Bioradiolocation-based sleep stage classification

Tataraidze, Alexander; Korostovtseva, Lyudmila; Anishchenko, Lesya; Bochkarev, Mikhail; Sviryaev, Yurii; Ivashov, Sergey

doi:10.1109/embc.2016.7591321

Cited by 20 publications

(7 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Moreover, the measurement conditions are also strongly dependent on the individuals being monitored. In particular, the signal reflects all objects in the bedroom and is affected by the sleeping position of the individual 78 . Some of the methods described in this section are, in general, more accurate or more usable than others.…”

Section: Sleep Monitoring Outside the Laboratorymentioning

confidence: 99%

The future of sleep health: a data-driven revolution in sleep science and medicine

et al. 2020

View full text Add to dashboard Cite

In recent years, there has been a significant expansion in the development and use of multi-modal sensors and technologies to monitor physical activity, sleep and circadian rhythms. These developments make accurate sleep monitoring at scale a possibility for the first time. Vast amounts of multi-sensor data are being generated with potential applications ranging from large-scale epidemiological research linking sleep patterns to disease, to wellness applications, including the sleep coaching of individuals with chronic conditions. However, in order to realise the full potential of these technologies for individuals, medicine and research, several significant challenges must be overcome. There are important outstanding questions regarding performance evaluation, as well as data storage, curation, processing, integration, modelling and interpretation. Here, we leverage expertise across neuroscience, clinical medicine, bioengineering, electrical engineering, epidemiology, computer science, mHealth and human-computer interaction to discuss the digitisation of sleep from a inter-disciplinary perspective. We introduce the state-ofthe-art in sleep-monitoring technologies, and discuss the opportunities and challenges from data acquisition to the eventual application of insights in clinical and consumer settings. Further, we explore the strengths and limitations of current and emerging sensing methods with a particular focus on novel data-driven technologies, such as Artificial Intelligence.

show abstract

Section: Sleep Monitoring Outside the Laboratorymentioning

confidence: 99%

The future of sleep health: a data-driven revolution in sleep science and medicine

et al. 2020

View full text Add to dashboard Cite

show abstract

“…Post feature extraction from the signals, a decision tree-based bagged classifier was used to classify the stages of sleep. Also, a similar kind of method with respect to the sleep stage detection using bio radiolocation was suggested by Tataraidze et al (2016). The system tends to perform a noninvasive determination of sleep stages but considering the data from polysomnography as the ground truths.…”

Section: Related Workmentioning

confidence: 99%

A Novel Sleep Scoring Algorithm-Based Framework and Sleep Pattern Analysis Using Machine Learning Techniques

Chakraborty

Aich

Kim

2021

International Journal of System Dynamics Applications

View full text Add to dashboard Cite

Maintaining the suited amount of sleep is considered the prime component for maintaining a proper and adequate health condition. Often it has been observed that people having sleep inconsistency tend to jeopardize the health and appeal to many physiological and psychological disorders. To overcome such difficulties, it is often required to keep a requisite note of the duration and quality of sleep that one is having. This work defines an algorithm that can be utilized in smart wearables or mobile phones to perceive the duration of sleep and also to classify a particular instance as slept or awake on the basis of data fetched from the triaxial accelerometer. A comparative analysis was performed based on the results obtained from some previously developed algorithms, rule-based models, and machine learning models, and it was observed that the algorithm developed in the work outperformed the previously developed algorithms. Moreover, the algorithm developed in the work will very much define the scoring of sleep of an individual for maintaining a proper health balance.

show abstract

“…Радар пройшов клінічні випробування і випускається компанією VitalThings під назвою Somnofy [31]. У Росії біорадіолокатор для виявлення порушень сну розроблений колективом лабораторії дистанційного зондування МДТУ імені М. Е. Баумана [32].…”

Section: іі мета дослідженняunclassified

Огляд Сучасних Технологій Для Діагностики Якості Сну

Іванова¹,

Fedorin²,

Вдовиченко³

2021

БіоІнжТех

View full text Add to dashboard Cite

Реферат – Сон - це складний психофізіологічний стан, який безпосередньо визначає психічну і біологічну активність людини. Важливість сну обумовлена в першу чергу його необхідністю для організму. Сон – унікальний механізм відновлення та адаптації до умов життя. Одна безсонна ніч знижує стійкість імунітету до інфекційних захворювань і швидкість реакції на зовнішні імпульси. У віддаленій перспективі постійний дефіцит і зниження якості сну підвищують ризик розвитку серцево-судинних і ендокринних захворювань. Золотий стандарт об'єктивної оцінки сну, полісомнографія, зазвичай виконується в лабораторії сну, і дані вручну оцінюються фахівцем зі сну, що робить цей процес незручним, дорогим і менш придатним для довготривалих досліджень. Тому існує потреба в перевіреному недорогому обладнанні для оцінки сну, яке було б зручним і точним. З клінічної та дослідницької точки зору можливість отримання даних про безсоння, може персоналізувати рішення про лікування та оптимізацію здоров'я, а також поліпшити фенотипування захворювання. Мета даної статті – дослідження сучасних методів аналізу якості сну, визначення їх переваг та недоліків, та пошук альтернативних засобів для моніторингу сну. В роботі наведені результати порівняльного аналізу технологій для відстеження сну, а також запропоновано альтернативу полісомнографії, яка може використовуватися для надійного та довгострокового моніторингу. Зокрема, проаналізовані роботи, що вивчали застосування біорадара як засобу аналізу фізіологічного стану людини. Біорадар - це новий вид радіолокатора, що поєднує технології біомедичної інженерії та радіолокації. Його ціль – безконтактне виявлення життєво важливих ознак через неметалеві перешкоди, такі як одяг та стіни, передаючи спеціальну електромагнітну хвилю. Дана технологія може стати кроком вперед в індустрії відстеження сну.Ключові слова: полісомнографія, моніторинг сну, актиграфія, дистанційний моніторинг, біорадари.

show abstract

Bioradiolocation-based sleep stage classification

Cited by 20 publications

References 13 publications

The future of sleep health: a data-driven revolution in sleep science and medicine

The future of sleep health: a data-driven revolution in sleep science and medicine

A Novel Sleep Scoring Algorithm-Based Framework and Sleep Pattern Analysis Using Machine Learning Techniques

Огляд Сучасних Технологій Для Діагностики Якості Сну

Contact Info

Product

Resources

About