基于双时间尺度特征传感器数据估算暗光褪黑素 onset（DLMO）
机器学习
2022-03-03 v5 信号处理
机器学习
摘要
昼夜节律影响睡眠、表现与情绪等多项基本生物活动。暗光褪黑素 onset（DLMO）是衡量人类昼夜时相（即 timing）的金标准。DLMO 的采集昂贵且耗时，因为需要在特殊条件下夜间采集多个唾液或血液样本，随后还需测定其中的褪黑素。近来，若干计算方法被设计用于估算 DLMO。这些方法收集每日采样数据（如睡眠起止时间）或高频采样数据（如每分钟采集的光照暴露/皮肤温度/身体活动）来训练学习模型以估算 DLMO。这些研究的一个局限是仅利用了单一时间尺度数据。我们提出一种利用双时间尺度数据估算 DLMO 的两步框架。第一步汇总当前日之前的数据，第二步将该汇总与当前日的高频采样数据结合。我们评估了三种以睡眠时序数据作为第一步输入、以循环神经网络模型作为第二步的滑动平均模型。基于 207 名本科生的数据结果表明，具有双时间尺度特征的我们的两步模型比仅用每日采样或高频采样数据的模型在均方根误差上统计显著更低。
引用
@article{arxiv.1908.07483,
title = {Sensor-Based Estimation of Dim Light Melatonin Onset (DLMO) Using Features of Two Time Scales},
author = {Cheng Wan and Andrew W. McHill and Elizabeth Klerman and Akane Sano},
journal= {arXiv preprint arXiv:1908.07483},
year = {2022}
}
备注
16 pages, 6 figures, 4 tables, ACM Transactions on Computing for Healthcare