Publication

Adaptive Sleep/Wake Classification Based on Cardiorespiratory Signals for Wearable Devices

Dario Floreano, Claudio Mattiussi, Walter Karlen
2007
Article de conférence
Résumé

We describe a method to classify online sleep/wake states of humans based on cardiorespiratory signals for wearable applications. The method is designed to be embedded in a portable microcontroller device and to cope with the resulting tight power and weight restrictions. The method uses a Fast Fourier Transform for feature extraction and an adaptive feed-forward artificial neural network as a classifier. Results show that when the network is trained on a single user, it can correctly classify on average 95.4% of unseen data from the same user. The accuracy of the method in multi-user conditions is lower, but still comparable to actigraphy methods.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.