睡眠に関連した呼吸イベントをEEGとECG信号を用いて識別するための人工知能ベースのアプローチ

科学分野:

• 医療機器
• 人工知能
• 睡眠医学

背景:

• 睡眠時無呼吸症 (OSA) と中央睡眠時無呼吸症 (CSA) を含む睡眠時無呼吸症は,睡眠に関連した呼吸障害である.
• ポリソムノグラフィー (PSG) による従来の診断は不便で高価です.
• ウェアラブルデバイスと人工知能は 生理学的信号を用いた 睡眠時無呼吸症の診断を 改善する可能性を秘めています

研究 の 目的:

• 家庭での睡眠検査によるEEGとECG信号を用いてOSA/CSA/低眠症を特定するためのマルチモダルのアプローチを開発し評価する.
• 睡眠イベントの分類のための深層学習モデルに対するアンサンブル機械学習モデルのパフォーマンスを比較する.

主な方法:

• 201件のPSG研究から EEGとECGの信号を収集した.
• 機械学習の分類のためのウェーブレット変換方法を用いて抽出した非線形特征.
• ECGスペクトログラムと比較分析のためのディープラーニングモデルを使用しました.
• 3クラス (OSA-ヒポネア-正常,OSA-CSA-正常) と2クラス (OSA-ヒポネア,OSA-CSA) の分類戦略を検証した.

主要な成果:

• 結合された信号ベースの機械学習モデルは,OSAとCSAの分類において98.8%の精度,99.1%の感度,98.5%の特異性を達成した.
• 機械学習モデルはほとんどの戦略において ディープラーニングモデルよりも 格段に高い分類精度を示しました
• ECGとEEGの非線形特性を用いたマルチモダルのアプローチは効果的であることが示されました.

結論:

• ECGとEEGの非線形特性を組み合わせることは,睡眠に関連する呼吸イベントを分類するのに有効です.
• 提案された機械学習モデルは,ディープラーニングと比較して,家庭での睡眠無呼吸症候群の診断に優れた精度と信頼性を提供します.
• このアプローチは,家庭での睡眠関連の呼吸障害の診断能力を高めます.