使用基于心率变化的机器学习算法对自动睡眠阶段分类的审查.
Ruoxi Yu1, Yan Li2, Kangqing Zhao3
1Chinese Medicine Constitution and Preventive Medicine, National Institute of Traditional, Beijing University of Chinese Medicine, No.11, Bei San Huan Dong Road, Chaoyang District, Beijing, 100029 China.
Sleep and biological rhythms
|April 7, 2025
概括
人工智能使用心率变化 (HRV) 信号有效分类睡眠阶段. 这篇评论强调了机器学习.
科学领域:
- *心血管生理学和计算神经科学.
背景情况:
- *心率变化 (HRV) 越来越多地被利用,因为它很容易收集,负担得起,并且与心理生理和精神病理条件相关.
- *HRV分析提供了一种非侵入性方法来评估自主神经系统功能.
- *睡眠阶段的分类对于诊断睡眠障碍和监测整体健康至关重要.
研究的目的:
- * 通过HRV信号审查和评估用于自动睡眠阶段分类的机器学习算法.
- * 为了比较最近研究中使用的HRV特征,分类方法和评估指标.
- *为了证明人工智能驱动的HRV分析对睡眠分期的有效性.
主要方法:
- * 在过去15年中,对基于HRV的睡眠阶段分类应用的机器学习算法的系统审查.
- * 提取和比较相关的HRV特征.
- *分析各种分类算法 (如SVM,深度学习) 和它们的性能指标.
主要成果:
- *利用HRV特征的机器学习算法在睡眠分期中实现了高精度,灵敏度和特异性.
- *特征选择和算法选择显著影响分类性能.
- * 技术的进步使基于HRV的睡眠分析性能得到改善.
结论:
- *使用HRV信号的AI方法对准确的自动睡眠阶段分类有显著的希望.
- * 基于机器学习的HRV睡眠分析是一个快速发展的领域,具有相当大的临床潜力.
- * 预计未来的发展将在睡眠医学中产生更个性化,更精确的解决方案.


