模块化行动图形平台:一种数据科学解决方案,用于处理用于睡眠和身体活动评估的高分辨率时间序列传感器数据
相关实验视频
Updated: Jan 9, 2026
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
8.1K
Pin-Wei Chen1, Dipriya A Pillai2, Michael S Campagna2
1Department of Biomedical and Health Informatics, Children's Hospital of Philadelphia Research Institute, Philadelphia, PA.
medRxiv : the preprint server for health sciences
|December 3, 2025
概括
模块化行动图形平台 (MAP) 有效地处理用于睡眠和体力活动研究的原始可穿戴传感器数据. 这种基于云的系统集成了开源算法,提高了临床研究中的数据严格性和可重现性.
科学领域:
- 生物医学工程 生物医学工程
- 临床研究信息学
- 可穿戴技术可穿戴技术
背景情况:
- 传统的可穿戴设备使用专有评分,限制了透明度和可重复性.
- 对于在临床研究中处理原始传感器数据的强大数据基础设施的需求正在增长.
- 开源的评分方法正在出现,以提高睡眠和体育活动评估的严格性.
研究的目的:
- 开发一个基于云计算的计算平台,模块化行动图形平台 (MAP),用于处理原始可穿戴传感器数据.
- 整合灵活的,模块化数据处理能力,用于睡眠和体力活动指标.
- 为了促进新兴开源评分算法的整合.
主要方法:
- MAP是使用结构化的软件开发生命周期 (SDLC) 和多层次测试来开发的.
- 集成的开源算法包括GGIR和MIMS用于睡眠和体力活动得分.
- 用户接受测试涉及alpha (17个文件) 和beta (686个文件来自4个儿科队列) 阶段.
主要成果:
- MAP是一个基于云的平台,用于处理高分辨率时间序列传感器数据,用于睡眠和活动指标.
- 测试证明了MAP的效率,利用高达60个CPU核心和500GiB的内存.
- 在GGIR (1.6-2.9x) 和MIMS (2.4-14.0x) 预处理中,MAP处理比离线方法快得多.
结论:
- MAP提供了一种高效的计算解决方案,用于从可穿戴设备处理原始传感器数据.
- 该平台增强了临床研究环境中睡眠和体力活动的估计.
- MAP支持开源算法的集成,促进严谨性和可重复性.
