29、利用机器学习算法从心电图信号识别睡眠阶段

利用机器学习算法从心电图信号识别睡眠阶段

1. 引言

物联网（IoT）在未来几年将渗透到日常生活的方方面面，尤其在医学和医疗保健等关键领域具有变革性影响。医疗物联网是一个庞大且复杂的领域，涉及健康数据的管理、流动和处理。利用物联网进行医疗保健，能极大提升健康数据的可用性，缩短数据处理时间，提高医疗管理效率，而人工智能方法（如机器学习或深度学习技术）能助力实现这些优势。

睡眠对人类的身心健康至关重要，它是人体代谢和体液系统重组与再平衡的重要机制。睡眠模式的显著改变会对人体的新陈代谢（如糖尿病、肥胖）、心理健康（如压力、易怒和抑郁障碍）、免疫系统和心血管系统（如高血压）产生深远影响，还可能是神经退行性疾病的指标。在睡眠研究中，识别受试者的睡眠阶段是临床诊断和治疗睡眠障碍的关键步骤。

美国国家睡眠基金会建议成年人连续睡眠时长至少为 7 - 9 小时，但许多研究表明，大量人群睡眠时长不足。在医学实践中，睡眠阶段的分类通常基于脑电图（EEG）、眼电图（EOG）和肌电图（EMG）这三个可测量的神经生理变量，通过多导睡眠图（PSG）测试收集信号。然而，PSG 测试具有很强的侵入性。

为使睡眠阶段检测变得简单且无创，研究尝试仅使用从单个可穿戴心电图（ECG）传感器收集的信号计算的心率变异性（HRV）值来对受试者的不同睡眠阶段进行分类。这种方法可轻松应用于物联网医疗保健、移动物联网医疗保健和智能家居睡眠健康监测等场景。通过使用公开可用的睡眠心脏健康研究（SHHS）数据集，并测试多种机器学习分类算法，以 F1 分数比较它们的性能，为选择合适的算法用于后续监测奠定基础。

2. 相关研究

不同研究团队提出了多种通过分析生物医学信号和利用人工