验证CircaCP:一种通用的睡眠-清醒周期检测算法,用于未标记的动图数据

科学领域:

• 生物医学工程 生物医学工程
• 时间生物学 时间生物学
• 数据科学数据科学数据科学

背景情况:

• 准确的睡眠-清醒周期检测对于分析动态图数据至关重要.
• 现有的监督学习算法往往缺乏跨不同传感器和研究的概括性.
• 无监督的方法提供了一个潜在的解决方案,用于强大的睡眠-觉醒检测.

研究的目的:

• 引入和验证CircaCP,这是一个无人监督的算法,用于检测睡眠和清醒周期.
• 评估CircaCP在不同传感器和年龄组中的通用性.
• 为提取时间睡眠指标提供可靠的方法.

主要方法:

• 开发了CircaCP,这是一个无监督的算法,利用共模型来估计昼夜节律和改变点分析来检测睡眠和清醒.
• 应用CircaCP来估计从2125个人的动图数据 (MESA睡眠研究) 中的睡眠/觉醒开始时间 (S/WOT).
• 使用布兰德-阿尔特曼和差异组件分析对自我报告的事件标记进行了验证估计的S/WOT.

主要成果:

• CircaCP表现出高精度,睡眠开始时间 (SOT) 平均落后3.6分钟,醒来开始时间 (WOT) 落后不到1分钟.
• 算法的估计在S/WOT中占据了最小的变化 (<0.2%),表明了强度.
• CircaCP显示了从儿童部穿戴的ActiGraph数据到成年人手腕穿戴的ActiWatch数据的无可转移性.

结论:

• CircaCP是一个经过验证的,无监督的算法,用于精确的睡眠和清醒周期检测.
• 该算法的强大的通用性跨传感器和人群使其广泛适用.
• CircaCP提供了一种可靠和强大的方法,可以从不同的动图数据集中提取时间睡眠指标.