关于自动化睡眠研究的回顾

科学领域:

• 生物医学工程 生物医学工程
• 计算神经科学是一种神经科学.
• 睡眠医学 睡眠医学

背景情况:

• 自动睡眠分析正在快速发展,对于了解睡眠对健康的影响至关重要.
• 在主要的科学数据库中对87篇论文进行了系统审查.
• 专注于自动化睡眠分析中的方法,信号类型和机器学习算法.

研究的目的:

• 批判性地评估当前的自动化睡眠分析方法的优缺点.
• 为了确定当前的景观和未来的方向在睡眠研究.
• 为睡眠诊断领域的研究人员和从业人员提供基础.

主要方法:

• 系统性文献审查来自谷歌学者,PubMed,IEEE Xplore和ScienceDirect的87篇论文.
• 基于方法,信号模式和机器学习算法的研究优先级.
• 对各种方法的报告准确性,优点和弱点进行批判性评估.

主要成果:

• K-近邻 (KNN),集体学习和支持向量机 (SVM) 显示出高精度,但具有性能可变性和计算需求.
• 将传统的特征提取与深度学习相结合,并将深度神经网络结合起来,有望提高诊断准确度.
• 挑战包括性能变化和计算成本,需要仔细选择分类器.

结论:

• 该领域需要适应性分类器,跨模式集成和合作,以实现准确,稳健和可访问的睡眠诊断.
• 未来的研究应该专注于更有效,更细致的睡眠分析方法.
• 本综述综合了当前的知识,指导了自动睡眠诊断的未来进展.