深層学習を用いた時間的連続自動睡眠覚醒分類

科学分野:

• 睡眠科学
• 計算神経科学
• 医療における人工知能

背景:

• 現在の睡眠スコアリングは、睡眠の動態を正確に表していない可能性のある固定された30秒のエポックに依存している。
• この限界は、正確な生理学的睡眠評価を妨げる可能性がある。

研究 の 目的:

• 高時間分解能の深層学習ベースの睡眠覚醒分類器を開発すること。
• 固定されたエポック境界を回避し、時間的に連続した手動スコアリングを利用すること。
• 睡眠評価の生理学的一貫性を向上させること。

主な方法:

• U-Netベースの深層学習モデルを睡眠覚醒データで訓練した。
• 時間的に連続したスコアリングデータを用いてモデルを微調整する転移学習を採用した。
• モデルを連続スコアリングを用いた独立したデータセットで検証した。

主要な成果:

• 分類器は、連続的な手動スコアリングとの高い一致率（88.96％および88.23％）を達成した。
• 総睡眠時間（r=0.93）および睡眠から覚醒への遷移（r=0.67）において、1秒予測と手動スコアリングとの間に強い相関が観察された。

結論:

• 開発されたモデルは、従来の30秒エポックスコアリングの限界を効果的に解決する。
• このアプローチは、より生理学的に一貫した睡眠覚醒評価の実用的な基盤を提供する。
• 予測信頼性の推定は、誤分類の可能性のあるターゲットレビューをガイドできる。