解構穿戴生理學：Garmin怎麼知道我在睡覺與計算睡眠分數

前言

現代人對於健康的重視程度日益提升，然而依據美國疾病管制與預防中心（CDC）的統計調查，超過三分之一的成年人長期面臨睡眠時間不足 7 小時的狀況。相關公共衛生研究指出，長期睡眠不足可能顯著增加高血壓、心血管疾病、氣喘以及情緒抑鬱等慢性病與身心問題的風險。

隨著智慧穿戴裝置的普及，越來越多使用者習慣在夜間佩戴手錶入睡。當隔天清晨醒來，螢幕上已詳實記錄入睡時間、醒來時刻、淺層睡眠、深層睡眠、快速動眼期（REM）乃至睡眠分數。手錶究竟是透過何種科技與生理數據，精準洞察人體是否進入夢鄉？這背後涉及精密的多重感測器協同運作，以及結合先進演算法的生理模型分析。

核心感測機制：手錶如何捕捉睡眠訊號

智慧手錶並非僅靠單一動作偵測來判定睡眠，而是透過光學心率、微機電加速度計、呼吸變化等多維度感測器，結合機器學習與運動生理學演算法（如 Firstbeat Analytics），對人體生理狀態進行持續性交叉比對。

1. 光學心率感測與生理基準線

人體進入睡眠狀態時，新陳代謝速率降低，交感神經活性下降，基礎心率通常會逐步減緩並穩定在相對較低的區間。手錶底部的光學心率感測器（PPG）透過綠光反射血液流動脈衝，全天候量測每分鐘心跳數（BPM）。演算法會結合使用者在系統設定中的年齡、性別以及長期的個人基礎生理數據，建立起專屬的靜息心率基準線。

2. 心率變異度（HRV）與自主神經系統

心率變異度（HRV, Heart Rate Variability）是指連續心跳之間時間間隔的微小差異。這項指標受自主神經系統嚴密調控：

• 交感神經主導：當人體處於壓力、清醒或活動狀態時，心率加快且心跳間隔規律，此時 HRV 偏低。
• 副交感神經主導：當人體進入放鬆、休息或深度恢復狀態時，心跳節律受到迷走神經調節，心跳間隔差異變大，此時 HRV 升高。

演算法藉由分析夜間 HRV 的微觀起伏，能評估人體的自律神經平衡狀態，進而精確判定使用者是真正處於恢復性睡眠，還是處於清醒但靜止的放鬆狀態。

3. 三軸加速度計與肢體動態分析

手錶內建的三軸加速度計能夠即時感應手腕在各維度的微小晃動與位移。早期的穿戴裝置僅依賴動作偵測（Actigraphy）來估算睡眠，但容易將靜躺不動誤判為入睡。現代裝置則將加速度數據作為輔助篩選因子：當加速度訊號在設定的就寢時間窗口內大幅減低，且同時伴隨心率下降與 HRV 變化時，系統才會觸發正式的睡眠判定邏輯。

4. 呼吸速率與脈搏血氧飽和度（Pulse Ox）

呼吸頻率的變化亦是判斷睡眠狀態與週期的關鍵生理線索。部分裝置透過 PPG 訊號中脈搏波振幅的調製分析每分鐘呼吸次數，並配合紅外光與紅光感測器監測夜間脈搏血氧濃度（SpO2）。在不同的睡眠階段中，呼吸節律會展現出規律或波動的特徵，為睡眠階段劃分提供額外的佐證數據。

睡眠階段的演算法判定與生理特徵

在專業醫學臨床上，睡眠階段的判定仰賴多項生理睡眠檢查（PSG），包含腦電圖（EEG）、眼動圖（EOG）與肌電圖（EMG）。穿戴式裝置則是藉由監測自主神經、呼吸與肢體動作與這些腦波模式之間的生理關聯性，將整夜睡眠劃分為四大狀態：

淺層睡眠（Light Sleep：N1, N2）

淺層睡眠為清醒過渡至深層睡眠的初級階段。此時眼球運動與骨骼肌肉活動開始趨緩，心率與呼吸逐漸穩定。淺層睡眠有助於身體初步放鬆，並佔整夜睡眠相當高的比例。

深層睡眠（Deep Sleep：N3）

進入深層睡眠時，肌肉完全放鬆，血壓下降，心率與呼吸頻率降至整夜最低且極具規律性，肢體動作幾乎停滯。此階段被學界視為身體機能修復、免疫力增強以及肌肉與骨骼組織重建的最關鍵階段。處於此階段的人通常難以被外界聲響喚醒。

快速動眼期（REM Sleep）

快速動眼期通常發生在睡眠週期的後半段，是多數夢境發生的階段。此時大腦活躍度提升，雖然全身骨骼肌處於失張抑制狀態（防止身體做出夢中動作），但自主神經活動波動顯著，心率變異度呈現特異變化，呼吸頻率亦可能隨之加快或變得不規律。REM 睡眠對於大腦認知功能整合、記憶鞏固與情緒調節扮演核心角色。

清醒與睡不安穩（Restlessness）判定

在夜間，使用者可能會出現短暫翻身、肢體微動或短暫意識清醒。系統將睡不安穩以 30 秒為基礎單位進行監測，並在每 3 分鐘的時間區間內堆疊評估（最多可堆疊 6 個刻度）。若肢體動作劇烈、心率突然躍升且伴隨 HRV 驟降，系統會將該區間判定為實際清醒狀態。

睡眠分數的計算模型與維度解析

為了讓複雜的生理訊號更易於理解，演算法會將整夜收集到的各項指標整合為一個 0 至 100 分的睡眠分數（Sleep Score）。

評分核心維度

1. 睡眠總時長：依據國際公認年齡標準（成人通常建議為 7 至 9 小時），比對實際睡眠時數。
2. 睡眠結構比例：評估深層睡眠、REM 睡眠與淺層睡眠的時間分配是否符合健康黃金比例。
3. 睡眠壓力與恢復指數：透過整夜 HRV 計算睡眠壓力分數，確認副交感神經是否有效主導恢復過程。
4. 睡眠中斷與不安穩度：統計夜間醒來次數、清醒總時長及肢體翻動的頻率與幅度。

根據大數據統計分析，在一般使用者群體中，平均睡眠分數大約落在 71 分左右（屬於中等範圍），僅約 5% 的使用者能在長期追蹤中維持在 90 分以上的卓越水準。

進階功能聯動：睡眠教練、小睡偵測與恢復評估

現代穿戴裝置已將睡眠監測從被動記錄提升至主動健康管理的層次：

• 睡眠教練（Sleep Coach）：依據使用者的近期睡眠歷史、白天活動量、運動消耗強度、訓練負荷以及 HRV 狀態，動態微調每晚所需的目標睡眠時間。
• 小睡偵測（Nap Detection）：自動辨識日間超過 10 至 20 分鐘的短暫休息，記錄小睡對體能恢復的助益，並將其納入整體生理恢復模型。
• 訓練完備程度與身體能量指數：睡眠品質與時長是決定隔日訓練完備程度（Training Readiness）與身體能量監測（Body Battery）回補幅度的核心因子，直接影響運動員或健身愛好者的課表強度安排。
• 成就激勵機制：Connect 平台提供多種睡眠徽章（如連續佩戴 30 天的睡眠專家、連續 7 天分數達標 75 分以上的睡眠連續達標等），藉由目標設定促進使用者維持規律的就寢習慣。

常見問題

Q1：躺在床上靜態滑手機或看書，手錶會誤判為已經入睡嗎？

當使用者安靜躺著時，加速度計雖偵測不到動作，但此時大腦仍在處理視覺或認知資訊，交感神經仍具一定活躍度，使得心率與 HRV 尚未達到副交感神經主導的睡眠特徵數值。演算法綜合心率、HRV 與動作三大要素進行交叉比對，因此多數情況下能有效區分清醒靜止與真正入睡。

Q2：為什麼手錶記錄的睡眠時間，常常比實際躺在床上的時間少？

躺在床上的時間（Time in Bed）包含睡前翻身入睡的潛伏期、夜間極短暫但無意識的微覺醒（Micro-arousals），以及清醒後賴床的時間。手錶的睡眠演算法會精準扣除這些被偵測到肢體位移或心率上升的清醒片段，因此純睡眠時長通常會短於在床上的總時間。

Q3：觀察睡眠數據時，應該看單日分數還是長期趨勢？

穿戴裝置的演算法受個別佩戴鬆緊度、皮膚接觸狀態與當日偶發因素影響，單日的絕對分數適合當作即時參考。在健康管理與運動科學上，觀察連續數週的睡眠時間趨勢、深層睡眠佔比穩定度以及夜間基準 HRV 的長期變化，更能客觀反映身體的慢性疲勞、過度訓練或潛在生活壓力。

Q4：手錶偵測的睡眠階段與醫院的睡眠多項生理檢查（PSG）完全相同嗎？

智慧手錶屬於消費型健康監測裝置，並非醫療器材。臨床 PSG 仰賴貼附於頭皮與臉部的電極直接測量腦波與眼球運動；手錶則是透過手腕處的光學訊號與運動感測器，間接推導出與腦波變化高度相關的自律神經及呼吸生理反應。兩者技術原理不同，但穿戴裝置提供了一種無侵入性、可長期居家連續追蹤的便利途徑。

總結

智慧手錶之所以能精準辨識入睡與睡眠階段，並非依賴單一傳感器，而是整合了光學心率感測器、三軸加速度計、脈搏血氧儀以及以 Firstbeat Analytics 為代表的生理演算法。透過將連續心率、心率變異度（HRV）、呼吸頻率與肢體動態進行多維度融合，系統得以將無形的自主神經系統變化轉化為具體的睡眠階段圖表與 0 至 100 分的睡眠分數。

理解這套監測機制的運作邏輯，有助於使用者以更科學、客觀的角度看待生理數據。穿戴裝置的核心價值不在於單次分數的高低，而在於透過長期的數據趨勢追蹤，幫助個人洞悉日常壓力、運動訓練與夜間作息之間的雙向影響，進而為維持身心健康與提升運動表現建立扎實的基礎。

資料來源

• Garmin 怎麼知道我睡著了，而不是快要睡著的時候？

• 昨晚睡得好不好？Garmin 智慧手錶如何追蹤您的睡眠並計算 …

• 睡眠監測| 健康科學