Abstract: J. Jeong, S. Yoo (2026)

Accurate sleep stage classification is essential for evaluating sleep quality, yet clinical polysomnography is impractical for continuous home-based monitoring. Ballistocardiography (BCG) enables unobtrusive sleep monitoring through sensors embedded in sleep furniture; however, existing BCG-based approaches either rely on complex physiological feature extraction or employ fixed-parameter signal-to-image transformations that cannot adapt to inter-subject variability. This study proposes a learnable recurrence plot (RP) framework for three-stage sleep classification (Wake, NREM, REM) from single-channel BCG signals. The Learnable RP introduces three innovations: multi-scale phase-space reconstruction at physiologically motivated time delays (Ï„

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

End-to-End Learnable Recurrence Plot for Sleep Stage Classification Using Non-Contact Ballistocardiography