睡眠指标和分期:在健康的年轻成年人中进行的一项功能近红外光谱学研究

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 功能近红外光谱 (fNIRS) 为睡眠监测提供了一个便携式,低干扰的替代方案.
• 现有的研究缺乏对fNIRS睡眠指标的系统分析,以及针对多睡眠学 (PSG) 的验证睡眠分阶段模型.

研究的目的:

• 系统地检查来自fNIRS信号的睡眠指标.
• 开发和验证基于fNIRS的睡眠分期模型,使用PSG作为参考.
• 评估fNIRS对全面睡眠监测的可靠性.

主要方法:

• 从37名志愿者同时收集了6通道前额前部fNIRS和PSG数据.
• 从时间域,频域和fNIRS信号的分析中提取睡眠指标.
• 基于提取的fNIRS指标开发睡眠分期算法,与人类得分的PSG进行验证.

主要成果:

• 较深的睡眠阶段与时间域特征幅度降低和度增加相关.
• 基于fNIRS的睡眠分期实现了高准确度:94.2% (2类),87.8% (3类) 和82.2% (4类).
• fNIRS衍生的睡眠统计数据与PSG非常相匹配,在睡眠开始延迟和效率等关键指标上差异很小 (<5分钟或<3%).

结论:

• 基于fNIRS的睡眠分期显示了与PSG的实质性协议,验证了它的准确性.
• fNIRS提供了一个可靠的工具,用于在现实环境中进行详细和全面的长期睡眠监测.
• 这项研究促进了fNIRS的临床应用,用于可访问和非侵入性睡眠分析.