基于多源被动感知数据的睡眠活动识别与刻画

睡眠是人类健康、表现与生活质量的关键指标。睡眠剥夺长期以来与多种精神与代谢障碍的发生、发展和恶化相关，构成预防、评估和诊治不同健康状况的基本标志。睡眠活动识别方法可提供指标以评估、监测和刻画受试者的睡眠-觉醒周期并检测行为变化。本工作中，我们提出一种通用方法，持续运行于智能手机的被动感知数据上，以刻画睡眠并识别显著睡眠片段。得益于其无处不在，这些设备构成了连续、客观且非侵入式刻画受试者生物节律的极佳替代数据源，有别于通常依赖侵入式与主观流程的传统睡眠评估方法。我们使用异质隐马尔可夫模型以自监督方式建模与睡眠活动识别任务相关的离散潜变量过程。我们针对被测可穿戴设备报告的睡眠指标验证结果，证明了所提方法的有效性并倡导在无更可靠来源时使用该方法评估睡眠。