×
贝尼亚米·哈吉·阿马尔;芬肯斯塔德，巴贝尔;马克·费卡斯;罗伯特·哈克斯蒂普

使用谐波隐马尔可夫模型识别睡眠呼吸暂停的复发。 （英语） Zbl 1478.62326号

附录申请。斯达。 1171-1193（2021）第3号第15页.
摘要：我们建议使用隐马尔可夫模型来建模时变周期和振荡过程，其中状态是通过周期状态的谱特性定义的。州数和相关周期未知，其作用和数量可能因州而异。我们通过一个贝叶斯非参数隐马尔可夫模型来解决这个推理问题，假设不同状态之间的切换动力学是一个粘性分层Dirichlet过程，而表征每个状态的周期性是通过跨维马尔可夫链蒙特卡罗抽样步骤来探索的。我们开发了完整的贝叶斯推理算法，并说明了我们提出的方法在不同模拟研究中的应用，以及与呼吸研究相关的应用，该研究侧重于检测人类呼吸轨迹中的呼吸暂停实例。

引用于1文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
62G05型 非参数估计

关键词：

睡眠呼吸暂停;时变频率;可逆跳跃MCMC;贝叶斯非参数;分层Dirichlet过程

软件：

标签.切换;美国astsa;ts桥;PRMLT公司;贝叶斯DA;贝叶斯规范
PDF格式BibTeX公司 XML格式引用
\textit{B.Hadj-Amar}等人，Ann.Appl。Stat.15，No.3，1171--1193（2021；Zbl 1478.62326）
全文： 内政部 arXiv公司

参考文献：

[1] Adak，S.（1998）。非平稳时间序列的时间相关谱分析。J.Amer。统计师。协会。93 1488-1501. ·Zbl 1064.62565号 ·doi:10.2307/2670062
[2] Albert，J.H.和Chib，S.（1993年）。基于马尔可夫均值和方差偏移的自回归时间序列吉布斯抽样的贝叶斯推断。J.总线。经济。统计师。11 1-15.
[3] Aldous，D.J.（1985）。可交换性和相关主题。在圣弗洛尔概率学院，XIII-1983数学讲义。1117 1-198. 施普林格，柏林·Zbl 0562.60042号 ·doi:10.1007/BFb0099421
[4] Ancoli-Israel，S.、Klauber，M.R.、Butters，N.、Parker，L.和Kripke，D.F.（1991）。收容老人的痴呆症：与睡眠呼吸暂停的关系。J.Amer。老年医学。Soc公司。39 258-263.
[5] Andrieu，C.和Doucet，A.（1999）。通过可逆跳跃MCMC联合贝叶斯模型选择和噪声正弦估计。IEEE传输。信号处理。47 2667-2676。
[6] Andrieu，C.、Doucet，A.和Holenstein，R.（2010年）。粒子马尔可夫链蒙特卡罗方法。J.R.统计社会服务。B.统计方法。72 269-342. ·Zbl 1411.65020号 ·文件编号：10.1111/j.1467-9868.2009.00736.x
[7] Baum，L.E.和Eagle，J.A.（1967年）。不等式及其在马尔可夫过程概率函数统计估计和生态学模型中的应用。牛市。阿默尔。数学。Soc公司。73 360-363. ·Zbl 0157.11101号 ·doi:10.1090/S0002-9904-1967-11751-8
[8] Baum，L.E.和Petrie，T.（1966年）。有限状态马尔可夫链概率函数的统计推断。安。数学。斯达。37 1554-1563. ·Zbl 0144.40902号 ·doi:10.1214/aoms/1177699147
[9] Beal，M.J.、Ghahramani，Z和Rasmussen，C.E.（2002年）。无限隐马尔可夫模型。在神经信息处理系统研究进展577-584.
[10] Bernardo，J.-M.和Smith，A.F.M.（2009）。贝叶斯理论奇切斯特·威利。 ·doi:10.1002/9780470316870
[11] Berry，R.B.、Brooks，R.、Gamaldo，C.、Harding，S.M.、Lloyd，R.M.，Quan，S.F.、Troester，M.T.和Vaughn，B.V.（2017年）。2017年AASM评分手册更新（版本2.4）。临床杂志。睡觉。医学。13 665-666. ·doi:10.5664/jcsm.6576
[12] Bishop，C.M.（2006年）。模式识别与机器学习.信息科学与统计纽约州施普林格·Zbl 1107.68072号 ·doi:10.1007/978-0-387-45528-0
[13] Bruce，S.A.、Hall，M.H.、Buysse，D.J.和Krafty，R.T.（2018）。非平稳生物医学时间序列的条件自适应贝叶斯谱分析。生物计量学74 260-269. ·Zbl 1415.62086号 ·doi:10.1111/biom.12719
[14] Cappé，O.，Moulines，E.和Rydén，T.（2005）。隐马尔可夫模型中的推理.统计学中的斯普林格系列。斯普林格，纽约·Zbl 1080.62065号
[15] Celeux，G.、Hurn，M.和Robert，C.P.（2000年）。混合后验分布的计算和推断困难。J.Amer。统计师。协会。95 957-970. ·Zbl 0999.62020号 ·doi:10.2307/2669477
[16] Cohen，M.X.（2014）。分析神经时间序列数据:理论与实践麻省理工学院出版社，剑桥。
[17] Cooke，J.R.、Ayalon，L.、Palmer，B.W.、Loredo，J.S.、Corey-Bloom，J.、Natarajan，L.，Liu，L.和Ancoli-Israel，S.（2009年）。持续使用CPAP减缓阿尔茨海默病和阻塞性睡眠呼吸暂停患者认知、睡眠和情绪的恶化：一项初步研究。临床杂志。睡觉。医学。5 305-309.
[18] Dahlhaus，R.（1997）。将时间序列模型拟合到非平稳过程。安。统计师。25 1-37. ·Zbl 0871.62080号 ·doi:10.1214/aos/1034276620
[19] Davis，R.A.、Lee，T.C.M.和Rodriguez-Yam，G.A.（2006年）。非平稳时间序列模型的结构突变估计。J.Amer。统计师。协会。101 223-239. ·Zbl 1118.62359号 ·doi:10.1198/01621450000000745
[20] Dewan，N.A.、Nieto，F.J.和Somers，V.K.（2015）。间歇性低氧血症和阻塞性睡眠呼吸暂停综合征：对共病的影响。胸部147 266-274. ·doi:10.1378/箱.14-0500
[21] Ephraim，Y.和Merhav，N.（2002年）。隐马尔可夫过程。IEEE传输。Inf.理论48 1518-1569之间·Zbl 1061.94560号 ·doi:10.10109/TIT.2002.1003838
[22] Fox，E.B.、Sudderth，E.B.，Jordan，M.I.和Willsky，A.S.（2011年）。一种粘性HDP-HMM，可应用于说话人日记。附录申请。斯达。5 1020-1056. ·Zbl 1232.62077号 ·doi:10.1214/10-AOAS395
[23] Frühwirth-Schnatter，S.（2006）。有限混合和马尔可夫切换模型.统计学中的斯普林格系列。斯普林格，纽约·Zbl 1108.6202号
[24] Gelman，A.、Carlin，J.B.、Stern，H.S.、Dunson，D.B.、Vehtari，A.和Rubin，D.B.（2014）。贝叶斯数据分析，第3版。统计科学系列文章CRC出版社，佛罗里达州博卡拉顿·Zbl 1279.62004号
[25] Green，P.J.（1995）。可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定。生物特征82 711-732. ·Zbl 0861.62023号
[26] Guédon，Y.（2003）。从离散序列估计隐藏的半马尔可夫链。J.计算。图表。统计师。12 604-639. ·doi:10.1198/1061860032030
[27] Hadj-Amar，B.、Rand，B.F.、Fiecas，M.、Lévi，F.和Huckstepp，R.（2020年）。非平稳周期时间序列的贝叶斯模型搜索。J.Amer。统计师。协会。115 1320-1335. ·Zbl 1441.62245号 ·doi:10.1080/01621459.2019.1623043
[28] Hadj-Amar，B.、Finkenstädt，B.、Fiecas，M.和Huckstepp，R.（2021）。补充“使用谐波隐马尔可夫模型识别睡眠呼吸暂停复发”https://doi.org/10.1214/21-AOAS1455SUPP网站
[29] Heinzer，R.、Vat，S.、Marques-Vida，P.、Marti-Soler，H.、Andries，D.、Tobback，N.、Mooser，V.、Preisig，M.、Malhotra，A.等人（2015）。普通人群中睡眠呼吸障碍的患病率：HypnoLaus研究。柳叶刀呼吸医学杂志3 310-318.
[30] Huang，Q.，Cohen，D.，Komarzynski，S.，Li，X.-M.，Innominato，P.，Lévi，F.和Finkenstädt，B.（2018）。用于监测遥测活动数据中昼夜节律的隐马尔可夫模型。J.R.Soc.接口2017年8月15日。
[31] Hurn，M.、Justel，A.和Robert，C.P.（2003年）。估计回归的混合。J.计算。图表。统计师。12 55-79. ·doi:10.1198/1061860031329
[32] Ignatov，T.（1982）。对称群渐近理论和泊松-狄里克莱测度中的一个常数。理论概率论。申请。27 136-147. ·Zbl 0559.60046号
[33] Ishwaran，H.和Zarepour，M.（2002年）。Dirichlet过程的精确和近似和表示。加拿大。J.统计。30 269-283. ·Zbl 1035.60048号 ·doi:10.2307/3315951
[34] Jasra，A.、Holmes，C.C.和Stephens，D.A.（2005年）。马尔可夫链蒙特卡罗方法和贝叶斯混合建模中的标签切换问题。统计师。科学。20 50-67. ·Zbl 1100.62032号 ·doi:10.1214/088342305000000016
[35] Jasra，A.、Stephens，D.A.和Holmes，C.C.（2007年）。基于人口的静态推理模拟。统计计算。17 263-279. ·doi:10.1007/s11222-007-9028-9
[36] Jasra，A.、Doucet，A.、Stephens，D.A.和Holmes，C.C.（2008年）。用于跨维模拟的交互式序贯蒙特卡罗采样器。计算。统计师。数据分析。52 1765-1791. ·Zbl 1452.62077号 ·doi:10.1016/j.csda.2007.09.009
[37] Johnson，M.J.和Willsky，A.S.（2013年）。贝叶斯非参数隐半马尔可夫模型。J.马赫。学习。物件。14 673-701. ·Zbl 1320.62050
[38] Juang，B.-H.和Rabiner，L.（1985年）。语音信号的混合自回归隐马尔可夫模型。IEEE传输。阿库斯特。语音信号处理。33 1404-1413.
[39] Kass，R.E.和Raftery，A.E.（1995）。贝叶斯因素。J.Amer。统计师。协会。90 773-795·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572
[40] Kivinen，J.J.、Sudderth，E.B.和Jordan，M.I.（2007年）。使用Dirichlet过程学习自然场景的多尺度表示。2007年美国电气工程师协会11第十届国际计算机视觉会议1-8. IEEE，纽约。
[41] Komarzynski，S.、Huang，Q.、Innominato，P.F.、Maurice，M.、Arbaud，A.、Beau，J.、Bouchahda，M.，Ulusakarya，A.、Boumatin，N.等人（2018年）。移动互联网平台对捕捉日常生活中受试者昼夜节律协调的跨学科和跨学科变量的相关性：初步研究。医学互联网研究杂志。2004年2月20日·doi:10.2196/jmir.9779
[42] Krauchi，K.和Wirz-Justice，A.（1994年）。男性在无遮蔽条件下的产热、心率、皮肤和核心温度的昼夜节律。美国生理学杂志.,雷古尔。集成。公司。生理学。267转819转829。
[43] Krogh，A.、Brown，M.、Mian，I.S.、Sjölander，K.和Haussler，D.（1994）。计算生物学中的隐马尔可夫模型：在蛋白质建模中的应用。分子生物学杂志。235 1501-1531.
[44] Kullback，S.和Leibler，R.A.（1951年）。关于信息和充分性。安。数学。斯达。22 79-86. ·Zbl 0042.38403号 ·doi:10.1214/aoms/1177729694
[45] Langrock，R.、Swihart，B.J.、Caffo，B.S.、Punjabi，N.M.和Crainiceanu，C.M.（2013）。结合隐马尔可夫模型比较多个睡眠脑电图的动态。统计医学。32 3342-3356. ·doi:10.1002/sim.5747
[46] Liang，F.和Wong，W.H.（2001）。贝叶斯混合模型的实际参数进化蒙特卡罗应用。J.Amer。统计师。协会。96 653-666. ·Zbl 1017.62022号 ·doi:10.1198/016214501753168325
[47] Malik，M.（1996）。心率变异性：测量标准、生理学解释和临床应用。无创心电年鉴1 151-181.
[48] Marin，J.-M.、Mengersen，K.和Robert，C.P.（2005）。混合分布的贝叶斯建模和推断。在贝叶斯思维:建模与计算.统计师手册。25 459-507. 爱思唯尔/荷兰北部，阿姆斯特丹·Zbl 1136.62012年 ·doi:10.1016/S0169-7161（05）25016-2
[49] Meng，X.-L.和Schilling，S.（2002）。曲桥采样。J.计算。图表。统计师。11 552-586. ·doi:10.19198/106186002457
[50] Meng，X.-L.和Wong，W.H.（1996）。通过简单恒等式模拟归一化常数的比率：理论探索。统计师。西尼卡6 831-860. ·Zbl 0857.62017号
[51] Neal，R.M.（2003年）。切片取样。安。统计师。31 705-767. ·Zbl 1051.65007号 ·doi:10.1214/aos/1056562461
[52] Ombao，H.C.、Raz，J.A.、von Sachs，R.和Malow，B.A.（2001年）。二元非平稳时间序列的自动统计分析。J.Amer。统计师。协会。96 543-560. ·Zbl 1018.62080号 ·doi:10.1198/016214501753168244
[53] Papastamoulis，P.（2016）。标签切换：用于处理MCMC输出中标签切换问题的R包。统计软件杂志，代码段69 1-24.
[54] Papastamoulis，P.和Iliopoulos，G.（2010年）。混合分布贝叶斯分析中标签切换问题的基于人工分配的解决方案。J.计算。图表。统计师。19 313-331. ·doi:10.1198/jcgs.2010.09008
[55] Paz，J.C.和West，M.P.（2013）。物理治疗师急性护理手册爱思唯尔健康科学公司。
[56] Peker，Y.，Hedner，J.，Norum，J.、Kraiczi，H.和Carlson，J.（2002）。阻塞性睡眠呼吸暂停中年男性心血管疾病发病率增加：7年随访。美国J.Respir。批评。护理医学。166 159-165.
[57] Perman，M.、Pitman，J.和Yor，M.（1992年）。泊松点过程和偏移的尺寸抽样。普罗巴伯。理论相关领域92 21-39. ·Zbl 0741.60037号 ·doi:10.1007/BF01205234
[58] Pitman，J.（1996）。布莱克威尔-麦昆骨灰盒方案。统计学、概率论和博弈论:纪念大卫·布莱克威尔的论文30 245. ·Zbl 0996.60500号
[59] Pitman，J.（2002）。区间划分的分裂和合并变换的泊松-狄里克莱和GEM不变分布。组合。可能性。计算。11 501-514. ·Zbl 1011.60051号 ·doi:10.1017/S0963548302005163
[60] Priestley，M.B.（1965年）。演化谱和非平稳过程。（经过讨论）。J.罗伊。统计师。Soc.序列号。B类27 204-237. ·Zbl 0144.41001号
[61] Rabiner，L.R.（1989）。语音识别中隐藏马尔可夫模型和选定应用的教程。程序。美国电气工程师协会77 257-286.
[62] Rasmussen，C.E.和Ghahramani，Z（2002）。无限混合高斯过程专家。在神经信息处理系统研究进展881-888.
[63] Redner，R.A.和Walker，H.F.（1984年）。混合密度、最大似然和EM算法。SIAM版本。26 195-239. ·Zbl 0536.62021号 ·数字对象标识代码：10.1137/1026034
[64] Rodríguez，C.E.和Walker，S.G.（2014）。贝叶斯混合模型中的标签切换：确定性重标签策略。J.计算。图表。统计师。23 25-45. ·doi:10.1080/10618600.2012.735624
[65] Rosen，O.、Stoffer，D.S.和Wood，S.（2009年）。通过贝叶斯混合平滑样条进行局部谱分析。J.Amer。统计师。协会。104 249-262. ·Zbl 1388.62268号 ·doi:10.1198/jasa.2009.0118
[66] Rosen，O.、Wood，S.和Stoffer，D.S.（2012年）。AdaptSPEC：非平稳时间序列的自适应谱估计。J.Amer。统计师。协会。107 1575-1589. ·Zbl 1258.62093号 ·doi:10.1080/016214592012.716340
[67] Ruehland，W.R.、Rochford，P.D.、O'Donoghue，F.J.、Pierce，R.J.，Singh，P.和Thornton，A.T.（2009年）。AASM评分低通气的新标准：对呼吸暂停低通气指数的影响。睡眠32 150-157.
[68] Sethuraman，J.（1994）。狄利克雷先验的构造性定义。统计师。西尼卡4 639-650. ·Zbl 0823.62007号
[69] Shumway，R.H.和Stoffer，D.S.（2017年）。时间序列分析及其应用:使用R示例，第4版。统计中的Springer文本查姆施普林格·Zbl 1367.62004号 ·doi:10.1007/978-3-319-52452-8
[70] Stephens，M.（2000年）。处理混合模型中的标签切换。J.R.统计社会服务。B.统计方法。62 795-809. ·Zbl 0957.62020号 ·doi:10.1111/1467-9868.00265
[71] Teh，Y.W.、Jordan，M.I.、Beal，M.J.和Blei，D.M.（2006）。分层Dirichlet过程。J.Amer。统计师。协会。101 1566-1581. ·Zbl 1171.62349号 ·doi:10.1198/016214500000302
[72] Teran-Santos，J.、Jimenez-Gomez，A.、Cordero-Guevara，J.和Burgos-Santander，C.G.（1999）。睡眠呼吸暂停与交通事故风险之间的关系。北英格兰。医学杂志。340 847-851.
[73] Tripuraneni，N.、Gu，S.S.、Ge，H.和Ghahramani，Z.（2015）。无限隐马尔可夫模型的粒子吉布斯。在神经信息处理系统研究进展2395-2403.
[74] Van Gael，J.、Saatci，Y.、Teh，Y.W.和Ghahramani，Z.（2008年）。无限隐马尔可夫模型的波束采样。在会议记录25第十届国际机器学习会议1088-1095. 纽约ACM。
[75] Walker，S.G.（2010年）。贝叶斯非参数方法：动机和想法。在贝叶斯非参数.外倾角。序列号。统计概率。数学。28 22-34之间。剑桥大学出版社，剑桥。 ·doi:10.1017/CBO9780511802478.002
[76] West，M.、Prado，R.和Krystal，A.D.（1999）。脑电描记的评估和比较：非平稳时间序列中的潜在结构。J.Amer。统计师。协会。94 375-387。
[77] Whittle，P.（1957）。曲线和周期图平滑。J.罗伊。统计师。Soc.序列号。B类19 38-47（讨论47-63）·Zbl 0089.35701号
[78] Yaggi，H.K.、Concato，J.、Kernan，W.N.、Lichtman，J.H.、Brass，L.M.和Mohsenin，V.（2005年）。阻塞性睡眠呼吸暂停是中风和死亡的危险因素。北英格兰。医学杂志。353 2034-2041.
[79] Yaghouby，F.和Sunderam，S.（2015）。使用增加的输入变量在多导睡眠图中对人类睡眠进行准监督评分。计算。生物医学。59 54-63. ·doi:10.1016/j.compbiomed.2015.01.012
[80] Yau，C.、Papaspiliopoulos，O.、Roberts，G.O.和Holmes，C.（2011年）。贝叶斯非参数隐马尔可夫模型及其在基因组学中的应用。J.R.统计社会服务。B.统计方法。73 37-57. ·Zbl 1411.62247号 ·文件编号：10.1111/j.1467-9868.2010.00756.x
[81] Young，T.、Peppard，P.E.和Gottlieb，D.J.（2002年）。阻塞性睡眠呼吸暂停的流行病学：人群健康视角。美国J.Respir。批评。护理医学。165 1217-1239.
[82] 于世忠（2010）。隐半马尔可夫模型。人工智能174 215-243. ·兹伯利1344.68181 ·doi:10.1016/j.artint.2009.11.011
[83] Zhou，Y.、Johansen，A.M.和Aston，J.A.D.（2016）。走向自动模型比较：一种自适应序贯蒙特卡罗方法。J.计算。图表。统计师。25 701-726 ·doi:10.1080/10618600.2015.1060885
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。