机构名称：
¥ 1.0
摘要 — 目的：传感器小型化和计算能力的进步为在现实场景中监测人类生理状况提供了支持技术。睡眠中断可能会影响神经功能，也可能是身体和精神疾病的症状。本研究提出使用可穿戴入耳式脑电图 (ear-EEG) 进行整夜睡眠监测，作为一种 24/7 连续、不引人注目的社区睡眠质量评估技术。方法：共有 22 名健康参与者参加了整夜睡眠监测，同时进行耳部脑电图和常规全多导睡眠图记录。在结构复杂性和频谱域中分析了耳部脑电图数据。提取的特征用于通过监督机器学习自动预测睡眠阶段，其中 PSG 数据由睡眠临床医生手动评分。结果：基于单个入耳式传感器的耳部脑电图自动预测睡眠阶段与基于完整 PSG 的睡眠图之间的一致性在五个睡眠阶段分类的准确度上为 74.1%。这得到了 kappa 度量 (0.61) 的高度一致性的支持。结论：入耳式传感器可用于在睡眠实验室外监测整夜睡眠，还可减轻与 PSG 相关的技术困难。因此，它代表了一种 24/7 连续可穿戴的替代品，可以替代传统笨重且昂贵的睡眠监测。意义：“标准化”的通用粘弹性入耳式传感器是监测睡眠的下一代解决方案——该技术有望成为一种可行的可随时穿戴的睡眠监测方法，是实现负担得起的医疗保健和未来电子健康的关键。
采用标准化的自动夜间睡眠监测...
主要关键词
相关文件推荐
