基于非接触式体动图（BCG）与双层建模的自动睡眠分期

《Scientific Reports》：Automatic sleep stage classification via non-contact BCG and dual-layer modeling

　　

摘要

传统的睡眠分期研究通常依赖于接触式传感器，这可能会干扰自然睡眠。因此，本研究提出了一种基于非接触式单通道心动球图（BCG）信号的自动睡眠分期方法。首先，利用离散小波变换（DWT）对BCG信号进行分解，提取所需的心率和呼吸成分。随后，通过特征峰检测和心率变异性（HRV）及呼吸变异性（RRV）的进一步计算，建立了BCG特征与睡眠分期之间的映射关系。此外，引入双层模型以提高分类准确性。将五分类任务转化为两个三分类问题，以改善相似睡眠阶段之间的区分度。最后，在包含15段独立BCG记录（16,660个片段）的数据集上验证了该模型。模型准确率达到82.9%，与传统睡眠分期方法相比提高了约2–5%。该方法克服了传感器接触的限制，为睡眠分期提供了更舒适、更准确的解决方案。