基于加速计,皮肤温度和上下文信息预测睡眠和清醒的机器学习模型
Aleksej Logacjov1, Eivind Schjelderup Skarpsno2,3, Atle Kongsvold2
1Department of Computer Science, Norwegian University of Science and Technology, Trondheim, Norway.
Nature and science of sleep
|June 12, 2024
概括
使用加速度计的机器学习模型可以预测睡眠时间. 添加皮肤温度和上下文数据可以提高准确性,减少睡眠过度估计,以便进行更好的人口健康研究.
科学领域:
- 生物医学工程 生物医学工程
- 睡眠科学 睡眠科学
- 机器学习应用 机器学习应用
背景情况:
- 身体佩戴的加速度计在大型研究中被广泛用于估计睡眠时间.
- 使用加速度计准确的睡眠/觉醒得分是具有挑战性的,因为依赖于运动检测.
研究的目的:
- 开发和评估一种基于加速计的机器学习 (ML) 模型,用于预测基于加速计的睡眠时间.
- 评估是否添加皮肤温度,昼夜节律和周期时间特征可以提高预测的准确性.
主要方法:
- 29名成年人通过使用皮肤温度传感器进行了多睡眠学 (PSG) 和双加速仪记录 (AX3,Axivity,英国).
- PSG的睡眠/清醒得分作为训练ML模型的基础真理.
主要成果:
- 该ML模型仅使用加速度计数据实现了0.95的灵敏度和0.52的特异性.
- 结合皮肤温度和上下文数据,特异性提高到0.72,保持0.95的灵敏度.
- 睡眠过度估计在增强模型下从54分钟降至19分钟.
结论:
- 带有ML模型的双加速度计设置可以有效预测睡眠/清醒周期.
- 添加皮肤温度和上下文信息显著提高了睡眠时间预测的具体性.
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
497
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.7K
