Nonparametric Signal Extraction and Measurement Error in the Analysis of Electroencephalographic Activity During Sleep
睡眠脑电活动分析中的非参数信号提取与测量误差AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要强调信号平滑与测量误差，虽涉及纵向误差，但未明确提供面板模型或其他所列细分方向的依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
睡眠脑电活动分析中的非参数信号提取与测量误差
- 研究问题
- 如何从睡眠脑电记录中提取个体信号及其估计变异，并在后续健康、行为或生物指标回归中处理这些估计信号带来的测量误差？
- 方法与思路
- 作者利用层级非参数平滑估计脑电信号与变异，再提出处理横截面及纵向测量误差的方法，将信号提取的不确定性纳入第二层回归。
- 材料陈述的贡献
- 摘要称，研究提出并实施了兼顾横截面和纵向测量误差的方法，为睡眠心脏健康研究中的脑电信号处理提供了方法基础。
- 阅读关注点
- 阅读时应核对平滑产生的误差如何传递至回归、个体内与跨时误差结构的处理，以及信号估计变异如何获得和使用。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；摘要未说明测量误差识别条件、回归形式或性能数值，也未提供健康关系的因果识别依据。
原文摘要
We introduce methods for signal and associated variability estimation based on hierarchical nonparametric smoothing with application to the Sleep Heart Health Study (SHHS). SHHS is the largest electroencephalographic (EEG) collection of sleep-related data, which contains, at each visit, two quasi-continuous EEG signals for each subject. The signal features extracted from EEG data are then used in second level analyses to investigate the relation between health, behavioral, or biometric outcomes and sleep. Using subject specific signals estimated with known variability in a second level regression becomes a nonstandard measurement error problem. We propose and implement methods that take into account cross-sectional and longitudinal measurement error. The research presented here forms the basis for EEG signal processing for the SHHS.