BiHeartS

BiHeartS数据集是由意大利瑞士大学信息学院创建，旨在通过多种设备和身体位置测量双侧心率，以评估睡眠质量。该数据集包含148个睡眠会话，涉及10名年龄在20至30岁的参与者，使用如Oura Ring和Empatica E4腕带等设备进行数据收集。数据集不仅包括生理信号，还有关于参与者日常行为和睡眠质量的自我报告。创建过程严格遵循伦理审查，并采用多种方法确保数据的准确性和完整性。BiHeartS数据集适用于个性化睡眠质量评估、生理标记物在身体两侧的差异研究以及可穿戴设备间的比较，旨在解决睡眠监测中的个体差异和设备精度问题。

The BiHeartS dataset was developed by the School of Informatics, Università della Svizzera italiana (USI, University of Italian Switzerland). It was constructed to measure bilateral heart rate across multiple devices and body positions for sleep quality evaluation. The dataset contains 148 sleep sessions involving 10 participants aged 20 to 30, with data collected using wearable devices such as the Oura Ring and Empatica E4 wristbands. In addition to physiological signals, the dataset also includes self-reported information regarding participants’ daily behaviors and sleep quality. The development process strictly complied with ethical review standards, and multiple methods were adopted to ensure data accuracy and integrity. The BiHeartS dataset supports applications including personalized sleep quality assessment, research on bilateral physiological marker differences, and comparative studies between wearable devices, aiming to address issues of individual variability and device accuracy in sleep monitoring.

搜集汇总

数据集介绍

构建方式

BiHeartS数据集的构建旨在填补睡眠质量监测系统数据集的空白。该数据集由10位参与者连续30个晚上在自然环境中收集数据，参与者佩戴了商用Oura Ring（第三代）和科研级Empatica E4腕带，分别位于左右手腕。数据收集过程包括参与者签署知情同意书，提供设备并指导设置同步应用程序，以及收集地面真值，即通过自我报告的方式记录参与者每天的行为和睡眠质量。参与者使用RealLife Exp移动应用程序或纸质日记记录早晨和晚上的自我报告。数据收集还包括参与者回答的预研究和后研究问卷，这些问卷包括人口统计学问题和多个经过验证的问卷，如匹兹堡睡眠质量指数（PSQI）、昼夜节律问卷、大五人格特质问卷和一般健康问卷。在数据收集期间，参与者每天晚上佩戴Oura Ring和两个Empatica E4腕带，并在第二天早晨同步数据。数据收集完成后，参与者回答后研究问卷。

特点

BiHeartS数据集的特点在于其全面性和多用途性。数据集包括来自两个不同设备（Oura Ring和Empatica E4腕带）的生理信号，以及通过RealLife Exp移动应用程序或纸质日记收集的参与者自我报告的数据。生理信号包括心率（HR）、心率变异性（HRV）、血容量脉冲（BVP）、皮肤温度（ST）、电导活动（EDA）和加速度计（ACC）数据。自我报告包括关于睡眠质量、恢复得分、压力得分、疲劳得分和日常身体活动的信息。数据集还包括通过Oura API获取的睡眠行为参数，如就寝时间、睡眠时间、睡眠阶段和觉醒时间。BiHeartS数据集适用于个性化睡眠质量评估、探究生理标记在身体两侧的可能差异，以及比较不同可穿戴设备。

使用方法

BiHeartS数据集的使用方法包括以下步骤：首先，用户需要访问Oura API和Empatica E4connect网站以获取生理信号数据。其次，用户可以使用RealLife Exp移动应用程序或纸质日记收集的参与者自我报告数据。然后，用户可以分析数据以评估睡眠质量、恢复得分、压力得分、疲劳得分和日常身体活动。此外，用户可以利用数据集中的睡眠行为参数来探究生理标记在身体两侧的可能差异，并比较不同可穿戴设备。最后，用户可以根据自己的需求对数据进行进一步分析和处理。

背景与挑战

背景概述

睡眠是人类恢复日常疲劳的主要方式，对于促进人们的身心健康起着至关重要的作用。睡眠质量监测系统通常使用可穿戴设备，利用其传感能力为用户提供睡眠行为洞察和建议。然而，由于生理数据、睡眠质量感知和用户日常生活的变化，构建从传感器数据中估计睡眠质量的模型是一个具有挑战性的任务。为了解决这个问题，需要一个包含用户日常行为信息、生理信号以及睡眠质量感知的综合数据集。为了缩小这一差距，本研究提出了一个名为BiHeartS的数据集，它收集了10名参与者在连续30个夜晚的数据，包括研究级和商用可穿戴设备。此外，还收集了关于睡眠质量和日常生活的全面自我报告。

当前挑战

构建从传感器数据中估计睡眠质量的模型是一个具有挑战性的任务。首先，由于生理数据、睡眠质量感知和用户日常生活的变化，存在显著的个体间差异。其次，睡眠质量的定义难以确定，因为它是基于用户对其睡眠体验满意度的感知。这种感知受到人类主观性和回忆偏差的影响。为了解决这个问题，睡眠质量估计模型必须在大量用户上进行训练。然而，个体间生理信号的差异仍然存在。此外，日常行为的变化，例如白天的身体活动、所经历的应激水平，可以改变对睡眠质量的感知。这一显著的变化挑战促使需要个性化的睡眠质量监测系统。为了实现这一目标，本研究提出了一个名为BiHeartS的新睡眠数据集。该数据集收集了10名参与者在连续30个夜晚的数据，包括研究级和商用可穿戴设备。BiHeartS是一个多用途数据集，包括可用于各种分析任务的数据，例如个性化的睡眠质量估计、调查身体两侧其他生理指标的差异，以及比较可穿戴设备。

常用场景

经典使用场景

BiHeartS数据集主要应用于睡眠质量监测领域。该数据集包含了来自多个设备和身体位置的生理信号，以及参与者的日常行为和睡眠质量的自评报告。这使得BiHeartS成为构建个性化睡眠质量监测系统的理想选择。数据集中的生理信号可以用于分析睡眠行为，如心率、心率变异性、血容量脉波、皮肤温度、电导率和加速度等。自评报告则提供了参与者对睡眠质量的感知信息，包括睡眠恢复程度、睡眠质量、疲劳程度等。通过BiHeartS数据集，研究人员可以训练和评估睡眠质量监测模型，为用户提供准确的睡眠行为分析和建议。

实际应用

BiHeartS数据集在实际应用中具有广泛的应用场景。首先，数据集可以用于开发睡眠质量监测应用程序，为用户提供个性化的睡眠行为分析和建议。通过分析生理信号和自评报告，应用程序可以识别用户的睡眠模式、睡眠质量以及可能的睡眠障碍，从而为用户提供改善睡眠质量的建议。其次，BiHeartS数据集可以用于研究身体两侧生理标志物的差异，为开发针对不同身体部位的个性化睡眠监测设备提供依据。此外，数据集还可以用于比较不同类型穿戴设备的性能，帮助用户选择最适合自己的睡眠监测设备。

衍生相关工作

BiHeartS数据集的发布为睡眠质量监测领域的研究提供了新的方向。基于BiHeartS数据集，研究人员可以开展一系列相关的研究工作，如个性化睡眠质量监测模型的构建、身体两侧生理标志物差异的研究以及不同穿戴设备性能的比较等。此外，BiHeartS数据集还可以作为其他睡眠质量监测数据集的补充，提高研究结果的可靠性和可重复性。随着BiHeartS数据集的广泛应用，睡眠质量监测领域的研究将取得更大的进展，为改善人们的睡眠质量和健康水平做出贡献。