通过隐藏的床上集成的射频传感器检测和预测睡眠障碍

科学领域:

• 生物医学工程 生物医学工程
• 睡眠医学 睡眠医学
• 信号处理 信号处理

背景情况:

• 睡眠障碍,包括呼吸暂停,是常见的,并通过多睡眠学诊断,这是资源密集的.
• 目前的方法很难用先前的波形来预测呼吸事件.
• 需要自主,非侵入性系统来检测和预测睡眠障碍.

研究的目的:

• 开发一个自主系统,可靠地检测和预测呼吸系统事件,使用实时隐蔽传感.
• 使用床上集成的无线电频率 (RF) 传感器进行不显眼的呼吸监测.

主要方法:

• 采用床上集成的射频传感器 (RF) 使用近场连贯传感 (NCS) 来捕获呼吸波形.
• 收集了27名患者的夜间记录.
• 提取了呼吸系统特征,以训练随机森林机器学习模型进行事件检测和预测,使用多重睡眠学作为基本真理.

主要成果:

• 在检测呼吸暂停事件方面获得了高灵敏度和特异性 (在k倍验证中高达88.6%和89.0%).
• 证明能够提前90秒预测呼吸暂停事件,并具有显著的准确性 (高达81.3%和82.1%的k倍验证).
• 通过机器学习模型识别了关键的呼吸系统特征,这些特征对于通过机器学习模型进行事件检测和预测至关重要.

结论:

• 床上集成的射频传感器系统可以隐蔽地和可靠地检测和预测睡眠期间的呼吸暂停事件.
• 这项技术对严重睡眠障碍的早期干预有前途,特别是在脆弱人群中.