基于 EGG、ECG、呼吸频率与 SpO2 的堆叠集成学习静止体位识别
机器学习
2021-08-27 v1 人工智能
信号处理
神经元与认知
机器学习
摘要
休息对于高水平的生理和心理表现至关重要。它也是肌肉修复、重建和增强所必需的。休息质量与休息姿势之间存在显著的相关性。因此，识别静止体位对于维持健康生活至关重要。静止姿势可分为四个基本类别：仰卧（平躺）、左侧卧/右侧卧和自由落体姿势。后者已被研究人员一致认为是不健康的姿势，因此可以排除。在本文中，我们基于从生理参数收集的数据分析了静止体位的其他三种状态：胃电图（EGG）、心电图（ECG）、呼吸频率、心率和血氧饱和度（SpO2）。基于这些参数，使用由决策树、随机森林和 Xgboost 算法设计的混合堆叠集成机器学习模型对静止体位进行分类。我们的研究表明，使用该混合模型对静止体位的预测准确率达到 100%。所提出的基于生理参数识别静止体位的方法具有集成到可穿戴设备中的潜力。这是一种低成本、高精度且自主的体态监测技术，通过消除传统上用于多导睡眠图（睡眠监测）或静止体位研究的 RGB 相机的使用，同时保持了用户隐私。
引用
@article{arxiv.2108.11604,
title = {Identification of the Resting Position Based on EGG, ECG, Respiration Rate and SpO2 Using Stacked Ensemble Learning},
author = {Md. Mohsin Sarker Raihan and Muhammad Muinul Islam and Fariha Fairoz and Abdullah Bin Shams},
journal= {arXiv preprint arXiv:2108.11604},
year = {2021}
}
备注
Accepted for publication in Lecture Notes on Data Engineering and Communication Technologies, Springer,BIM,2021