相关实验视频
Updated: Aug 2, 2026
08:45
Polygraphic Recording Procedure for Measuring Sleep in Mice
Published on: January 25, 2016
23.8K
通过人工智能增强睡眠分阶段:对睡眠评分新软件的验证研究
Massimiliano Grassi1,2,3, Silvia Daccò1,2,3,4, Daniela Caldirola2,3,4
1Medibio Limited, Savage, MN, United States.
Frontiers in artificial intelligence
|December 25, 2023
概括
STAGER软件只使用EEG信号提供准确的自动睡眠分阶段 (ASS),与专家的手动睡眠分阶段 (MSS) 相似. 这种机器学习方法减少了睡眠分析中的变化和时间.
科学领域:
- 睡眠医学 睡眠医学
- 医疗保健中的人工智能
- 生物医学信号处理
背景情况:
- 手动睡眠分阶段 (MSS) 从多睡眠学是劳动密集型,需要广泛的培训,并遭受跨得分者变化.
- 使用机器学习的自动睡眠分阶段 (ASS) 旨在提供更有效和更一致的替代方案.
研究的目的:
- 评估基于机器学习的软件STAGER与临床实践中和专家技术人员执行的手动睡眠分阶段 (MSS) 的一致性.
- 为了评估STAGER的自动睡眠分阶段 (ASS) 的准确性和可靠性,仅使用脑电图 (EEG) 信号.
主要方法:
- 追溯分析了40个来自美国睡眠诊所转诊的患者的多睡眠记录.
- 由三个专家技术人员进行的独立睡眠分期,并与STAGER的ASS和临床MSS进行比较.
- 计算协议统计数据和重新抽样,用于置信区间和显著性测试.
主要成果:
- STAGER的ASS表现出与MSS的高度一致,通常在统计学上优于技术人员之间的协议.
- 在大多数睡眠阶段的准确性与MSS相比,在清醒阶段的积极百分比一致性略有降低.
- 该软件的性能根据既定的临床协议和专家评估进行了验证.
结论:
- 软件STAGER显示了有希望的准确性,用于自动睡眠分期的住院患者的多重睡眠记录.
- 它提供了一个可靠的替代手动睡眠分期,可能提高效率和减少睡眠分析的变化.
- 进一步验证可能会提高其在临床睡眠评估设置中的实用性.
