Sleep Quality Definitions
- 수면 효율성(sleep efficiency)
- 수면의 질을 측정하기 위해 수면 효율성(sleep efficiency)을 결정했습니다(그림 2 참조). 이는 **총 수면 시간(분)과 침대에 있는 총 시간(분)**의 비율입니다. 수면 효율성 점수가 85% 이상인 사람들은 양질의 수면을 취한 것으로 간주되며, 점수가 85% 미만인 사람들은 수면의 질이 낮은 것으로 간주됩니다. **침대에 있는 총 시간(가속도계 센서(macc))**은 개인이 잠을 자는 시간과 잠들기까지 걸리는 시간(즉, 잠복기)을 포함한 시간입니다. 총 수면 시간은 개인이 잠을 자는 시간에서 깨어난 시간을 뺀 시간을 나타냅니다.
- 이는 수면 시작 후 깨어난 시간(WASO)을 수면 기간의 길이에서 빼서 계산합니다. WASO는 수면 시작 후 깨어 있는 모든 순간의 합입니다.
Data Processing
- 3축 가속도계 센서
- 이전 연구에서는 손목에 착용한 장치의 경우 가속도계 데이터의 수직 축**(z축)**이 신체 활동을 가장 잘 나타낸다는 것을 밝혀냈습니다[39].
- 수면 시작 시간
- 전통적으로 자기 보고한 취침 시간 후 15분 연속 수면의 첫 번째 분으로 정의되며,
- 수면 각성 시간
- 움직임이 30분 동안 계속되는 15분 연속 수면의 마지막 분으로 정의됩니다[37].
- 후보 행
- 후보 행은 3축 움직임이 없는 순간(또는 지정된 에포크)을 나타내며, 이후 수면 또는 각성 상태를 결정하기 위해 추가적인 확인이 필요
Models for Sleep Quality
우리 연구에서 사용한 모델은 다음과 같습니다:
- 로지스틱 회귀 (비딥러닝 모델)
- 다층 퍼셉트론 (MLPs, 딥러닝 모델)
- 합성곱 신경망 (CNN, 딥러닝 모델)
- 순환 신경망 (RNN, 딥러닝 모델)
- 장단기 기억 (LSTM) RNN, 딥러닝 모델
- 시간 배치 장단기 기억 (TB-LSTM) RNN, 딥러닝 모델
로지스틱 회귀의 경우, 입력 신호를 직접 출력 층에 입력하여 예측을 수행했습니다. 반면, 딥러닝 모델의 경우, 입력을 출력 층에 전달하기 전에 하나 이상의 은닉층을 통과시켰습니다. 각 은닉층의 은닉 유닛은 비선형 활성화 함수를 사용했습니다. 우리 연구에서는 활성화 함수로 정류된 선형 유닛(ReLU)을 사용하여 다양한 은닉층 유닛을 실험했습니다.