基于智能手表传感器的睡眠分期算法用于健康和睡眠呼吸暂停的人群

科学领域:

• 生物医学工程 生物医学工程
• 睡眠科学 睡眠科学
• 人工智能的人工智能

背景情况:

• 睡眠阶段对于评估睡眠质量和整体健康至关重要.
• 智能手表提供一种非侵入性的方法来收集生理数据 (运动,心率) 用于睡眠分析.
• 了解睡眠模式可以显著改善健康管理.

研究的目的:

• 使用智能手表传感器数据开发和验证用于自动睡眠分阶段的循环神经网络 (RNN) 模型.
• 创建一个轻量级和高效的解决方案,用于实时预测睡眠阶段.
• 为了提高用户对他们的睡眠模式和相关健康状况的理解.

主要方法:

• 开发了一种循环神经网络模型,利用加速仪和光聚体图 (PPG) 传感器的23个输入特征.
• 该模型在使用三星智能手表的各种人群的1522个夜间录音的大数据集上进行了训练和验证.
• 对于每一个30秒的睡眠阶段进行了睡眠分级,分为四个阶段:清醒,轻度,深度和快速眼动 (REM) 睡眠.

主要成果:

• 拟议的模型实现了71.6%的平衡精度和0.56的科恩卡帕,在586个记录的测试集上分类四个睡眠阶段.
• 该解决方案展示了作为可穿戴睡眠分期系统的竞争性性能.
• 在健康人群和睡眠呼吸暂停人群中,算法性能与人口统计学变量之间的相关性很低.

结论:

• 经过验证的基于RNN的模型为准确的睡眠分期提供了具有竞争力的可穿戴解决方案.
• 使用大量多样化的数据集提高了睡眠分阶段算法的稳定性和可靠性.
• 这些发现支持智能手表在提供有关睡眠质量和健康状况的宝贵见解方面的实用性.