728x90 반응형 SMALL Somnology/Lecacy, Heuristics & AI Model14 Sleep / Wake Analysis (Actiware) Sleep / Wake Analysis Actiware는 모든 에포크를 sleep 또는 wake로 평가한다. 특정 에포크를 웨이크로 점수를 매길지 여부는 해당 에포크와 그 바로 주변 에포크의 활동 카운트를 연구자가 설정한 임계값과 비교하여 결정된다. 카운트 수가 임계값을 초과하면 에포크가 wake로 채점된다. 임계값보다 낮거나 같으면 에포크는 sleep 모드로 점수가 매겨진다. Sleep = Total Activity Counts ≤ Wake Threshold Value Wake = Total Activity Counts > Wake Threshold Value Calculating Total Activity Counts Actiware는 샘플링 에포크를 기반으로 총 활동 카운트를 계산한다. 다음은 이 .. 2023. 7. 21. Automatic Sleep/Wake Identification From Wrist Activity Abstract 많은 연구 및 임상 상황에서는 실험실 외부에서 인간의 수면 데이터를 얻을 수 있는 저렴하고 방해가 되지 않는 방법이 필요하다. Mullaney 외 연구진은 손목에 장착된 움직임 감지기에서 얻은 데이터를 수동으로 채점하여 수면과 각성 상태를 높은 정확도로 구별할 수 있음을 보여주었다. 그러나 수동 채점과 관련된 힘든 노동은 일상적인 사용을 위한 이 방법의 실용성을 감소시킨다. Webster 외 연구진은 수면 및 각성을 위한 손목 활동 데이터의 점수를 매기는 자동 방법을 개발했다. 그들이 개발한 채점 알고리즘은 실험 손목 활동 그래프에만 최적화되어 있어서 그 방법이 현재 상업적으로 이용 가능한 활동 그래프 도구로 일반화될 수 있을지 불확실하다. 이 연구의 목표는 상용 손목 활동 그래프로 얻은.. 2023. 7. 13. Sleep stages classification based on heart rate variability and random forest (5) 결과 정규화 전후의 전형적인 HRV 특징의 히스토그램을 비교하였다. 왼쪽 그림은 정규화 전의 히스토그램을 나타내고 오른쪽 그림은 정규화 후의 히스토그램을 나타냅니다. 제안하는 방법은 이상치에 관계없이 대부분의 특징을 [0,1] 범위에 매핑할 수 있음은 자명하다. 이 우세한 전처리는 주체 독립 체계 내에서 수면 단계 분류에 효과적인 기능을 제공했다. 표는 피처 정규화를 사용하거나 사용하지 않는 주제별 체계 및 주제 독립적 체계에 대한 모든 개인의 혼동 행렬을 제공한다. 표의 숫자는 해당 에포크의 양을 나타낸다. 본 논문에서 제시하지 않은 개별 혼동 행렬에 따라 두 가지 체계를 기반으로 각 단계와 다른 단계를 분류하기 위한 정확도와 Cohen의 kappa 통계량 κ를 나타내었다. 또한, 전체 정확도와 κ 통.. 2023. 6. 29. Sleep stages classification based on heart rate variability and random forest (4) Classifier model: Random Forest RF는 각 내부 노드에서 p 기능의 부트스트랩 샘플링 하위 집합에서 분할 기능을 선택하는 많은 수의 결정 트리로 구성된다. 트리는 가지치기 없이 CART (Classification And Regression Tree) 방법론을 통해 구축된다. 최종 예측은 앙상블 예측의 다수결로 결정된다. RF의 중요한 기능은 훈련 과정에서 각 기능의 중요성을 평가하는 것이다. 실제로 RF를 구성하는 동안 OOB (out-of-bag) 샘플이라고 하는 원래 훈련 세트의 약 33%가 일반적인 부트스트랩 샘플에서는 발생하지 않는다. 특정 기능의 중요성을 평가하기 위해 처음에는 OOB 샘플에 대한 해당 값을 임의로 치환한다. 그런 다음 수정된 OOB 샘플이 새로운 예측.. 2023. 6. 29. Sleep stages classification based on heart rate variability and random forest (3) Nonlinear features 시간 도메인 및 주파수 도메인 기능에 의해 무시되는 일부 정보를 제공하기 때문에 많은 고급 비선형 방법이 HRV 분석에 적용되었다. 그러나 안정적인 결과를 얻기 위해서는 장기간의 데이터 시리즈가 필요한 경우가 많다. 본 연구에서는 단기 HRV 분석에 적합한 일부 비선형 접근법만 사용하였다. 이러한 방법에는 detrended 변동 분석, 멀티스케일 엔트로피, 상호 정보, 자기 상관 계수 및 제로 크로싱 분석이 포함된다. Detrended fluctuation analysis (DFA) DFA는 다항식 노이즈를 제거하여 장거리 전력법 상관 관계를 감지하고 조사된 비선형 데이터의 본질적인 변동을 얻을 수 있다. 시계열 x(n) = {x(1), x(2), ⋯, x(N)}의 경우.. 2023. 6. 29. Sleep stages classification based on heart rate variability and random forest (2) Frequency domain features HRV의 주파수 영역 특징은 ANS의 활동을 반영하는 중요한 지표였다. LF (0.04~ 0.15Hz) 및 HF (0.15~ 0.4Hz) 대역의 파워는 각각 교감신경 (SNS) 및 부교감신경 (PNS) 신경계의 조절과 관련이 있다. 일부 문헌은 또한 중간 주파수 (MF, 0.1–0.15Hz) 전력이 압력 반사 활동과 관련이 있음을 보여 주었다. HRV의 스펙트럼 정보를 최대한 활용하기 위해 본 연구에서는 LF를 실제 LF (TLF, 0.04–0.1Hz)와 MF로 더 나누었다. 연구에서 총 주파수 (TF)로 표시된 LF와 HF의 조합도 조사되었다. 그리고 보다 포괄적인 측정, 즉 스펙트럼 전력, 평균 주파수 및상이한 스펙트럼 대역에 상응하는 스펙트럼 엔트로피가.. 2023. 6. 29. Sleep stages classification based on heart rate variability and random forest (1) Abstract 본 논문에서는 심박 변이도 (HRV)에 기반한 수면 단계 분류를 위한 대체 기술을 제시했다. 각성, REM (Rapid Eye Movement) 수면 및 NREM (Non-REM) 수면을 분류하기 위해 간단한 주제별 체계와 보다 실용적인 주제 독립적 체계를 설계했다. 45명의 건강한 피험자의 RR 시퀀스에서 추출한 41개의 HRV 특징을 Random Forest (RF) 방법을 통해 훈련 및 테스트했다. 기능 중 25개는 수면 연구에 처음으로 제안되거나 적용됐다. subject independent classifier의 경우 모든 기능은 개발된 분위수 값 기반 방법으로 정규화되었다. 또한, 수면 단계에 대한 각 기능의 중요성도 RF로 평가하고 적절한 기능 수를 탐색했다. 주제별 분류기의 .. 2023. 6. 29. Van Hees (2015) : Open Access Method to Assess Sleep Duration Using a Wrist-Worn Accelerometer Open Access Method to Assess Sleep Duration Using a Wrist-Worn Accelerometer 손목 착용형 가속도계는 모집단 연구에서 신체 활동 평가에 점점 더 많이 사용되고 있지만 수면 평가에 대한 가치에 대해서는 알려진 바가 거의 없었다. 9일동안 가속도계를 착용한 60 - 83세 4,094명의 Whitehall II 연구(영국, 2012-2013) 참가자의 데이터를 사용하여 수면 시간을 평가하는 새로운 방법을 개발했으며 수면 로그를 작성하고 설문지를 통해 수면 시간을 보고했다. 수면 감지 알고리즘은 (야행성) 수면을 지속적인 비활동 기간으로 정의했으며, 참가자가 수면 로그에 수면으로 기록한 기간 동안 5분 이상 팔 각도가 5도 이상 변화하지 않는 것으로 감.. 2023. 6. 22. 중추성 수면 무호흡증 이벤트의 기계 학습 기반 자동 감지 중추성 수면 무호흡증 이벤트의 기계 학습 기반 자동 감지 수면다원검사는 수면무호흡증을 진단하기 위한 표준 검사이다. 그러나 이 접근법은 명백하고 시간이 오래 걸리며 수면 무호흡 진단을 필요로 하는 환자에게는 접근이 제한된다. 최근 몇 년 동안 PSG의 한계를 피하는 대체 장치나 접근 방식을 찾는 시도가 많이 있어 왔으며, 압력 감지 매트 (PSM)는 중추 수면 무호흡증 (CSA)을 감지할 수 있고 PSG의 잠재적 대안이 될 수 있는 것으로 입증되었다. 현재 연구에서는 고급 기계 학습 접근 방식을 실용적인 비간섭 홈 모니터링 장치 (PSM)와 결합하여 야간 및 무인 상태로 수집된 데이터에서 CSA 이벤트를 감지한다. CSA 이벤트의 자동 탐지를 위해 시간 컨볼루션 네트워크 (TCN)와 양방향 장기 단기 메.. 2022. 6. 23. [Deep Learning] RobustSleepNet RobustSleepNet 수면 장애 진단은 수면다원검사 (PSG) 기록의 분석에 의존한다. 이 검사의 예비 단계로 수면 단계가 체계적으로 결정된다. 실제로, 수면 단계 분류는 수면다원조영술 신호의 30초 epoch의 육안 검사에 의존한다. 이 지루하고 값비싼 작업을 대체하기 위해 수많은 자동 접근 방식이 개발되었다. 이러한 방법이 특정 데이터 세트에서 인간 수면 전문가보다 더 나은 성능을 보여주긴 했지만, 수면 클리닉에서는 거의 사용되지 않았다. 주된 이유는 각 수면 클리닉이 대부분의 자동 접근 방식이 즉시 처리할 수 없는 특정 PSG 몽타주를 사용하기 때문이다. 더욱이 PSG 몽타주가 호환되는 경우에도 자동 접근 방식은 인구 통계가 다른 보이지 않는 데이터에 대해 제대로 수행되지 않는다. 이러한 문제.. 2022. 6. 22. 이전 1 2 다음 728x90 반응형 LIST
