Hodnocení kvality spánku

Abstract

Tato bakalářská práce se věnuje klasifikaci spánkových dat naměřených pomocí chytrých hodinek Apple Watch. Z využívaných signálů – tepové frekvence a akcelerometrického záznamu byly pomocí statistického testování vybrány příznaky pro klasifikaci spánkových epoch. Pro klasifikaci byla zvolena metoda podpůrných vektorů. Model byl poté natrénován pro rozpoznávání fáze Wake a Sleep a poté i pro rozpoznávání REM a NREM spánku. Klasifikace dat do dvou fází překročila hranici přesnosti 80 %, klasifikace Wake, REM a NREM spánku poté 58 %. Vypočtené parametry hodnotící kvalitu spánku byly poté srovnány s daty ohodnocenými spánkovým expertem. Model pro klasifikaci bdění a spánku se velmi přiblížil hodnocení experta. Model pro klasifikaci bdění, REM a NREM spánku se nejvíce lišil v parametrech hodnotících bdění.The topic of this bachelor thesis is quality sleep assessment using signals acquired from Apple Watch. From measured signals – heart rate and motion, were extracted parameters for sleep classification using statistical testing. These parameters were later used for training the support vector machine model. The model was first trained to classify Wake and Sleep, then also to classify Wake, REM and NREM stages. The accuracy of Wake/Sleep classification was about 80 %. The accuracy of Wake/REM/NREM classification exceeded 58 %. Finally, sleep quality parameters were calculated and compared to the data rated by a sleep expert. The outcome for Wake/Sleep classification was close to the expert evaluation. The model for Wake/REM/NREM classification was less accurate and differed mainly in parameters concerning Wake stage.