利用脉搏血氧信号通过循环神经网络分类睡眠-觉醒阶段
信号处理
2020-08-11 v1 机器学习
摘要
自主神经系统的调节随睡眠阶段变化，引起生理变量的改变。我们利用这些改变，旨在使用脉搏血氧仪信号将睡眠阶段分类为清醒或睡眠。我们将循环神经网络应用于心率与外周血氧饱和度信号，以每30秒分类一次睡眠阶段。网络架构由两层堆叠的双向门控循环单元(GRU)与一个softmax层组成，用于分类输出。本文使用了来自睡眠心脏健康研究(Sleep Heart Health Study)数据集的5000名患者。2500名患者用于训练网络，两个各1250名的子集用于验证与测试训练模型。在测试阶段，获得的最佳结果为准确率90.13%、灵敏度94.13%、特异度80.26%、精确率92.05%、阴性预测值84.68%。此外，Cohen's Kappa系数为0.74，与实际睡眠时间的绝对误差百分比平均为8.9%。当最先进算法使用信息量更大的信号(除EEG外)时，所提网络性能与其相当。
引用
@article{arxiv.2008.03382,
title = {Classifying sleep-wake stages through recurrent neural networks using pulse oximetry signals},
author = {Ramiro Casal and Leandro E. Di Persia and Gastón Schlotthauer},
journal= {arXiv preprint arXiv:2008.03382},
year = {2020}
}
备注
12 pages, 4 figures, 2 tables