一个强大的深度学习探测器用于睡眠和K复合体:朝着人口规范
Nicolás I Tapia-Rivas1, Pablo A Estévez2,3,4, José A Cortes-Briones5,6,7
1Department of Electrical Engineering, University of Chile, Santiago, Chile.
Scientific reports
|January 3, 2024
概括
一个新的深度学习系统,睡眠EEG事件探测器 (SEED),准确地识别睡眠和K-复合体. 这种先进的工具通过提高睡眠事件检测和分析的精度来帮助大规模的睡眠研究.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 睡眠医学 睡眠医学
背景情况:
- 睡眠 (SSs) 和K-复合体 (KCs) 是重要的脑电图 (EEG) 模式在睡眠期间,与认知功能相关.
- 精确检测SS和KC对于大规模的睡眠研究至关重要,但由于信号变化和注释不一致,这具有挑战性.
研究的目的:
- 推出睡眠EEG事件探测器 (SEED),这是一个深度学习系统,用于强大的SS和KC的自动检测.
- 与现有方法相比,证明SEED的优越性能以及其适应新数据集和注释风格的适应性.
主要方法:
- 开发SEED,一个深度学习系统,使用一种新的预训练方法与A7基于规则的探测器来减少数据需求.
- 在MASS2数据集上对SEED的评估,将其性能与已建立的检测方法进行比较.
主要成果:
- 在MASS2数据集上,SEED获得了高F1分数,SS检测为80.5%,KC检测为83.7%.
- SEED 显示出强大的可转移性,需要对不同数据集和注释风格进行最小的微调.
- 对11,224名受试者的分析表明,SEED提供了对SS人口统计数据的改进估计.
结论:
- 种子是一个强大的和可适应的深度学习工具,用于精确自动检测睡眠EEG事件.
- 该系统在数据注释和改进的统计估计方面的效率使其在睡眠研究和建立人口规范方面具有价值.
