728x90 반응형 SMALL Somnology119 Wearable Sleep Technology in Clinical and Research Settings (2) Concordance and agreement between PSG and wearables Bland-Altman 플롯은 계측기 간의 일치성을 평가하는 가장 중요한 도구이며 각 관심 매개변수 (TST, WASO, N1, N2, N3, REM sleep에서 소요된 시간)에 대해 PSG 장치 불일치 (y축)를 PSG 값 (x축)에 대해 플롯하여 장치의 전체 성능을 평가하는 데 사용해야 한다. 원래 Bland-Altman 그림에서는 장치 간의 평균 차이가 x축에 표시되지만 PSG는 수면 평가를 위한 허용되는 황금 표준 방법이므로 PSG를 기준으로 사용하는 보다 보수적인 접근 방식이 권장된다. Bland-Altman 그림을 사용하면 일치성과 이질성 (즉, 측정값의 크기 함수로 증가 오차가 있는지 여부)을 시각.. 2023. 7. 6. Wearable Sleep Technology in Clinical and Research Settings (1) Wearable Sleep Technology in Clinical and Research Settings 수면에 대한 정확한 평가는 건강과 질병에 대한 수면의 역할을 더 잘 이해하고 평가하기 위해 중요하다. 웨어러블 기술의 붐은 디지털 건강 혁명의 일부이며 여러 센서에서 데이터를 수집하고 수면을 포함한 사용자의 행동에 대한 정보를 추출한다고 주장하는 새롭고 매우 정교하며 상대적으로 저렴한 소비자 장치를 많이 생산하고 있다. 이 장치들은 이제 활동뿐만 아니라 심박수와 그 변동성, 피부 전도도 및 온도를 결정하기 위해 다양한 생체 신호를 캡처할 수 있다. 이들은 전례없는 24 / 7의 성능을 발휘하여 압도적인 빅 데이터를 생성하며, 사용자의 상태를 획기적으로 파악할 수 있는 창을 제공할 수 있다. 불행하게.. 2023. 7. 6. 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. NeuroKit2 NeuroKit2 NeuroKit2는 고급 생체 신호 처리 루틴에 쉽게 액세스할 수 있는 사용자 친화적인 패키지이다. 프로그래밍이나 생의학 신호 처리에 대한 광범위한 지식이 없는 연구원과 임상의는 단 두 줄의 코드로 생리학적 데이터를 분석 할 수 있다. pip install neurokit2 https://neuropsychology.github.io/NeuroKit/introduction.html Overview — NeuroKit2 0.2.5 documentation Overview The Python Toolbox for Neurophysiological Signal Processing NeuroKit2 is a user-friendly package providing easy access to a.. 2023. 6. 26. [BioPsyKit] 수면 분석 (관성 측정 장치) import from pathlib import Path import pandas as pd import numpy as np from fau_colors import cmaps import biopsykit as bp import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline %load_ext autoreload %autoreload 2 plt.close("all") palette = sns.color_palette("Set2") sns.set_theme(context="notebook", style="ticks", font="sans-serif", palette=palette) plt.rcParams["figure.figsize".. 2023. 6. 25. 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. 이전 1 2 3 4 5 6 7 ··· 12 다음 728x90 반응형 LIST
