阻塞性睡眠呼吸暂停发作的非线性动力学预测

资源简介

该数据集旨在研究阻塞性睡眠呼吸暂停（OSA）发作的实时预测，通过分析心率动力学捕捉生理过程的非线性、非平稳动态。数据集包含三部分来源的心电图（ECG）记录：来自Physionet.org基准ECG呼吸暂停数据库的20条记录（涉及14名OSA患者）、都柏林大学OSA数据库的10名患者记录，以及先前研究中的8名受试者记录。研究采用基于非参数统计Dirichlet-Process Mixture-Gaussian-Process（DPMG）模型的预后方法，以估计从正常状态到异常（呼吸暂停）状态的过渡，从而预测即将发生的OSA发作的剩余时间。该数据集主要用于推进点对点治疗，支持可穿戴设备集成，实现OSA的个性化实时预测和主动干预，研究方向包括生理信号分析、机器学习在医疗预测中的应用以及睡眠障碍的实时监测。