通过生物反预测睡眠质量:使用心率变化和皮肤温度的机器学习方法

科学领域:

• 生理学 生理学 生理学
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 睡眠质量 (SQ) 对健康至关重要,影响认知和慢性疾病风险.
• 评估SQ有助于识别面临风险的个人和制定干预措施.
• 可穿戴设备和非接触式技术可以客观地监测心率变化 (HRV) 和皮肤温度以进行SQ评估.

研究的目的:

• 开发机器学习模型,使用HRV和清醒期间的皮肤温度指标预测SQ.
• 评估SQ预测的单模和多模方法.
• 建立一个非侵入性的方法,用于持续的SQ监测.

主要方法:

• 使用可穿戴传感器收集HRV数据.
• 通过红外热成像测量面部皮肤温度.
• 开发和比较分类模型,包括支持矢量机 (SVM),使用单模和多模数据.

主要成果:

• 使用多模式HRV和皮肤温度的支持矢量机模型实现了最高的分类准确率83.4%.
• 这种多式联络方法在与单式联络方法和现有的最先进技术相比显示出更高的性能.
• 这些发现强调了HRV和皮肤温度结合用于全面SQ评估的协同效应.

结论:

• 整合HRV和皮肤温度的机器学习模型可以使用在清醒期间的非侵入性测量来准确预测睡眠质量.
• 这种方法为在人体工程学应用中使用可穿戴和无接触技术提供了一个有希望的途径,用于持续的SQ监控.
• 该研究推进了客观的SQ评估,提供了一种强大的方法,具有广泛使用的巨大潜力.