Computer sleep stage classification using heart rate data

This paper explores the possibility of using discriminant analysis and Bayes classification procedures to determine sleep stage using only heart rate data, and correlates the computerized sleep pattern with respect to the EEG hand-scored pattern.

Abstract

This paper explores the possibility of using discriminant analysis and Bayes classification procedures to determine sleep stage using only heart rate data. The recognition of sleep stages or even the ability to differentiate sleep from wakefulness using heart rate information alone rather than conventional EEG measures could considerably expand the scope of sleep studies. Measures of heart rate were obtained on 10 subjects, 2 nights each, using approximately 3200 epochs of R-to-R intervals recorded during known stages of sleep. The significance of these measures was computed using analysis of variance. Approximately one-half of the first recorded night of each individual was used to train our discriminant analysis and Bayes classification digital programs. After completing training, both nights of an individual were classified into Awake and Stages 1, 2, 3 and REM sleep. Accuracy of the procedure was determined in terms of percent correct classifications, correlation of the computerized sleep pattern with respect to the EEG hand-scored pattern, and an empirically derived cost function. Ce travail explore la possibilité d'utiliser l'analyse discriminative et le procédé de classification de Bayes pour déterminer les stades de sommeil en utilisant seulement les données concernant la vitesse cardiaque. La reconnaissance des stades de sommeil ou même l'aptitude á différencier le sommeil de la veille en utilisant seulement les informations concernant la vitesse cardiaque, plutôt que les mesures EEG conventionnelles pourrait étendre considérablement le champ des études du sommeil. Les mesures de vitesse cardiaques sont obtenues sur 10 sujets pendant deux nuits chacun, en utilisant environ 3200 époques d'intervalle R-à-R enregistrées au cours de stades connus du sommeil. La significativité de ces mesures a été calculée à l'aide de l'analyse de variance. La moitié environ de la première nuit enregistrée chez chaque individu a été utilisée pour faire l'apprentissage de notre analyse discriminative et des programmes de classification digitalisée de Bayes. Après avoir complété cet apprentissage, les nuits des individus ont été classées en veilles, Stades 1, 2, 3 et PMO du sommeil. La précision du processus a été déterminée en termes de pourcentages de classifications correctes, de corrélation des patterns de sommeil calculés en rapport avec les patterns EEG classés à la main; une fonction-coût a été établie empiriquement.