論文の概要: Personalised recommendations of sleep behaviour with neural networks
using sleep diaries captured in Sleepio
- arxiv url: http://arxiv.org/abs/2208.00033v1
- Date: Fri, 29 Jul 2022 18:29:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 12:59:22.275477
- Title: Personalised recommendations of sleep behaviour with neural networks
using sleep diaries captured in Sleepio
- Title（参考訳）: 睡眠時ダイアリーを用いたニューラルネットワークによる睡眠行動のパーソナライズ
- Authors: Alejo Nevado-Holgado, Colin Espie, Maria Liakata, Alasdair Henry,
Jenny Gu, Niall Taylor, Kate Saunders, Tom Walker, Chris Miller
- Abstract要約: Big Healthと共同で、私たちは401,174回の睡眠日記のランダムなサンプルからデータを分析しました。
個人の睡眠行動と睡眠の質をパーソナライズされた方法でモデル化するニューラルネットワークを構築した。
ニューラルネットワークは、ユーザーがどの睡眠習慣に従うべきかをパーソナライズしたレコメンデーションを生成し、睡眠の質を最大化する。
- 参考スコア（独自算出の注目度）: 11.243440695021567
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SleepioTM is a digital mobile phone and web platform that uses techniques
from cognitive behavioural therapy (CBT) to improve sleep in people with sleep
difficulty. As part of this process, Sleepio captures data about the sleep
behaviour of the users that have consented to such data being processed. For
neural networks, the scale of the data is an opportunity to train meaningful
models translatable to actual clinical practice. In collaboration with Big
Health, the therapeutics company that created and utilizes Sleepio, we have
analysed data from a random sample of 401,174 sleep diaries and built a neural
network to model sleep behaviour and sleep quality of each individual in a
personalised manner. We demonstrate that this neural network is more accurate
than standard statistical methods in predicting the sleep quality of an
individual based on his/her behaviour from the last 10 days. We compare model
performance in a wide range of hyperparameter settings representing various
scenarios. We further show that the neural network can be used to produce
personalised recommendations of what sleep habits users should follow to
maximise sleep quality, and show that these recommendations are substantially
better than the ones generated by standard methods. We finally show that the
neural network can explain the recommendation given to each participant and
calculate confidence intervals for each prediction, all of which are essential
for clinicians to be able to adopt such a tool in clinical practice.
- Abstract（参考訳）: SleepioTMは、認知行動療法(CBT)の技術を用いて、睡眠障害のある人の睡眠を改善するデジタル携帯電話とWebプラットフォームである。
このプロセスの一環として、sleepioは、処理中のデータに同意したユーザの睡眠行動に関するデータをキャプチャする。
ニューラルネットワークの場合、データのスケールは、実際の臨床実践に翻訳可能な有意義なモデルをトレーニングする機会となる。
sleepioを開発した治療会社big healthと共同で、401,174の睡眠日記のランダムサンプルからのデータを分析し、各個人の睡眠行動と睡眠の質をパーソナライズした方法でモデル化するニューラルネットワークを構築した。
このニューラルネットワークは、過去10日間の行動に基づいて、個人の睡眠の質を予測する標準的な統計手法よりも正確であることを示す。
様々なシナリオを表す幅広いハイパーパラメータ設定におけるモデル性能を比較した。
さらに,睡眠の質を最大化するために,ユーザがフォローすべき睡眠習慣をパーソナライズしたレコメンデーションを生成するためにニューラルネットワークが利用可能であることを示し,標準手法によるレコメンデーションよりもはるかに優れていることを示す。
最後に,ニューラルネットワークが各参加者に与えられた推奨事項を説明し,各予測に対する信頼区間を算出できることが示され,臨床医がこれらのツールを臨床で活用する上で不可欠である。
関連論文リスト
- Clustering and Data Augmentation to Improve Accuracy of Sleep Assessment and Sleep Individuality Analysis [1.9662978733004597]
本研究の目的は,就寝時の頻繁な動きによる睡眠不足など,エビデンスに基づく評価を提供する機械学習ベースの睡眠評価モデルを構築することである。
睡眠音イベントの抽出,VAEを用いた潜時表現の抽出,GMMによるクラスタリング,主観的睡眠評価のためのLSTMトレーニングは94.8%の精度で睡眠満足度を識別した。
論文 参考訳（メタデータ） (2024-04-16T05:56:41Z) - Sleep Model -- A Sequence Model for Predicting the Next Sleep Stage [18.059360820527687]
単チャンネル脳波(EEG)、脳電図(EOG)、筋電図(EMG)、心電図(ECG)などの単純なセンサーを用いた睡眠段階分類が注目されている。
本研究では、次の睡眠段階を予測する睡眠モデルを提案し、睡眠分類精度を向上させるために使用した。
論文 参考訳（メタデータ） (2023-02-17T07:37:54Z) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳（メタデータ） (2023-01-17T15:18:45Z) - SleepMore: Sleep Prediction at Scale via Multi-Device WiFi Sensing [0.0]
本研究では,ユーザのWiFiネットワーク上での機械学習に基づく,正確な睡眠追跡手法であるSleepMoreを提案する。
46人の大学生を対象とした1ヶ月にわたるユーザー調査データを用いて、SleepMoreを検証し、Oura Ringウェアラブルと比較した。
以上の結果から,SleepMoreは,5%の不確かさ率以内の予測のために,Ouraリングベースラインから統計的に識別不能な睡眠統計を発生させることが示された。
論文 参考訳（メタデータ） (2022-10-24T16:42:56Z) - Neural Clamping: Joint Input Perturbation and Temperature Scaling for Neural Network Calibration [62.4971588282174]
我々はニューラルクランプ法と呼ばれる新しい後処理キャリブレーション法を提案する。
実験の結果,Neural Clampingは最先端の処理後のキャリブレーション法よりも優れていた。
論文 参考訳（メタデータ） (2022-09-23T14:18:39Z) - Predicting Sleeping Quality using Convolutional Neural Networks [6.236890292833385]
本稿では,分類性能を向上させる畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
従来の機械学習手法を含む様々な手法から分類性能をベンチマークする。
精度、感度、特異性、精度、リコール、Fスコアが報告され、研究をシミュレートするためのベースラインとして機能する。
論文 参考訳（メタデータ） (2022-04-24T21:48:54Z) - NeuralDP Differentially private neural networks by design [61.675604648670095]
ニューラルネットワーク内のいくつかの層の活性化を民営化する手法であるNeuralDPを提案する。
本研究では,DP-SGDと比較して,プライバシーとユーティリティのトレードオフを大幅に改善した2つのデータセットを実験的に検証した。
論文 参考訳（メタデータ） (2021-07-30T12:40:19Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳（メタデータ） (2021-03-30T09:59:56Z) - WiSleep: Scalable Sleep Monitoring and Analytics Using Passive WiFi
Sensing [0.0]
WiSleepは、WiFiインフラから受動的に感知されるスマートフォンネットワーク接続を使用した睡眠監視および分析プラットフォームである。
本研究では,睡眠時間と覚醒時間を予測するため,ベイズ変化点検出の教師なしアンサンブルモデルを提案する。
WiSleepは、単一のコモディティサーバ上で2万人のユーザからのデータを処理することができ、サーバ要求の少ない大規模なキャンパスにスケールできることを示す。
論文 参考訳（メタデータ） (2021-02-07T00:05:14Z) - MSED: a multi-modal sleep event detection model for clinical sleep
analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。
モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文 参考訳（メタデータ） (2021-01-07T13:08:44Z) - Automatic detection of microsleep episodes with deep learning [55.41644538483948]
15秒未満の睡眠の短い断片は、マイクロスリープエピソード(MSEs)として定義される
覚醒検査(MWT)の維持は、警戒を評価するために臨床現場でしばしば用いられる。
MSEは、MSEを定義する確立された評価基準が欠如しているため、ほとんど考慮されていない。
入力として生の脳波とEOGデータに基づいて機械学習を用いてMSEを自動的に検出することを目的とした。
論文 参考訳（メタデータ） (2020-09-07T11:38:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。