基于脑电图的睡眠指数和监督机器学习作为儿童自动睡眠分类的合适工具
Eris van Twist1, Floor W Hiemstra2,3, Arnout B G Cramer1
1Department of Neonatal and Pediatric Intensive Care, Division of Pediatric Intensive Care, Erasmus MC Sophia Children's Hospital, Rotterdam, The Netherlands.
概括
一个新的基于脑电图 (EEG) 的指数可以实现儿童的自动睡眠监测. 这种方法准确地对床边的睡眠状态进行分类,改善了儿科睡眠研究.
科学领域:
- 儿科重症监护的研究研究.
- 睡眠的药物 睡眠的药物
- 生物医学工程 生物医学工程
背景情况:
- 睡眠障碍在儿科重症监护室 (PICU) 很常见.
- 目前的床边睡眠监测方法是有限的.
- 脑电图 (EEG) 提供了实时睡眠分析的潜力.
研究的目的:
- 开发和验证一种基于EEG的新型指数,用于儿童的自动睡眠分类.
- 评估该指数在不同年龄组和EEG频道的表现.
- 为了实现实时,在儿科病床旁进行非侵入性睡眠监测.
主要方法:
- 对非重症儿童 (6个月至18岁) 的多睡眠记录的回顾性分析.
- 从EEG数据计算光谱带功率,以得出睡眠指数 (米与三角形功率比).
- 使用决策树和交叉验证开发睡眠分类模型 (2,3和4个状态).
主要成果:
- 使用F4-A1和F3-A1EEG通道的马和三角波谱功率比率显示出最佳性能.
- 平衡的准确性达到0.88两个状态和0.74三个状态的睡眠分类.
- 在不同年龄组 (6个月至18岁) 中,高绩效是一致的.
结论:
- 开发了一种基于EEG的可解释和通用的睡眠指数,用于自动床边监测.
- 该指数显示,儿童的两和三状态睡眠分类表现良好.
- 这种方法有助于在儿科环境中进行持续的,非侵入性的睡眠评估.
