OSA 風險檢測
3 分鐘快速整理睡眠呼吸中止風險
先用線上初篩查看自己是否屬於較高風險族群，再決定是否進一步安排居家睡眠檢測。
打鼾
白天嗜睡
夜醒口乾
以 AI 與穿戴科技，打造個人化睡眠照護方案
輸入身高、體重與基本風險資訊，就能快速了解自己是否屬於睡眠呼吸中止高風險族群。
從居家篩檢、非接觸監測到數位睡眠照護的整合服務
核心團隊
多數人認為睡眠像銀行帳戶，只要時數夠就好。但睡眠科學告訴我們截然不同的現實。
安眠藥幫助入睡，但並不「修復」失眠的根本原因。了解藥物治療的真相與替代方案。
鼾聲不只是噪音，它可能是上呼吸道狹窄的警訊，背後隱藏著健康風險。
精選睡眠科普與衛教影片
攜手國內外頂尖機構與企業，共同推動智慧醫療創新
Academic & Medical Institutions
攜手頂尖企業，共同推動智慧醫療創新
整理目前網站可直接使用的互動式測驗，直接選擇要進入的項目即可。
先用線上初篩查看自己是否屬於較高風險族群，再決定是否進一步安排居家睡眠檢測。
透過文字色彩辨認、空間記憶與閱讀理解任務，快速掌握專注、記憶與理解力的表現。
點一個情境，馬上知道下一步。
點進來後可直接使用 OSA 初篩與大腦功能每日量測兩種互動工具。
合併喘醒或白天累，就建議先篩檢。
原本分散在不同頁面的測驗入口，現在集中放在這裡，點進來就能直接找到。
輸入基本身體資料與風險指標，先看自己是否屬於較高風險族群，再決定是否安排居家睡眠檢測。
透過文字色彩辨認、空間記憶與閱讀理解任務，快速整理專注、記憶與理解表現，適合放在睡眠追蹤流程一起看。
這些是很多人以為「只是累」或「只是作息亂」的常見訊號。
就算睡了很久，白天還是昏沉、難集中，可能代表夜裡的睡眠品質一直被打斷。
打鼾不一定只是睡得熟，有時也和上呼吸道變窄、呼吸不順有關。
睡眠不穩定時，大腦白天的注意力、反應速度和情緒調節都可能受到影響。
夜裡一直醒來，不一定只是喝太多水，也可能和睡眠呼吸或壓力反應有關。
很多睡眠問題，常被誤認成只是累或作息亂。
不一定。睡眠品質還和夜裡是否反覆醒來、呼吸是否穩定、作息是否規律有關，所以睡得久不一定等於真的有恢復。
不一定。當呼吸道變窄、空氣通過不順時就可能出現鼾聲，如果還合併喘醒、呼吸暫停或白天嗜睡，就比較像需要留意的訊號。
不是。長期睡眠不穩不只影響白天精神，也可能牽動記憶、專注、情緒、代謝與心血管負擔，身體和大腦通常會一起受影響。
不一定。現在很多人會先從線上初篩或居家睡眠檢測開始，先整理風險和狀況，再決定是否需要更進一步的醫療評估。
點選外圈最像你的狀況，中央會整理結果與推薦閱讀。
每個圓形選項都代表一種常見困擾，中央會同步整理較接近的方向與對應文章。
先理解風險，再選擇合適的檢測與後續討論方式。
先用 3 分鐘快速了解自己是否屬於較高風險族群，適合當作第一層分流。
若症狀較明顯，可進一步用居家設備記錄整夜睡眠中的呼吸與生理變化。
檢測不是結束，而是幫助你更清楚知道問題在哪裡，以及後續怎麼改善。
把大家最常遇到的睡眠疑問整理成短答版，方便快速理解與查找。
不一定，但如果鼾聲越來越大、還合併喘醒、口乾、白天嗜睡，就不建議只當成睡比較熟。這時候比較適合先做初篩，再看是否需要居家檢測。
延伸看睡眠呼吸中止文章很有可能。睡眠不是只看時數，如果夜裡一直被呼吸事件、頻繁清醒或作息失衡打斷，身體不一定有真正恢復，所以白天還是會昏沉。
延伸看睡眠品質文章需要。半夜常醒可能和壓力、失眠循環、夜尿，或夜間呼吸不穩有關。如果你已經醒很多次，而且白天精神受影響，就值得進一步整理原因。
延伸看失眠循環文章不一定。很多人現在會先從線上初篩開始，再視情況安排居家睡眠檢測，先把風險和睡眠狀況整理清楚，再決定是否需要更進一步的評估。
延伸看居家檢測流程你可以先看文章、先做測驗，或直接跳到服務介紹。
如果你已經有打鼾、白天疲倦，或想安排檢測流程，可以先透過官方 LINE 和團隊聯繫，快速了解初篩、居家睡眠檢測與後續安排。
以醫工跨域創新，推動智慧醫療新典範
昇采醫學科技（SCMed Technology Co., Ltd）成立於臺灣，專注於結合人工智慧、物聯網與臨床醫學，致力於開發精準睡眠醫學與呼吸健康照護之創新技術與服務。
我們的團隊由臺北醫學大學醫學院教授劉文德醫師領軍，橫跨醫學、工程、資訊科技等多元專業背景，在睡眠醫學、胸腔醫學與遠距醫療領域已累積超過二十年的研究與臨床經驗。
打造朝向醫療照護典範轉移的智慧健康代理人，讓每個人都能獲得精準、便捷且可及的睡眠與呼吸健康照護。
所有技術與產品均以嚴謹的臨床研究為基礎，發表於國際頂尖期刊。
結合醫學、工程、AI 與資訊科技，創造突破性的醫療解決方案。
持續研發新技術，擁有 22 項專利，涵蓋睡眠監測、呼吸偵測與 AI 分析。
劉文德 教授 / 醫師
臺北醫學大學醫學院醫學系 專任教授
成功大學工程科學系 博士
劉文德醫師為臺北醫學大學醫學院醫學系專任教授，同時是衛生福利部雙和醫院胸腔內科專任主治醫師，曾擔任醫學院人工智慧醫療碩士在職專班主任、雙和醫院睡眠中心主任。研究專長涵蓋睡眠醫學、胸腔醫學與肺復原、慢性肺病監控與遠距醫療等。
2004–2006 年擔任國家高速網路與計算中心兼任副研究員，開發「氣喘格網」(Asthma Grid) 慢性氣喘即時監控平台，2006 年與中華電信合作推出「氣喘手機照護系統」，研究成果刊登於歐洲呼吸雜誌 (ERJ 2011; 37(2):310-317)。
同時開發利用音樂節奏調整步伐的 COPD 居家運動訓練系統 (ERJ 2008; 32(3):651-9)，獲多國專利。
近年主持多項國科會大型研究計畫，結合人工智慧與物聯網科技發展精準睡眠醫學，並與國內外新創公司合作開發睡眠監測智慧醫療平台。自 2021 年起獲得 20 多項專利，涵蓋睡眠呼吸音訊、呼吸中止偵測、記憶學習、心率變異度應用等領域。
跨域專業人才組成的研究與開發團隊
從氣喘格網到 AI 精準睡眠醫學的跨域創新之路
打造朝向醫療照護典範轉移的 AI Agent 系統。
非接觸式雷達技術獲「智慧解決方案組」殊榮。
結合睡眠呼吸健康大數據，發展代謝症候群照護平台。
精準睡眠醫學計畫獲最高榮譽。
四年期國科會大型計畫。
European Respiratory Journal 2011; 37(2):310-317。
European Respiratory Journal 2008; 32(3):651-9。
與中華電信合作推出，ATS 國際會議 Oral Presentation。
擔任國家高速網路與計算中心兼任副研究員，開啟醫工跨域研究。
從居家篩檢、非接觸監測到數位睡眠照護的整合服務
Home Sleep Testing (HST)
我們整合指環式血氧監測、單導程心電圖與多參數居家量測工具，讓受檢者可在熟悉環境中完成睡眠風險評估。設計重點是降低配戴負擔，同時保留可支援臨床判讀的生理訊號與問卷資訊。
若想先了解自己是否屬於高風險族群，可以先完成 OSA 風險檢測，再決定是否安排居家睡眠檢測與進一步諮詢。
填寫 STOP-Bang/ESS 量表進行初步風險分層，由專業人員評估適合的檢測方案。
寄送指環、貼片或多參數裝置至府上，搭配圖文與影片教學，確保正確配戴。
在家中自然入睡，裝置自動記錄整晚睡眠生理數據，無需到院過夜。
數據自動上傳雲端平台，AI 演算法進行呼吸事件辨識與睡眠分期分析。
產出完整睡眠檢測報告，由專科醫師進行結果解讀與後續治療建議。
Online OSA Risk Screening
先以線上工具輸入基本身體資料與風險指標，系統會估算 OSA 風險分層。這個頁面採延後載入設計，只有真的打開功能時才會下載檢測工具，可減少首頁與一般瀏覽時的流量消耗。
完成測驗後，系統會立即提供 OSA 風險分層與後續建議。
Brain Daily Test
2 至 3 分鐘完成三項任務，快速看今天的專注、記憶與理解狀態，並同步記錄光照資訊。
快速看注意力與反應速度。
快速看短期記憶與工作記憶。
快速看理解與資訊擷取能力。
同步記錄當下光照條件。
保留每日結果，方便回看變化。
先完成基本設定，建立追蹤基線。
依序完成三項認知任務。
量測過程中自動記錄環境光照。
系統整理結果，快速顯示當天狀態。
回看過去紀錄，觀察長期變化。
頁面採延後載入，只有開啟時才會載入完整工具。
Smart Healthcare Data Platform
平台整合穿戴式裝置、非穿戴感測器與雲端運算流程，支援睡眠資料的結構化管理與分析。核心方向是把 HRV、SpO₂、身體特徵、問卷與環境訊號放進同一個判讀框架，形成較一致的臨床決策支援。
評估合作機構的數據需求、現有系統架構與臨床目標，制定客製化整合方案。
部署數據收集端點，串接穿戴裝置、感測器與院內 HIS/EMR 系統。
以合作機構的臨床數據進行模型微調，確保分析準確度符合臨床需求。
上線雲端或地端部署方案，提供醫護人員操作培訓與技術支援。
定期產出分析報告，根據臨床回饋持續優化演算法與介面。
Industry-Academia Collaboration Services
以睡眠醫學、呼吸照護與智慧醫材研究為基礎，提供從研究設計、資料分析到技術轉譯的合作模式。合作重點放在把臨床問題、裝置驗證與演算法開發串成可執行的研究流程。
了解企業產品技術特性與市場目標，評估合作可行性與方向。
制定研究計畫、IRB 送審、經費規劃與時程安排，明確雙方權責。
啟動受試者招募、數據收集與品質管控，定期回報進度。
產出臨床驗證報告、學術論文或專利申請，支援法規送件。
完成技術授權或移轉，建立長期合作關係與持續支援機制。
Radar Care Platform for Non-Contact Clinical Monitoring
以毫米波雷達與異常呼吸模式分析為核心，建構非接觸式生理監測照護平台。資料夾中的簡報可支持此平台聚焦於呼吸型態、週期呼吸、Cheyne-Stokes respiration 與心肺循環負荷評估，並延伸到居家與臨床場域的長期追蹤。
實地評估臨床場域（睡眠中心、洗腎室、病房），確認雷達部署位置與監測需求。
安裝毫米波雷達模組，進行環境校準與靈敏度調整，確保零接觸偵測精度。
系統 24 小時連續運作，自動偵測呼吸異常並發出即時預警通知醫護人員。
雲端平台彙整長期監測數據，產出趨勢分析報告供臨床決策參考。
定期評估臨床效益，根據實際使用回饋調整演算法與預警閾值。
AI Health Agent for Personalized Digital Health Ecosystem
主持國科會大型計畫「打造朝向醫療照護典範轉移之智慧健康代理人」（2025/11 起），結合人工智慧、物聯網與多模態健康數據，建構從疾病治療到健康促進的新世代數位健康照護生態系。計畫聯合產學界夥伴，開發 AI 驅動的個人化健康管理方案。
透過問卷與穿戴裝置數據，全面評估個人或企業的健康管理需求。
收集多模態健康數據，建立個人化健康基線與風險輪廓。
AI 引擎根據健康數據產生客製化的運動、飲食、睡眠改善建議。
透過穿戴裝置持續追蹤健康指標，AI 動態調整建議內容。
定期產出健康改善報告，評估介入成效並優化方案。
以睡眠醫學、非接觸監測、穿戴應用與遠距照護為主軸的跨域研究
Artificial Intelligence for Precision Sleep Medicine
AI 睡眠研究聚焦在把 HRV、SpO₂、身體特徵、問卷與睡眠事件資料整合成可解釋的判讀框架。資料夾中的簡報可支持其重點落在低覺醒閾值 OSA、COMISA、階層式篩檢與個人化治療決策。
以 HRV 特徵推估慢波睡眠表現，作為較低負擔的深度睡眠評估方向。
聚焦低覺醒閾值 OSA 的辨識與覺醒反應分析，支援個人化治療設定。
研究支氣管鏡檢查中 BIS 鎮靜深度監測，優化鎮靜安全性與舒適度。
結合睡眠呼吸健康大數據，發展代謝症候群與神經退化疾病風險預測模型。
以低覺醒閾值、睡姿依賴與共病特徵等表型，支援更細緻的 OSA 分型。
針對失眠與 OSA 共病（COMISA）開發 AI 鑑別模型，精準辨識以選擇最適切的整合治療。
研究 OSA 與心血管疾病的關聯，開發基於睡眠數據的心血管風險預測模型。
結合 STOP-Bang、ESS、SpO₂ 與身體特徵建立分層式篩檢流程。
Non-Contact Sleep Monitoring
非穿戴式研究聚焦毫米波雷達與光纖生理監測技術，強調長時間、低負擔與零接觸的資料收集。簡報內容可支持其核心延伸到呼吸模式分析、心肺狀態追蹤與居家多夜監測場景。
以毫米波雷達零接觸偵測呼吸與體動，支援居家與床邊監測情境。
將非接觸式雷達導入臨床照護場域，驗證呼吸與生命徵象監測的可行性。
以光纖微彎原理偵測呼吸頻率與體動，適用於長照與居家睡眠評估。
結合週期呼吸與 Cheyne-Stokes respiration 分析，探索心肺循環狀態的非侵入式追蹤。
以非接觸訊號特徵計算睡眠品質與呼吸穩定度，支援長期追蹤與居家評估。
以雷達 I/Q 訊號結合 AI 辨識呼吸暫停與低通氣事件，輸出估算 AHI 指數。
整合 CO₂、溫濕度、噪音等環境數據，分析環境因子對睡眠品質的影響。
Wearable Devices for Sleep Medicine
穿戴式研究著重把血氧、心電圖與多參數資料帶回居家場景，提升多夜監測的可執行性。重點不是堆疊裝置，而是用較低負擔的工具持續累積可判讀的睡眠與呼吸資料。
以單導程 ECG 與 HRV 特徵支援重度 OSA 風險辨識，是輕量化的居家篩檢方向。
指環式血氧監測可連續記錄整夜 SpO₂ 與脈搏變化，適合多夜追蹤。
Rooti + 全家寶，三個月追蹤物流士睡眠健康。
多參數生理量測系統搭配 PSG 對照驗證，提供多維度居家睡眠數據與評估報告。
穿戴裝置與 PSG 對照驗證研究，評估 HSAT 在不同族群的診斷一致性與適用性。
透過跨夜數據分析降低單夜檢測變異性，提升診斷穩定度與可重複性。
研究口腔結構與呼吸障礙關聯，結合口咽肌訓練開發非手術介入方案。
Telemedicine & Remote Patient Monitoring
遠距醫療研究從氣喘格網、手機照護到居家肺復原，累積了早期數位呼吸照護的實作經驗。此區塊以系統設計、遠距追蹤與居家運動介入為主，而非單一裝置導向的開發。
與國網中心合作開發慢性氣喘即時監控平台，結合氣象與空品數據。國內最早遠距醫療創新之一。
把早期氣喘格網延伸到行動裝置與遠距追蹤，是台灣較早的手機照護實作之一。
以音樂節奏引導 COPD 居家步行訓練，將肺復原延伸到院外日常場景。
分析空污暴露與呼吸疾病、睡眠品質及睡眠呼吸障礙之間的關聯。
把呼吸症狀評估與遠距追蹤流程帶到居家照護，支援急性與慢性病程監測。
將肺復原訓練從醫院延伸至居家，透過遠距監控結合音樂引導步行訓練。
主持國科會大型計畫「智慧健康代理人」，結合 AI 與物聯網建構數位健康生態系。
依據 102 篇論文索引整理，並對照本地 91 份 PDF 與 82 份可讀全文，保留原始摘要、量化重點與引用資訊
本頁以論文題名、citation、原始摘要與本地全文狀態為主，避免過度改寫造成失真；可用搜尋與標籤快速定位睡眠醫學、COPD、空氣污染、AI 與遠距醫療相關研究。
橫跨多領域的 22 項創新專利
自 2006 年起，團隊累積取得 22 項專利，涵蓋睡眠監測、呼吸偵測、AI 分析、健康管理等多個領域。
HOUSEHOLD SLEEPING MONITOR, HOUSEHOLD SLEEPING MONITORING SYSTEM AND HOUSEHOLD SLEEP MONITORING AND METHOD FOR SLEEP BREATHING EVENT CLASSIFICATION
EARLY WARNING SYSTEM AND METHOD FOR ABNORMAL EVENT OF CARDIAC
BREATHING DEVICE AND METHOD FOR ADJUSTING OUTPUT AIRFLOW OF BREATHING DEVICE
HUMAN SLEEP STATE AUXILIARY REGULATION SYSTEM
EVALUATION METHOD OF SLEEP QUALITY AND COMPUTING APPARATUS RELATED TO SLEEP QUALITY
RESPIRATORY TRACT AUDIO ANALYSIS SYSTEM AND RESPIRATORY TRACT AUDIO ANALYSIS METHOD
MATTRESS WITH FUNCTION OF DETECTING SLEEP STATE OF USER
FLAVOR DIVERSIFICATION STIMULATION TRAINING SYSTEM AND METHOD
DOSE INHALER, RELATED RECORDING DEVICE AND METHOD FOR DOSE INHALER
SLEEP CYCLE INFORMATION DETECTION METHOD AND DEVICE AND SERVER USING THEREOF
METHOD FOR EXERCISE TOLERANCE MEASUREMENT
PHYSIOLOGICAL FEATURE DETECTION METHOD, ELECTRONIC DEVICE AND SERVER USING THEREOF
VIRTUAL REALITY HEADSET HAVING ADJUSTABLE FOCAL LENGTH
HOME SLEEP MONITORING SYSTEM AND METHOD
DRIVING ABNORMAL BEHAVIOR JUDGMENT SYSTEM AND METHOD AND BEHAVIOR DETECTION DEVICE
HEART RATE AND RESPIRATION CALIBRATION SYSTEM AND METHOD
PREDICTION AND REGULATION SYSTEM AND METHOD FOR ABNORMAL RESPIRATORY EVENT IN SLEEP DURATION AND RESPIRATOR DEVICE
PSYCHOSOMATIC STATE ANALYSIS SUGGESTION SYSTEM
SLEEP QUALITY ASSESSMENT SYSTEM AND METHOD
PORTABLE DEVICE FOR CALCULAING CALORY
INTERPERSONAL INTERACTION STATE ANALYSIS SUGGESTION SYSTEM AND METHOD
國科會大型計畫與產學合作
開發結合 AI Agent 與醫療健康數據的智慧代理人系統。
結合睡眠呼吸健康大數據，發展代謝症候群與神經退化疾病之醫療照護平台。
2020 年獲科技部 AI 投資潛力獎第一名。
睡眠醫學知識文章，由劉文德醫師撰寫
你身邊有睡覺時會大聲打呼，甚至睡到一半突然停止呼吸的親友嗎？這其實是「阻塞型睡眠呼吸中止症（OSA）」的典型症狀。台灣最新前導研究警告：嚴重的睡眠呼吸中止症，可能會增加罹患阿茲海默症的風險...
READ MORE ›
有人睡滿八小時仍精疲力竭——真正決定睡眠品質的不是時數，而是睡眠結構與效率。
安眠藥幫助入睡，卻不「修復」失眠的根本原因。認知行為治療為何被視為首選方案。
半夜清醒卻動不了——「鬼壓床」其實是 REM 睡眠期肌肉張力抑制的正常現象。
鼾聲不只是噪音，它是上呼吸道狹窄的警訊。了解打鼾的成因及何時該就醫。
睡覺時反覆停止呼吸、血氧下降——OSA 影響全台數十萬人，卻有八成未被診斷。
溫度、光線、噪音——你的臥室環境可能是影響睡眠品質的最大因素。
固定起床時間比固定就寢更重要。穩定的晝夜節律能提升褪黑激素分泌效率。
長期口呼吸不僅影響臉型，更會導致上呼吸道乾燥、打鼾加劇。
翻來覆去睡不著？刺激控制療法教你重建正確的床與睡眠連結。
越擔心睡不好越睡不著——認識打破焦慮與失眠循環的科學方法。
登入以收藏文章、追蹤閱讀紀錄
管理您的收藏與閱讀紀錄
-
尚未收藏任何文章
閱讀文章時點擊「收藏」按鈕即可加入收藏
尚無閱讀紀錄
瀏覽專欄文章時將自動記錄
歡迎合作洽詢與業務聯繫
新北市中和區中山路2段296號7樓之5
info@scmedtech.com
www.scmedtech.com
臺北醫學大學醫學院醫學系 劉文德教授研究室
HRV-based Slow Wave Sleep Prediction
本研究整合多筆多頻道睡眠生理檢查（PSG）資料，運用機器學習分析心率變異度（HRV）特徵與慢波睡眠（SWS）之間的關聯，作為居家深度睡眠評估的非侵入式基礎。
整合 RMSSD、pNN50、LF/HF ratio 等時域與頻域指標，搭配 Poincaré 散佈圖非線性參數，建構全面的自律神經活動特徵矩陣。
比較 Random Forest、XGBoost、SVM 等演算法，以交叉驗證優化預測 SWS 佔比，實現高精度的居家深度睡眠估計。
搭配穿戴式 HRV 感測裝置，將實驗室級 SWS 評估延伸至居家場域，作為長期追蹤睡眠品質變化的客觀依據。
OSA Arousal Response Prediction
運用機器學習預測阻塞性睡眠呼吸中止症（OSA）的覺醒反應模式與覺醒閾值（Arousal Threshold）。覺醒反應是 OSA 病理機制的核心環節之一，精準預測有助於 CPAP 壓力的個人化設定與治療策略選擇（Kuo et al., 2023）。
透過 PSG 訊號分析量化個別患者的覺醒閾值，區分低覺醒閾值族群，為選擇非 CPAP 替代治療提供依據。
基於覺醒預測結果，個人化調整 CPAP 治療壓力，提升舒適度與長期依從性。
結合 EEG 微覺醒特徵、HRV 自律神經反應與呼吸事件參數，建構多維度覺醒預測模型。
BIS Clinical Research
針對支氣管鏡檢查中的 BIS（Bispectral Index）鎮靜深度監測進行臨床研究。BIS 指數能即時反映大腦皮質活動狀態，透過結合呼吸介入策略，精準控制鎮靜深度，優化檢查過程的安全性與病患舒適度。
BIS 指數連續監測大腦皮質電活動，提供 0-100 量化鎮靜深度指標，輔助麻醉醫師精準調控藥物劑量。
結合支氣管鏡檢查特有的呼吸道管理需求，研究 BIS 導引下的最佳鎮靜方案與安全閾值。
透過前瞻性臨床研究，比較 BIS 導引鎮靜與傳統方法在併發症發生率、恢復時間與病患滿意度的差異。
Metabolic Syndrome Risk Assessment
結合睡眠呼吸健康大數據，發展代謝症候群與神經退化疾病的風險預測模型。OSA 是代謝症候群的獨立危險因子，透過 AI 分析睡眠數據中的代謝風險標記，實現從睡眠數據到全身健康的跨領域預測。
研究間歇性缺氧（IH）與交感神經過度激活對胰島素阻抗、血脂異常、內臟脂肪堆積的影響機制。
分析睡眠碎裂化、深度睡眠減少與類澱粉蛋白清除效率的關聯，探索 OSA 作為失智症早期預測指標的可能性。
整合多中心 PSG 資料庫、穿戴裝置長期數據與代謝生化指標，建構跨領域健康風險預測平台。
Millimeter-Wave Radar Monitoring
與產業團隊合作開發毫米波雷達非接觸式生命徵象監測技術，以胸腔微動訊號支援呼吸型態、體動與夜間變化的長時間追蹤，作為免穿戴睡眠監測的重要研究方向。
以毫米波雷達量測胸腹部微幅位移，擷取呼吸節律、呼吸不規則與體動等非接觸式生理訊號。
以臨床量測與睡眠檢查資料對照，評估雷達訊號在不同姿勢、場域與長時間監測下的穩定度與可用性。
研究成果聚焦於雷達生理訊號的量測能力、睡眠應用場景與非接觸監測價值；未能在提供資料中直接對應的延伸主題已移除。
本頁面保留毫米波雷達、臨床驗證與研究轉譯等可直接對照的內容，刪除資料來源不足的跨疾病機轉與預測系統描述。
Clinical Validation of Radar-based Monitoring
毫米波雷達技術可延伸至需長時間臥床或反覆量測的臨床場域，以非接觸方式持續追蹤呼吸、心跳與活動訊號，降低導線束縛並支援臨床照護流程。
在床邊或病床周邊部署雷達感測器，連續量測呼吸、心跳與活動變化，降低配戴裝置帶來的干擾。
針對呼吸節律改變、周期性呼吸與異常活動建立事件偵測規則，協助照護人員及早察覺風險。
累積多次量測資料，分析生理訊號在不同時間點的變化趨勢，作為研究與臨床評估的輔助依據。
Fiber Optic Sensing Technology
nFOPT 為整合於床墊的非侵襲光纖生理監測技術，透過光纖感測器量測臥床時的微小壓力變化，支援呼吸、體動與睡眠狀態的長時間無感監測。
利用光纖對應力變化的高靈敏度，在床墊內部佈設感測點，量測呼吸波形、體動與臥姿改變。
將感測元件整合於床墊或床面結構，使用者無需額外配戴設備，即可進行夜間睡眠與休息狀態追蹤。
可與其他穿戴式或非穿戴式資料互相比較，作為多模態睡眠評估與訊號驗證的基礎。
結合訊號分析與異常事件辨識模型，支援長期追蹤、風險偵測與臨床照護研究。
Smart Mattress System (I757092)
nFOPT 智慧床墊系統獲得中華民國專利（I757092），結合光纖感測與 AI 演算法，在使用者完全無感的狀態下偵測睡眠呼吸事件、心肺耦合（CPC）、心臟搏動與夜間翻身活動，獲得國家醫療品質獎（NHQA）肯定。
床墊內建高密度壓力感測器陣列，精準偵測呼吸起伏、心臟搏動與身體翻動位移。
實時測量呼吸模式與心率變異的耦合關係。心肺耦合是睡眠穩定性與心血管風險的重要生物標誌。
採用深度學習演算法從壓力訊號中辨識呼吸暫停、淺呼吸、打鼾等睡眠呼吸事件，計算 AHI 指標。
中華民國專利 I757092 保護，以創新醫療照護應用獲頒國家醫療品質獎（NHQA）。
Rooti Patch-type ECG
與路提科技合作，利用單導程貼片式心電圖蒐集 ECG 訊號，結合 HRV 與 EDR 特徵進行居家睡眠呼吸風險篩檢，作為低負擔、多夜量測的研究工具。
從單極導程心電圖擷取 HRV、EDR（ECG-derived respiration）等特徵，推估呼吸事件與睡眠結構。
以 PSG 與臨床資料對照，評估單導程 ECG 在重度 OSA 風險辨識與睡眠事件推估上的應用性。
貼片式設計輕便舒適，適合大規模職場健康檢查與社區睡眠健康篩檢活動。
研究重點在於單導程 ECG 與睡眠資料的對照驗證，支持其作為居家睡眠篩檢與長期追蹤的可行工具。
PM2.5 and Eosinophilic COPD
本研究探討細懸浮微粒、室內空氣品質與睡眠健康之間的關聯，聚焦空污暴露對睡眠品質、自律神經與呼吸疾病風險的可能影響。
探討 PM2.5 暴露引發氣道嗜酸性球浸潤的免疫路徑，及其與 COPD 急性惡化的劑量-反應關係。
結合空氣品質監測站數據與病患居住地理資訊，建立個人化空污暴露評估模型。
PM10 and Respiratory Disease
分析粗懸浮微粒（PM10）濃度與呼吸道疾病住院、急診就醫的關聯性。PM10 可直接沉積於大氣道引發發炎反應，研究運用時間序列分析量化空污濃度變化對呼吸疾病發生率的短期效應。
運用分佈滯後非線性模型（DLNM）分析 PM10 暴露後不同延遲天數的呼吸道疾病風險。
串聯健保資料庫就醫紀錄與環保署空品監測資料，進行大規模流行病學分析。
Sleep Disordered Breathing & Air Pollution
系列研究探討空氣污染暴露、肥胖相關負擔與睡眠呼吸障礙之間的雙向影響，並評估環境與生理因子整合後對睡眠健康風險分層的應用潛力。
研究空污誘發的上呼吸道黏膜腫脹與 OSA 嚴重度的關聯，以及 OSA 間歇缺氧對空污易感性的影響。
結合居家空氣品質感測器與穿戴式睡眠裝置，同步追蹤環境暴露與睡眠呼吸參數變化。
Asthma Grid Remote Care Platform
與國家高速網路與計算中心合作開發的「氣喘格網」（Asthma Grid），是結合網路格網運算技術與胸腔照護的先驅平台（2004-2006）。提供慢性氣喘病患即時監控病情，並整合氣象與空氣品質等環境資訊，為台灣遠距醫療的早期代表作。
運用國網中心格網（Grid）運算技術，建構高可用性的遠距照護資料處理平台。
即時串聯氣象局、環保署數據，當空氣品質達危險閾值時自動發送預警通知予病患。
病患透過網路回傳尖峰呼氣流速（PEFR）與症狀日誌，醫療團隊即時檢視與回應。
Mobile Asthma Care System
將氣喘格網進化為「氣喘手機照護系統」，於 2006 年與中華電信展開合作。2007 年獲 American Thoracic Society（ATS）年會 Oral Presentation，研究成果刊登於 European Respiratory Journal（ERJ 2011; 37(2):310-317），為台灣手機遠距醫療的先驅。
病患透過手機記錄每日 PEFR 值、用藥情形與症狀，數據即時傳送至醫療端，取代傳統紙本日誌。
與中華電信合作導入行動通訊基礎架構，實現穩定可靠的醫療數據傳輸服務。
ATS 2007 Oral Presentation，ERJ 2011 正式刊登，確立手機遠距氣喘照護的臨床實證價值。
Personalized Pulmonary Rehabilitation
開創以音樂節奏調整步伐的 COPD 居家運動訓練系統（2005 年起）。利用手機播放與個人化步頻匹配的音樂，引導患者在居家環境進行有效的步行運動訓練。成果獲 ATS 2006 Oral Presentation，刊登於 ERJ 2008; 32(3):651-9，並獲得多國專利。
根據六分鐘步行測試結果，個人化設定音樂節拍（BPM），引導 COPD 患者以最佳運動強度步行。
透過手機 App 播放步頻音樂，同時記錄運動距離、時間與心率，實現居家自主訓練管理。
獲中華民國專利（2006/10/01），ATS 2006 Oral Presentation，ERJ 2008 正式刊登。
Home Sleep Monitor (I728839)
專利 I728839 — 居家睡眠監測器，採用全頻譜 AI 呼吸辨識技術，可在居家環境中進行睡眠呼吸事件的自動偵測與分類，提供完整的睡眠呼吸健康評估報告。
整合多種呼吸訊號頻譜特徵，以 AI 演算法辨識正常呼吸、呼吸暫停、淺呼吸與打鼾事件。
裝置自動計算 AHI、ODI 等臨床指標，產出結構化報告供醫師判讀參考。
Olfactory Training System (I893766)
專利 I893766 — 味道多樣化刺激訓練系統。探索嗅覺刺激與慢波睡眠（SWS）期間記憶固化的關聯，透過系統化的嗅覺訓練促進認知功能提升。
研究特定嗅覺刺激在慢波睡眠期間對陳述性記憶再固化（Reconsolidation）的增強效果。
設計多樣化氣味刺激序列與訓練排程，標準化嗅覺訓練流程。
Mind-Body State Analysis (I817090)
專利 I817090 — 身心狀態分析與建議系統。運用 HRV 分析建立個人化的心智模型，評估壓力、焦慮、放鬆等身心狀態，並提供相應的生活型態建議。
以 HRV 時域/頻域參數建構個人化身心狀態模型，量化壓力指數與自律神經平衡狀態。
根據評估結果自動產出呼吸訓練、放鬆技巧與睡眠衛教等個人化建議。
Abnormal Breathing Event Prediction (I814663)
專利 I814663 — 睡眠異常呼吸事件預測系統。運用連續小波轉換（CWT）結合 EfficientNet 深度學習模型，在呼吸事件發生前進行預測，實現從被動偵測到主動預警的範式轉移。
對生理訊號進行連續小波轉換，擷取時間-頻率域特徵圖，捕捉事件前兆的微妙訊號變化。
將 CWT 時頻圖輸入 EfficientNet CNN 模型，在事件發生前數秒至數十秒提出預警。
Precision Sleep Medicine Project (2018-2021)
國科會大型研究計畫「結合人工智慧與物聯網科技發展精準睡眠醫學」（2018/01/01~2021/12/31）。以 AI 與 IoT 為核心技術，建構精準睡眠醫學的完整生態系統。
結合深度學習演算法與物聯網穿戴裝置，建立從數據採集到智慧分析的端到端系統。
在雙和醫院睡眠中心進行臨床驗證，確保研發成果能實際改善臨床診療流程。
Metabolic & Neurodegenerative Care (2021-2024)
國科會計畫「以人工智慧與醫療健康行動大數據翻轉慢性疾病醫療照護與管理」（2021/11/01~2024/10/31）。結合睡眠呼吸健康大數據，發展代謝症候群與神經退化疾病的照護平台。
整合穿戴裝置、電子病歷與生化檢驗數據，建構慢性疾病健康大數據分析平台。
從被動治療轉向主動預防，以 AI 風險預測驅動個人化的慢病管理方案。
Smart Health Agent Project (2025-)
國科會計畫「打造朝向醫療照護典範轉移之智慧健康代理人」（2025/11/01 起）。以AI健康代理人為核心，推動醫療照護從傳統模式向智慧化、個人化的典範轉移。
建構具備多模態感知、推理與決策能力的智慧健康代理人，主動管理個人健康。
從「疾病治療」轉向「健康促進」，由 AI 代理人串聯穿戴裝置、醫療服務與生活型態管理。
Healthy Taiwan Initiative
健康台灣深耕計畫——睡眠心腦生態系方案。以睡眠健康為核心，串聯心血管與腦神經照護，建構完整的睡眠-心-腦健康生態系統。
以睡眠為中心節點，串聯心血管與神經退化疾病的篩檢、預防與照護服務。
推動全台多中心合作，建立睡眠健康照護的國家級基礎架構。
Belun Ring SpO₂ Monitoring
Belun 指環式裝置透過 PPG 與動作訊號進行夜間血氧與脈搏追蹤，可搭配雲端分析與問卷工具，作為居家睡眠呼吸風險初篩與多夜監測方案。
指環式外型降低睡眠時的異物感，適合在居家環境進行整夜量測與連續追蹤。
整合 SpO₂、脈率與夜間動作等訊號，觀察睡眠期間的低氧變化與生理波動。
以 PSG 與臨床檢查資料進行比較，評估其在夜間低氧與呼吸事件篩檢上的可用性。
可結合 STOP-Bang、ESS 等問卷資訊，作為睡眠呼吸異常的初步分層與轉介依據。
量測資料可同步至行動裝置與雲端平台，提供結構化的追蹤與篩檢報告。
Logistics Worker Sleep Study
針對物流業職業駕駛人進行三個月居家睡眠追蹤，評估輪班作息對睡眠品質與日間嗜睡的影響。
透過 Rooti 貼片心電圖與全家寶系統進行多夜居家監測。
FamilyCare Health Monitor
全家寶為多參數居家睡眠檢測系統，可記錄血氧、脈率、鼻氣流、胸腹呼吸動作、體位與打鼾等訊號，支援居家睡眠呼吸檢測。
整合 SpO₂、脈率、鼻氣流、胸腹呼吸動作、體位與鼾聲等多種睡眠檢測通道。
圖示化操作說明，使用者在家即可自行配戴，無需專業人員協助。
數據上傳雲端後由 AI 預處理，再經由睡眠專科醫師最終判讀出具報告。
Belun 指環式裝置透過 PPG 與動作訊號進行夜間血氧與脈搏追蹤，可搭配雲端分析與問卷工具，作為居家睡眠呼吸風險初篩與多夜監測方案。
指環式外型降低睡眠時的異物感，適合在居家環境進行整夜量測與連續追蹤。
整合 SpO₂、脈率與夜間動作等訊號，觀察睡眠期間的低氧變化與生理波動。
以 PSG 與臨床檢查資料進行比較，評估其在夜間低氧與呼吸事件篩檢上的可用性。
可結合 STOP-Bang、ESS 等問卷資訊，作為睡眠呼吸異常的初步分層與轉介依據。
量測資料可同步至行動裝置與雲端平台，提供結構化的追蹤與篩檢報告。
與路提科技合作，利用單導程貼片式心電圖蒐集 ECG 訊號，結合 HRV 與 EDR 特徵進行居家睡眠呼吸風險篩檢。
從單極導程心電圖擷取 HRV、EDR 等特徵，推估呼吸事件與睡眠結構。
以 PSG 與臨床資料對照，評估單導程 ECG 在重度 OSA 風險辨識上的應用性。
貼片式設計輕便舒適，適合大規模職場健康檢查與社區睡眠健康篩檢活動。
支持單導程 ECG 作為居家睡眠篩檢與長期追蹤的可行工具。
全家寶為多參數居家睡眠檢測系統，可記錄血氧、脈率、鼻氣流、胸腹呼吸動作、體位與打鼾等訊號，支援居家睡眠呼吸檢測。
整合 SpO₂、脈率、鼻氣流、胸腹呼吸動作、體位與鼾聲等多種睡眠檢測通道。
圖示化操作說明，使用者在家即可自行配戴，無需專業人員協助。
數據上傳雲端後由 AI 預處理，再經由睡眠專科醫師最終判讀出具報告。
安全的睡眠數據雲端管理平台，提供結構化的數據儲存、管理與分析服務。所有穿戴式裝置收集的睡眠生理數據均上傳至雲端，實現跨裝置、跨時段的統一數據管理。
符合醫療資訊安全標準，資料加密傳輸與儲存，確保病患隱私保護。
提供多維度數據視覺化儀表板，呈現長期睡眠趨勢、治療成效追蹤與異常事件統計。
深度學習驅動的 AI 分析引擎，整合 CNN、LSTM、Transformer 等模型架構，對多模態睡眠生理訊號進行自動分期、事件偵測與風險評估。
結合 CNN 影像辨識、LSTM 時序分析與 Transformer 注意力機制，實現高精度的睡眠訊號分析。
雲端 GPU 加速運算，數據上傳後快速產出分析結果，縮短報告等待時間。
AI 對話式專家系統，以自然語言提供即時睡眠衛教與健康建議。結合知識圖譜與大語言模型，針對個別使用者的睡眠數據給予個人化的衛教內容與生活型態建議。
根據使用者的 AHI、睡眠效率、血氧數據等，產生針對性的睡眠衛教內容。
以對話方式回答睡眠相關疑問，降低醫療知識理解門檻，提升健康識能。
毫米波雷達技術可延伸至臨床場域，以非接觸方式持續追蹤呼吸、心跳與活動訊號。
在床邊部署雷達感測器，連續量測呼吸、心跳與活動變化。
針對呼吸節律改變與異常活動建立事件偵測規則。
累積多次量測資料，分析生理訊號變化趨勢。
雷達非接觸監測可用於心肺循環相關研究與照護評估，透過呼吸型態與節律變化的追蹤，提供長時間觀察與異常事件辨識。
持續追蹤周期性呼吸、呼吸節律改變與夜間生理變化，支援心肺狀態評估。
可延伸至居家或出院後追蹤，作為遠距照護與長期趨勢觀察的輔助工具。
雷達技術可用於居家呼吸追蹤與睡眠監測，以非接觸方式辨識呼吸節律、體動與異常呼吸事件，支援長時間觀察。
透過雷達訊號辨識呼吸暫停、低通氣與呼吸不規則等事件，支援居家睡眠風險評估。
每夜自動記錄呼吸與活動資料，建立長期趨勢供照護與研究判讀使用。
與緯創資通（Wistron）及其子公司醫倍思（MedIMERS）合作，開發毫米波雷達非接觸式生命徵象監測產品。合作研究成果發表於 IEEE 國際期刊，並以醫療品質改善獲 NHQA 國家醫療品質獎。
從核心演算法開發到臨床場域驗證的全流程合作，加速雷達醫療產品化進程。
合作研究發表於 IEEE Sensors Journal，並共同獲得 NHQA 國家醫療品質獎。
與加拿大 T-Med Technology 進行跨國產學合作，共同開發 CPAP 治療相關技術與產品。結合北美市場經驗與台灣 AI 研發能量，推動 OSA 治療設備的智慧化升級。
台加雙邊合作，結合臨床經驗與工程技術，開發新一代 CPAP 智慧功能。
運用 AI 演算法優化 CPAP 壓力調控策略，提升治療舒適度與依從性。
與路提科技（Rooti Technology）建立長期合作關係，共同進行貼片式 ECG 在居家睡眠檢測的臨床驗證與演算法開發。
在雙和醫院進行 Rooti 貼片 ECG 與 PSG 的頭對頭比較研究，確立臨床應用價值。
雙方合作開發 ECG-based OSA 偵測演算法，持續優化偵測準確度。
提供完整的臨床試驗設計與執行服務，包括 IRB 審查協助、研究方案設計、受試者收案、數據管理與統計分析，支援新創企業與醫材廠商的臨床驗證需求。
依據產品特性與法規要求，設計符合 GCP 規範的臨床試驗方案。
統籌雙和醫院等合作醫院的收案與執行，確保研究品質與進度。
結合多種感測模態（穿戴式裝置、雷達、問卷、環境數據）的整合型健康篩檢方案。透過 AI 融合分析多來源數據，提供更全面、更精準的睡眠健康評估。
整合指環血氧、貼片心電圖、雷達呼吸與問卷量表，交叉驗證提升篩檢準確度。
AI 根據多維度數據進行風險分層，區分低/中/高風險族群，精準轉介。
數位健康產學聯盟計畫，獲教育部徵案通過。串聯學術機構、醫療院所與產業界，共同推動睡眠健康相關的數位醫療創新。
建立學術研究與產業需求的對接機制，加速研究成果的商業化與臨床應用。
串聯穿戴裝置商、AI 演算法商、醫療機構與保險公司，建構完整的數位健康服務生態。
Predicting Slow Wave Sleep from Heart Rate Variability
本研究以多筆 PSG 與 HRV 資料建立機器學習模型，探索慢波睡眠品質與心率變異度之間的關聯，作為居家深度睡眠評估的非侵入式基礎。
啟動 PSG 與 HRV 資料庫建置，系統性整理多導睡眠圖與心率變異度時域、頻域特徵，作為後續模型開發基礎。
比較隨機森林、支持向量機（SVM）與深度學習（CNN-LSTM）等多種機器學習模型，從 HRV 特徵預測慢波睡眠品質，完成交叉驗證與最佳模型篩選。
研究成果整理為學術論文，並申請睡眠分期資訊偵測專利（I839176），以 HRV 多時間窗結合 ANN/CNN-LSTM 雙模型實現睡眠分期。
Predicting Arousal Response in Obstructive Sleep Apnea
運用機器學習預測阻塞性睡眠呼吸中止症的覺醒反應模式，輔助 CPAP 壓力的個人化設定，提升治療舒適度與依從性。透過分析覺醒閾值特徵，實現精準化壓力滴定策略。
於雙和醫院睡眠中心啟動研究計畫，設計覺醒閾值量化方法，建立 OSA 病患的覺醒反應分類標準與數據收集流程。
完成數據收集並進行多維度特徵分析，以機器學習建構覺醒反應預測模型，探索不同 OSA 嚴重度下的覺醒敏感度差異。
由郭姓研究生為第一作者發表研究成果，提出以 AI 預測個別病患覺醒敏感度的方法，可輔助 CPAP 壓力個人化設定。
Clinical Research on Bispectral Index Monitoring
針對支氣管鏡檢查中的 BIS（雙頻指數）鎮靜深度監測進行臨床研究，結合呼吸介入策略，優化鎮靜安全性與病患舒適度。研究探索不同鎮靜深度對呼吸功能的影響。
與呼吸科團隊合作，建立 BIS（腦脊液指數）監測在支氣管鏡檢查中的應用標準流程和數據收集機制。
系統性蒐集支氣管鏡檢查過程中的 BIS 訊號與臨床參數，分析不同臨床情況下意識深度的變化模式。
完成 BIS 監測在肺部檢查中的效能驗證，發展個人化的麻醉深度調控策略，提升檢查安全性。
本研究為臨床試驗型研究，探討鎮靜深度監測的最佳化策略，成果為後續呼吸照護專利提供臨床數據基礎。
Metabolic Syndrome Risk Assessment with AI
結合睡眠呼吸健康大數據，發展代謝症候群與神經退化疾病的風險預測模型。此研究為國科會大型計畫「以 AI 與醫療健康行動大數據翻轉慢性疾病醫療照護與管理」之核心子計畫。
獲得國科會資助，啟動「睡眠呼吸健康大數據發展代謝症候群與神經退化疾病之醫療照護平台」計畫（2021-2024）。
整合睡眠資料、BMI、血壓等代謝症候群風險因子，建立多維度風險評估數據庫與特徵库。
利用 AI 演算法預測代謝症候群發展風險，識別睡眠障礙與代謝失調的因果關係與臨床決策支持。
成功展示睡眠監測在代謝症候群預防與管理中的臨床價值，建立可轉化的應用模式。
Phenotypic Classification of OSA for Precision Treatment
透過表型分類（Phenotypic Approaches）將 OSA 細分為低覺醒閾值型、睡姿依賴型、NREM 為主型等亞型，結合多維度參數實現個人化的精準診斷與客製化治療策略。
啟動 OSA 多維度表型分析研究，設計涵蓋臨床特徵、生理指標與遺傳背景的綜合分類框架。
採用 AI 聚類演算法對 OSA 患者進行無監督分類，識別臨床亞型與病理機制的關鍵區分特徵。
驗證表型分類的臨床意義，評估表型導向的個人化 CPAP 治療與預測反應的準確性。
根據多中心臨床回饋，持續優化表型分類算法與臨床應用指引。
Comorbid Insomnia and OSA Differential Diagnosis
針對失眠與阻塞性睡眠呼吸中止症共病（COMISA）開發 AI 鑑別模型。兩者常互為因果形成惡性循環，精準辨識有助於選擇最適切的整合治療方案。
針對共病失眠與睡眠呼吸中止（COMISA）進行專項研究，建立共病診斷與分層標準與評估工具。
分析 COMISA 患者的睡眠結構特徵、心律變異度與自律神經失調，識別共病的生物標誌物。
比較 CBT-I 單獨治療與 CBT-I 結合 CPAP 的療效，驗證共病管理的最佳治療策略。
基於 COMISA-RTS 技術文件，持續發展共病患者的治療決策與監測流程。
Cardiovascular Comorbidity Risk Assessment in OSA
研究睡眠呼吸中止症與高血壓、心房顫動、心衰竭、中風等心血管疾病的關聯，開發基於睡眠數據的心血管風險預測模型，實現早期預警與介入。
基於 HRV 與自律神經功能指標，設計心血管風險預測模型，評估 OSA 相關的心血管損傷程度。
利用多筆 PSG 資料與連續穿戴式數據，進行 HRV 時頻分析，探討睡眠呼吸障礙引發的自律神經失調。
開發專利 I817090（心理狀態分析），整合心率變異度、血氧飽和度與活動資料，提供心血管風險分層。
實施居家持續監測，提供早期心血管風險預警與預防性干預指導。
Hierarchical Screening Decision Support System
建構從 STOP-Bang/ESS 量表篩檢到 HSAT/PSG 分層檢查的臨床決策模型，透過 AI 輔助風險分層，降低漏診率並提升醫療資源配置效率。
開發以連續小波變換（CWT）與深度卷積網絡（EfficientNet）結合的 OSA 篩檢演算法框架。
整合臨床問卷與可穿戴設備信號，進行多模態融合分析以提升篩檢準確度。
利用專利 I814663（呼吸事件預測）優化演算法，在真實臨床環境中驗證自動篩檢的靈敏度與特異度。
推進社區與居家睡眠篩檢的規模化部署，不斷改進算法以適應多樣化的使用場景。
Millimeter Wave Radar Sleep Monitoring
與產業團隊合作開發毫米波雷達睡眠監測系統，以非接觸方式量測呼吸、體動與夜間生理變化，作為居家與臨床場域的睡眠監測研究平台。
啟動毫米波雷達睡眠監測研究，建立非接觸式呼吸訊號量測與資料擷取流程。
完成毫米波雷達感測原型，能在不接觸身體的情況下偵測胸腹呼吸運動與睡眠姿態變化。
進行臨床場域驗證，對照雷達呼吸訊號與睡眠檢查資料，評估量測穩定性與研究可行性。
研究成果發表於 IEEE 期刊，確立毫米波雷達在睡眠監測中的科學價值。
持續整理研究成果與臨床回饋，推進非接觸式睡眠監測的轉譯應用。
持續進行場域驗證與系統優化，擴大非接觸式睡眠監測在研究與照護中的應用。
Clinical Validation of Radar-based Monitoring
本研究評估毫米波雷達在長時間臥床與臨床照護場域中的量測潛力，以非接觸方式追蹤呼吸、活動與生命徵象變化。
提出毫米波雷達在長時間照護場域中的應用概念，評估非接觸量測的技術可行性。
於臨床場域部署感測原型，持續蒐集呼吸與活動訊號，建立事件分析流程。
根據臨床回饋優化感測與訊號處理流程，提升監測穩定性與解讀一致性。
持續驗證雷達量測在臨床照護與長期追蹤中的研究與轉譯價值。
Fiber Optic Sensing Technology
光纖感測床墊技術，透過光纖微彎原理偵測臥床者的呼吸頻率與體動，適用於長期照護與居家睡眠品質評估。此技術具有高靈敏度、抗電磁干擾等優勢。
與滙嘉健康生活科技合作，整合 nFOPT（光纖光學感測）技術，利用光學干涉原理實現非接觸多參數偵測。
將超細光纖佈置於床墊下方，開發能同時監測呼吸、心率、翻身等睡眠參數的感測模組，受檢者完全無感。
進行臨床驗證研究，驗證光纖感測訊號與標準多導睡眠圖參數的一致性。
融合光纖與其他感測技術，開發多參數整合的綜合睡眠與健康監測平台。
Radar Monitoring for Preserved Ejection Fraction Heart Failure
運用毫米波雷達監測保留型心衰竭（HFpEF）病患的夜間心率與呼吸模式，探索非侵入式的心臟功能長期追蹤方案。此研究跨越心臟科與睡眠醫學領域。
開發非接觸式監測技術評估心力衰竭患者肺部液體與容量狀態，建立患者分層與預警標準。
建立遠端居家監測系統，實時捕捉心力衰竭患者的血流動力學變化與液體負荷警訊。
完成數據分析，驗證系統在心力衰竭早期惡化預警中的臨床價值，發表研究成果。
驗證系統在社區與長照機構的應用效能，實現心力衰竭患者的預防性照護與遠端管理。
Smart Mattress Pressure Sensing
結合壓力感測與光纖技術的智能床墊系統，可偵測睡姿變化、翻身頻率與呼吸節律，長期追蹤睡眠行為模式變化，適用於居家與長照機構。
基於壓力感測原理，設計集成多點壓力感測的智能床墊系統架構與訊號處理流程。
申請並獲得專利 I757092（智能床墊），保護床墊壓力分佈分析與睡眠分期技術。
製作智能床墊原型，無電極、無穿戴侵擾，可自動偵測睡眠生理參數。
進行臨床場域測試，驗證床墊壓力分佈資料與多導睡眠圖睡眠分期的一致性。
根據臨床反饋優化感測靈敏度與 AI 睡眠分期算法，推進居家睡眠評估應用。
Non-Contact Respiratory Event Detection
運用毫米波雷達 I/Q 回波訊號，結合 AI 演算法自動辨識呼吸暫停、低通氣等異常呼吸事件，輸出估算 AHI 指數，作為居家初步篩檢依據。
開發 AI 模型從非接觸式感測信號（雷達、光纖、床墊）預測睡眠呼吸暫停指數（AHI）。
優化多模態感測訊號的預處理與特徵擷取，提升 AHI 預測的健壯性與泛化能力。
利用 505+ 例多導睡眠圖數據訓練深度學習模型，進行交叉驗證與超參數優化。
與多導睡眠圖金標準對照驗證，評估 AHI 預測模型的靈敏度、特異度與臨床一致性。
根據多中心臨床數據，持續改進 AHI 預測算法以適應不同患者人群與臨床場景。
Environmental Sensing and Sleep Quality
整合室內 CO₂ 濃度、溫濕度、噪音與光線等環境感測數據，分析環境因子對睡眠品質的影響，並透過智慧閉環控制優化睡眠環境。
在患者臥室部署環境監測感測器，實時采集 CO₂、PM2.5、PM10、溫度、濕度等室內空氣品質數據。
整合環境監測數據與患者生理訊號，研究室內空氣品質對睡眠呼吸與睡眠品質的影響機制。
開發物聯網平台，建立環境參數與睡眠品質的因果模型，實現智慧家庭環境的自動優化與干預。
基於 AI 分析結果，提出環境改善建議，指導患者改善居住環境以提升睡眠品質。
Rooti Patch-Type ECG
與路提科技合作開發貼片式單導程心電圖，透過 HRV 與相關生理特徵分析支援重度 OSA 風險辨識，適合多日居家連續監測。
與 Rooti Labs 合作整合單導心電圖（ECG）貼片技術，進行 3-7 天連續居家錄製。
進行臨床驗證研究，評估 Rooti 單導心電訊號的品質與完整性，驗證其在非侵入監測中的可靠性。
從單導 ECG 訊號計算時域與頻域 HRV 參數，優化心率變異度分析演算法支持睡眠分期預測。
進行多中心臨床驗證，評估 Rooti 貼片在真實臨床環境的表現與患者依從性。
推進 Rooti 貼片在商業化應用中的持續改進與臨床推廣。
Belun Ring Pulse Oximetry
指環式血氧監測裝置可於睡眠中連續追蹤血氧飽和度與脈搏變化，適合作為居家 OSA 初步篩檢與多夜追蹤工具。
與 Belun 合作導入指環式血氧監測裝置與夜間 SpO₂ 分析流程，作為居家睡眠風險篩檢工具。
進行多晚多導睡眠圖對照驗證，評估戒指偵測的脈搏氧飽和度與呼吸暫停事件準確性。
將 Belun Ring 與雲端平台整合，支持患者多晚連續使用與醫療團隊的遠端監測。
支持患者多晚連續使用，追蹤治療反應與睡眠穩定性，識別長期趨勢變化。
Logistics Workers Sleep Study
為期三個月追蹤物流從業人員的睡眠健康，使用 Rooti 貼片與全家寶系統，探討職業型態對睡眠品質與心血管風險的影響。此為國內少見的職業睡眠大規模研究。
與物流業合作，設計職業駕駛人員的疲勞、睡眠呼吸障礙與駕駛安全關係研究框架。
在駕駛人員中應用穿戴式感測器，進行為期三個月的連續監測與疲勞追蹤。
分析監測數據，量化睡眠呼吸障礙與駕駛疲勞的因果關係，發表研究成果提升安全意識。
根據監測結果設計個人化的睡眠與疲勞管理計畫，降低駕駛事故風險與職業病發生。
Full Family Care Health Monitoring
多參數生理量測系統，經 PSG 交叉驗證，提供心率、血氧、呼吸等多項生理數據。一機整合多種生理指標，降低多設備使用負擔。
引進 FamilyCare 多參數監測系統，整合心率、血氧、呼吸、體動等健康指標的穿戴式整合方案。
進行多導睡眠圖對照驗證，評估 FamilyCare 各項參數的準確性與臨床可靠性。
支持家庭成員的多參數健康監測與管理，實現全家族的睡眠與慢性病監測。
建立安全的雲端平台，允許醫療團隊與患者家屬實時查看監測數據與健康趨勢。
Home Sleep Apnea Test Validation
系統性驗證研究，比較穿戴式裝置與標準 PSG 在不同人群中的一致性，建立居家睡眠檢測（HSAT）的可靠性基準與適用準則。
開發簡化版多參數檢查設備（hSAT），降低居家睡眠呼吸暫停測試的操作複雜度與成本。
進行 hSAT 與便攜式監測裝置的交叉驗證，評估簡化設備的診斷準確性與臨床可接受性。
利用深度學習自動識別並評分呼吸暫停與低血氧事件，開發 AI 自動評分準則。
推進 hSAT 在初級保健與社區的廣泛應用，實現大規模睡眠呼吸障礙篩檢。
Multi-Night Continuous Monitoring Strategy
探討多夜連續居家監測策略，以減少單一夜晚檢查的變異性。研究顯示連續多夜監測可更準確反映病患的真實睡眠狀態。
提出研究多晚睡眠監測數據的臨床意義，量化首晚效應與長期監測的價值。
採集患者多個晚上的監測數據，建立多夜睡眠特徵與穩定性評估框架。
進行統計分析，識別睡眠品質與呼吸事件的長期變化模式與個體差異。
利用多夜數據評估患者睡眠的日內與日間變異性，提高診斷與治療評估的信度。
Oropharyngeal Myofunctional Assessment
結合 Mewing 訓練（口咽肌群姿態訓練）與 4D 整合呼吸肌訓練，評估口咽肌群功能對上呼吸道通暢度的影響。此為非手術改善 OSA 的創新訓練方案。
開發基於肌動學的口咽肌肉訓練（Mewing）方案，用於改善睡眠呼吸與打鼾症狀。
進行臨床試驗，利用多導睡眠圖與打鼾聲學分析評估訓練效果。
定量化口咽肌肉的強化程度，評估訓練對 AHI、打鼾指數與睡眠品質的改善。
將肌肉訓練整合入多元治療策略，為無法耐受 CPAP 患者提供替代性非藥物治療。
Asthma Grid Remote Monitoring Platform
202004-2006 年與國家高速網路與計算中心合作開發的開創性遠距照護平台，整合氣象與空氣品質數據進行即時氣喘監控。此為國內最早結合網路技術與慢性呼吸道照護的系統之一。
2004-2006 年與國家高速網路與計算中心（NCHC）合作，開發哮喘網格計算平台。
整合中央氣象局（CWB）天氣數據與 EPA 空氣品質資料，建立環境與哮喘發作的關聯模型。
哮喘網格平台上線營運，支持患者與臨床醫師的疾病追蹤與環境風險預警。
平台概念後續演化為行動電話界面的哮喘症狀與肺功能監測系統。
氣喘格網為早期開創性研究，相關技術延伸至後續手機照護系統與運動訓練專利。
Asthma Mobile Care System
由氣喘格網進化而來的行動照護系統，2006 年與中華電信正式合作推出。2007 年於 ATS 國際會議獲選為 Oral Presentation，研究成果於 2011 年刊登於 European Respiratory Journal（ERJ 2011; 37(2):310-317）。
2006 年與中華電信合作，公開發表行動電話界面的哮喘症狀與肺功能監測應用。
2007 年在美國胸腔學會（ATS）年會進行口頭發表，展示行動健康在哮喘管理的應用前景。
2011 年於 European Respiratory Journal（37(2):310-317）發表 Asthma Grid 與行動照護研究，獲得國際認可。
手機照護系統延續氣喘格網技術，與中華電信合作推展至行動平台，成果刊登 ERJ 2011。
Music-Guided Exercise Training
利用音樂節奏調整步伐的方式，應用於慢性阻塞性肺病（COPD）病患居家運動訓練。2006 年於 ATS 獲選 Oral Presentation，2008 年刊登於 ERJ（2008; 32(3):651-9），並獲得多國專利。
2005 年啟動音樂節奏輔助運動訓練之系統開發，用於 COPD 患者的肺部復健。
2006 年在美國胸腔學會年會進行口頭發表，公開呈現音樂節奏運動的初步療效成果。
2006 年 10 月獲得臺灣專利，並進行多國專利申請，將音樂節奏運動技術保護與國際推廣。
2008 年於 European Respiratory Journal（32(3):651-9）發表同行評審論文，確認音樂節奏運動的科學證據與臨床療效。
Air Pollution and Respiratory Disease
研究 PM2.5/PM10 空氣污染物對嗜酸性 COPD 急性發作與睡眠呼吸障礙的影響，運用 Rapid 暴露評估與土地利用迴歸（LUR）分析，結合環保署空品數據與健保資料庫進行大規模流行病學研究。
系統性設計空氣污染物（PM2.5、PM10）對睡眠呼吸暫停嚴重度影響的研究框架。
於雙和醫院睡眠中心進行臨床場域研究，收集患者的睡眠檢查與環境污染數據。
利用 Land Use Regression（LUR）模型進行空間污染暴露評估與患者住址污染負荷計算。
基於健保資料庫與臨床數據建立 PM2.5/PM10 與睡眠呼吸障礙的劑量反應關係。
In-Home Acute Care Platform
結合穿戴式裝置與遠距醫療技術，建立居家急性呼吸照護平台。與衛福部合作開發遠距呼吸困難評估系統，使急性期病患在家中也能獲得即時醫療支援。
與衛生福利部合作啟動急性期居家照護平台項目，推動居家醫療政策創新。
開發整合遠端監測與虛擬諮詢的急性期居家照護平台，進行系統技術與臨床流程測試。
與穿戴式裝置無縫整合，進行臨床試用驗證患者早期出院與遠端監測的可行性。
建立醫療團隊協作機制，推進遠端醫療在居家急性照護中的規模化應用。
Remote Pulmonary Rehabilitation for COPD
將醫院肺復原計畫延伸至居家環境，結合音樂節奏引導步行訓練與穿戴式裝置監測，實現個人化的居家運動處方。此為從林口長庚時期延續至今的核心研究主題。
在長庚醫院任職期間開發 COPD 肺部復健的概念與初步方案設計。
2008 年於 European Respiratory Journal（32(3):651-9）發表音樂節奏輔助運動訓練的研究。
開發基於影片指引的 COPD 肺部復健課程，患者在家即可進行運動訓練與實時生理監測。
整合 IoT 與 AI 技術，實現運動過程中心率、血氧飽和度的實時監測與安全性保障。
與標準六分鐘步行測試（6MWD）對標，持續優化復健系統與療效評估。
Digital Health Industry-Academia Alliance
國科會大型計畫「打造朝向醫療照護典範轉移之智慧健康代理人」（2025/11 起），結合 AI、IoT 與多模態健康數據，發展智慧健康代理人系統，推動醫療照護從被動治療到主動預防的典範轉移。
2018-2021 年執行國科會計畫「結合 AI 與物聯網科技發展精準睡眠醫學」，奠定精準醫學基礎。
獲得國科會 AI 投資潛力獎第一名肯定，認可研究的創新價值與商業化潛力。
21-2024 年執行國科會計畫「睡眠呼吸健康大數據發展代謝症候群與神經退化疾病之醫療照護平台」。
25 年起執行國科會計畫「打造朝向醫療照護典範轉移之智慧健康代理人」，推動健康照護典範轉變。
💬 讀者留言