对于姿势分类的感应床的可转移性从研究到诊所

科学领域:

• 康复医学 康复医学 康复医学
• 生物医学工程 生物医学工程
• 睡眠科学 睡眠科学

背景情况:

• 在康复期间,睡眠质量对神经可塑性和免疫功能至关重要.
• 监测夜间身体姿势对于预防卧床患者中风或脊髓损伤后的压力是必不可少的.
• 多睡眠学 (PSG) 是睡眠评估的黄金标准,但在临床使用中需要不引人注目的方法.

研究的目的:

• 评估传感床的临床可用性,用于分类睡眠身体姿势.
• 使用传感器数据与PSG和基于视频的标签进行睡眠姿势分类的准确性比较.
• 评估自我标签校正方法的有效性,以提高具有噪音标签的模型性能.

主要方法:

• 在临床环境中,十七名卧床患者使用传感床记录了他们的睡眠姿势.
• 基准真相标签是从多睡眠学 (PSG) 和手动注释的视频数据中获得的.
• 神经网络 (VGG-3架构) 被训练用于姿势分类,并结合了自我标签校正技术.

主要成果:

• 使用视频标签训练的模型比使用PSG标签训练的模型 (0.68) 准确度更高 (0.79).
• 自标调整将基于视频的模型的精度提高到0.80,基于PSG的模型的精度提高到0.70.
• 这突显了不引人注目的传感器在临床环境中准确监测睡眠姿势的潜力.

结论:

• 在临床环境中验证的不引人注目的传感器技术可以增强卧床患者的患者护理.
• 使用传感器准确的睡眠身体姿势分类可以显著提升康复策略.
• 该研究证明了使用传感床和自我标签校正用于睡眠监测的可行性和提高准确性.