INSOMNet:自动检测失眠,使用心电图和深度神经网络与心电图信号
Kamlesh Kumar1, Kapil Gupta2, Manish Sharma1
1Department of Electrical and Computer Science Engineering, Institute of Infrastructure Technology Research and Management, Ahmedabad 380026, India.
Medical engineering & physics
|August 27, 2023
概括
这项研究引入了一种使用心电图 (ECG) 扫描图和卷积神经网络 (CNN) 准确检测失眠的新方法. 开发的系统实现了高精度,为传统方法提供了不那么复杂和更高效的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 睡眠医学 睡眠医学
背景情况:
- 睡眠对于身体和精神的恢复至关重要.
- 失眠是一种普遍的睡眠障碍,对健康构成重大风险.
- 目前的失眠检测方法昂贵且劳动密集.
研究的目的:
- 开发一个准确和高效的系统来检测失眠.
- 将心电图 (ECG) 扫描图与卷积神经网络 (CNN) 集成在一起.
- 为了评估新型CNN模型与已建立的网络的性能.
主要方法:
- 一维心电图信号使用连续波形变换被转换为二维扫描图.
- 使用AlexNet,MobileNetV2,VGG16,以及新开发的CNN (INSOMNet) 来处理标量图.
- 在CAP和SDRC数据集上使用6个绩效指标验证了INSOMNet系统的有效性.
主要成果:
- 在INSOMNet系统实现了高准确度 (98.91%在CAP,98.68%在SDRC).
- 在敏感度,特异性和威胁得分指标中,人们注意到了卓越的表现.
- 与转移学习网络相比,开发的模型显示出更高的准确性和更低的复杂性.
结论:
- 集成的心电图扫描仪和CNN方法为失眠检测提供了一个有希望的,准确的,不那么复杂的解决方案.
- INSOMNet系统显示了广泛临床应用的潜力.
- 建议使用更大,更多样化的数据集进行进一步验证.
