使用机器学习从腕戴式加速度计数据标注儿童睡眠状态
信号处理
2023-12-14 v1 计算机视觉与模式识别
计算机与社会
机器学习
摘要
睡眠检测与标注对于研究人员理解睡眠模式至关重要，在儿童群体中尤为如此。借助内置加速度计的现代腕戴式手表，可以收集睡眠日志。然而，将这些日志标注为不同的睡眠事件（入睡和醒来）具有挑战性。这些标注必须自动化、精确且可扩展。我们提出使用不同的机器学习 (ML) 技术对加速度计数据进行建模，例如支持向量机、提升法、集成方法，以及涉及 LSTM 和基于区域的 CNN 的更复杂方法。随后，我们旨在使用事件检测平均精度 (EDAP) 分数（类似于 IOU 指标）评估这些方法，以最终比较预测能力和模型性能。
引用
@article{arxiv.2312.07561,
title = {Annotating sleep states in children from wrist-worn accelerometer data using Machine Learning},
author = {Ashwin Ram and Sundar Sripada V. S. and Shuvam Keshari and Zizhe Jiang},
journal= {arXiv preprint arXiv:2312.07561},
year = {2023}
}