フォトプレチスモグラフィに基づく睡眠モニタリングを改善するために,睡眠段階の個々の自律的表現を学習する

科学分野:

• 生物医学工学
• 睡眠医学
• 生理学的モニタリング

背景:

• 手首用フォトプレチスモグラフィー (PPG) は,心拍の変動を分析することで,不注意な睡眠モニタリングを提供します.
• 自律的バランスの個体間差は,PPGベースの睡眠段階化モデルの一般化を制限する可能性があります.
• 個々の自律的表現によるパーソナライゼーションは,PPGベースの睡眠ステージのパフォーマンスを高める可能性があります.

研究 の 目的:

• PPGベースの睡眠段階測定モデルをパーソナライズすることで精度が向上するかどうかを調査する.
• 個々の自律的表現が睡眠段階のパフォーマンスに与える影響を評価する.
• パーソナライズされたPPGモデルと一般的なPPGモデルを比較する.

主な方法:

• 59人の参加者から 7泊間にわたって PPGと EEGのデータを収集した.
• 一般的なPPGモデルをパーソナライズし,対象特有のPPGとEEGによる睡眠段階を微調整しました.
• 4段階の睡眠分類 (W/N1+N2/N3/REM) のモデル性能をポリソムノグラフィーによる手動スコアと比較した.

主要な成果:

• パーソナライゼーションは 82.5%の被験者の睡眠段階のパフォーマンスを改善し,夜間トレーニングが増えるにつれて増加しました.
• パーソナライズされたすべての睡眠段階 (覚醒,N1+N2,N3,REM) で有意なパフォーマンスの改善が観察されました.
• パーソナライゼーションは特に若者や不眠症の患者に有益であり,N3とREM睡眠の分類を改善しました.

結論:

• モデルパーソナライゼーションは,一般的なPPGベースの睡眠ステージングモデルの限界を克服できます.
• 自動調節が変化した場合は,PPG睡眠段階化が推奨されます.
• 個別化されたアプローチは ウェアラブル・スリープ・モニタリング技術の信頼性と精度を高めます