5秒ミニエポックの自動睡眠段階判定の最適化：転移学習研究

科学分野:

• 神経科学
• 計算生物学
• 睡眠医学

背景:

• 従来の睡眠段階判定では30秒エポックが使用されており、これは短い睡眠段階の変化を見逃す可能性があります。
• 以前の研究では、より詳細な睡眠分析のためにミニエポックが検討されてきました。

研究 の 目的:

• 5秒ミニエポック睡眠スコアリングのためにU-Sleepディープラーニングモデルを最適化すること。
• 最適化されたU-Sleepがミニエポックにおける人間のスコアリングに匹敵するパフォーマンスを達成できるかどうかを評価すること。
• より精密で詳細な睡眠特性評価を可能にすること。

主な方法:

• 100件のポリソムノグラフィ（PSG）から人間のスコア付けされた48,000件の5秒ミニエポックのデータセットを作成しました。
• 人間のスコア付けされたミニエポックを使用してU-Sleepモデルを最適化するために転移学習を適用しました。
• F1スコア、混同行列、段階分布、遷移率を使用してモデルのパフォーマンスを評価しました。

主要な成果:

• 人間のスコア付けされたミニエポックは、標準エポックと比較して有意に多くの遷移と異なる段階分布を示しました。
• 最適化されたU-Sleepのパフォーマンスは、F1スコア0.74から0.81に向上しました。
• 最適化されたU-Sleepの段階分布は、遷移率の増加を伴う、人間のスコア付けされたミニエポックと密接に一致しました。

結論:

• 最適化されたU-Sleepは、従来の П方法に匹敵するパフォーマンスで、5秒ミニエポックスコアリングにおいて高いパフォーマンスを達成します。
• 精密で自動化された高解像度睡眠段階判定の実現可能性を示しています。
• 完全な睡眠記録に対する将来の検証と応用を示唆しています。