基于神经网络的预测通过可穿戴设备数据感知睡眠质量
Martin Baumgartner1,2, Manuel Grössl3, Raphaela Haumer3
1AIT Austrian Institute of Technology, Graz & Vienna, Austria.
Studies in health technology and informatics
|April 29, 2024
概括
通过可穿戴数据预测睡眠质量是复杂的. 神经网络模型显示中等准确性,但在1级耐受性下显著改善,这表明AI在睡眠行为分析中的潜力.
科学领域:
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
- 睡眠科学 睡眠科学
背景情况:
- 研究了可穿戴设备的使用,以收集用于睡眠质量评估的生理数据.
- 在四周内从18名参与者收集了心率,体育活动和睡眠质量数据 (设备测量和自我报告).
研究的目的:
- 开发和评估一个神经网络模型,用可穿戴传感器数据预测睡眠质量.
- 建立客观生理指标和主观睡眠质量认知之间的相关性.
主要方法:
- 采用数据处理和特征工程技术.
- 优化了多层感知器 (MLP) 分类器用于睡眠质量预测.
- 利用生理数据 (心率,活动) 和自我报告的睡眠质量.
主要成果:
- 神经网络模型在感知睡眠质量方面实现了59%的适度预测准确度.
- 当应用1级宽容时 (在1-5级),准确性增加到92%.
- 结果表明,仅从可穿戴数据中精确量化主观睡眠体验存在挑战.
结论:
- 需要进一步的研究才能充分理解可穿戴设备和人工智能在睡眠行为分析中的作用.
- 这些发现表明,虽然直接预测具有挑战性,但具有容忍值的AI模型显示出有希望的结果.
- 可穿戴技术和人工智能可能为增强睡眠研究和了解个人睡眠模式提供有价值的工具.
更多相关视频
04:54Author Spotlight: IntelliSleepScorer — A High-Accuracy, Accessible GUI Software for Automated Sleep Stage Scoring in Mice and its Application in Psychiatric Research
Published on: November 8, 2024
503
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
433
