Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/111992
Full metadata record
DC FieldValueLanguage
dc.contributor.refereeKantelhardt, Jan W.-
dc.contributor.refereeIvanov, Viktor-
dc.contributor.refereeKrefting, Dagmar-
dc.contributor.authorZschocke, Johannes-
dc.date.accessioned2023-11-27T12:43:31Z-
dc.date.available2023-11-27T12:43:31Z-
dc.date.issued2023-
dc.identifier.urihttps://opendata.uni-halle.de//handle/1981185920/113950-
dc.identifier.urihttp://dx.doi.org/10.25673/111992-
dc.description.abstractThis cumulative dissertation deals with the analysis of cardiorespiratory biosignals in combination with high resolution accelerometry. In the first part, we focused on biosignals hidden in acceleration measurements. For wrist accelerometer data we have developed algorithms to extract the pulse wave propagating through the wrist, and also detect respiration movements during sleep. We found that pulse waves can be better reconstructed than respiration signals. Comparing sleep stages we found best reconstruction during deep sleep, while during wakefulness the reconstruction quality drops due to movement artifacts. The second part investigates the scaling behavior of cardiorespiratory signals. We found that heart and pulse rates are characterized by sex- and age-dependent short-term (6-16 s) fluctuations, while their long-term (50-200 s) fluctuations exhibit a clear sleep stage dependence. In contrast, pulse transit times do not show differences between short- and long-term scaling behavior.eng
dc.description.abstractDiese kumulative Dissertation befasst sich mit der Analyse von kardiorespiratorischen Signalen in Kombination mit hochauflösender Akzelerometrie. Im ersten Teil haben wir uns auf Biosignale konzentriert, die in Akzelerometriemessungen verborgen sind. Wir haben Algorithmen entwickelt, die Pulswellen extrahieren, sowie Atmungsbewegungen während des Schlafs detektieren. Wir konnten zeigen, dass sich Pulswellen besser rekonstruieren lassen als Atmungssignale. Beim Vergleich von Schlafstadien fanden wir die beste Rekonstruktion im Tiefschlaf, während im Wachzustand die Rekonstruktionsqualität aufgrund von Bewegungsartefakten abnimmt. Der zweite Teil untersucht das Skalenverhalten kardiorespiratorischer Signale. Wir fanden, dass Herz- und Pulsrate durch geschlechts- und altersabhängige kurzzeitige (6-16 s) Fluktuationen gekennzeichnet sind, während ihre langzeitigen (50-200 s) Fluktuationen eine Schlafstadienabhängigkeit aufweisen. Im Gegensatz zeigen Pulslaufzeiten hierbei keine Unterschiede.ger
dc.format.extent1 Online-Ressource (vi, 112 Seiten)-
dc.language.isoeng-
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/-
dc.subject.ddc530-
dc.titleTime series analysis of wrist accelerometry and cardiorespiratory signals during sleepeng
dcterms.dateAccepted2023-09-05-
dcterms.typeHochschulschrift-
dc.typePhDThesis-
dc.identifier.urnurn:nbn:de:gbv:3:4-1981185920-1139508-
local.versionTypepublishedVersion-
local.publisher.universityOrInstitutionMartin-Luther-Universität Halle-Wittenberg-
local.subject.keywordsAccelerometry, Time series analysis, Signal reconstruction, Pulse-transit time, Respiration, Heart rate, ECG, Sleep, DFA, Scaling behavior, Akzelerometrie, Zeitreihenanalyse, Signalrekonstruktion, Pulslaufzeit, Atmung, Herzschlag, EKG, Schlaf, Skalenverhalten-
local.openaccesstrue-
dc.identifier.ppn187129973X-
cbs.publication.displayformHalle, 2023-
local.publication.countryXA-DE-
cbs.sru.importDate2023-11-27T12:42:22Z-
local.accessrights.dnbfree-
Appears in Collections:Interne-Einreichungen

Files in This Item:
File Description SizeFormat 
Dissertation_MLU_2023_ZschockeJohannes.pdf17.45 MBAdobe PDFThumbnail
View/Open