通过循环统计,分析在整个月经周期内用可穿戴传感器记录的生理信号

科学领域:

• 生理信号分析分析生理信号分析
• 妇女健康研究 妇女健康研究
• 生物医学工程 生物医学工程

背景情况:

• 月经周期表现出复杂的生理变化.
• 精确的阶段确定对于生殖健康和研究至关重要.
• 阶段识别的传统方法可能是侵入性的或不精确的.

研究的目的:

• 识别显著的生理信号特征,表明月经周期阶段.
• 应用循环统计来分析周期性的生理数据.
• 为日常生理信号行为开发一个预测模型.

主要方法:

• 利用循环统计分析生理信号,包括温度,心率 (HR),心跳间隔 (IBI) 和皮电活动 (EDA).
• 排卵和非排卵周期之间的信号模式的比较.
• 训练了一种自回归集成移动平均 (ARIMA) 模型,使用历史数据来预测每日信号值.

主要成果:

• 排卵周期在温度,HR,IBI和EDA (音调和相位成分) 中显示出显著的周期性,与非排卵周期不同.
• 在排卵和非排卵周期之间发现了温度,IBI和EDA的显著差异.
• 该ARIMA模型准确地预测了每日平均温度,HR,IBI和EDA强度值,其低根平均平方误差 (RMSE).

结论:

• 循环统计有效地识别月经周期期间生理信号中的双相模式.
• 生理信号分析可以经验性地确定月经阶段.
• 开发的ARIMA模型显示了实时监测和预测月经周期进展的潜力.