼沒有偵測到任何階段

階段估算需要整段錄音中都有聽得見的呼吸。如果某一夜完全沒有階段，通常是下列其中一項：

• 呼吸太輕。你的呼吸傳到麥克風的音量，可能還不到 App 能處理的程度。
• 手機放得太遠。呼吸聲隨距離很快就消失。放在離你頭部 30 到 60 公分處效果良好。
• 背景噪音。電風扇、冷氣及其他持續的聲音會蓋住 App 正在聆聽的呼吸聲。
• 錄音太短。演算法得先花約 15 分鐘建立你的基準，才談得上歸類任何東西。

如果整條時間軸都是空白，而且缺的不只是階段，請參閱疑難排解。

研究參考文獻

階段分類參考了以下論文：

• Aging Effects on Cardiac and Respiratory Dynamics in Healthy Subjects across Sleep Stages（Schumann 等人，2010）。指出呼吸的標度指數在不同睡眠階段之間有可量測的差異。深層睡眠的呼吸最規律，快速動眼期的呼吸最多變。這些差異正是各階段所用規律度門檻的來由。
• Using Spectral Continuity to Extract Breathing Rate from Heart Rate and Its Applications in Sleep Physiology（Orphanides 等人，2024）。確認深層睡眠（N3）擁有所有階段中最穩定、最可預測的呼吸。這正是 App 要看到變異度持續偏低才把一個時段稱作深層睡眠、變異度上升就退出深層睡眠的原因。
• Sleep Stage Classification from Heart-Rate Variability。回報以單一生理訊號判定睡眠階段時，與多項睡眠生理檢查約有 70% 的一致性，與此處所用以呼吸規律度為基礎的方法相當。