基于无标签体动记录数据的睡眠-觉醒周期检测通用算法
应用统计
2019-04-11 v1
摘要
分析用于睡眠研究的体动记录数据时，一个关键组成部分是睡眠-觉醒周期检测。多数检测算法依赖准确的睡眠日记标签来生成监督分类器，其参数针对特定数据集优化。然而，一旦体动记录追踪器部署于实地，用于训练模型与验证检测精度的标签往往不可用。本文提出一种通用、无需训练的算法，从逐分钟体动记录中检测睡眠-觉醒周期。利用鲁棒的非线性参数模型，我们所提方法通过在参数模型定义的有限区域内搜索单一变点来精炼检测区间。受限于缺乏真值标签，我们还提出专用于该问题的评估指标。在 112 名儿童的周体量动记录上测试，结果显示所提算法较基线模型一致且显著提升（p<3e-15）。此外，聚焦于体动记录捕捉的人类昼夜节律共性，该方法对各类体动记录追踪器采集的数据具有通用性，规避了开发定制睡眠检测分类器时繁重的标签收集步骤。
引用
@article{arxiv.1904.05313,
title = {A Generic Algorithm for Sleep-Wake Cycle Detection using Unlabeled Actigraphy Data},
author = {Shanshan Chen and Robert Perera and Matthew M. Engelhard and Jessica R. Lunsford-Avery and Scott H. Kollins and Bernard F. Fuemmeler},
journal= {arXiv preprint arXiv:1904.05313},
year = {2019}
}