使用心电图,呼吸力和神经网络来估计阻塞性睡眠呼吸暂停的严重程度
IEEE journal of biomedical and health informatics
|March 29, 2024
概括
可穿戴式传感器可以仅使用心肺呼吸信号来估计阻塞性睡眠呼吸暂停 (OSA) 的严重程度,而无需监测空气流量或氧气和度. 这为临床研究的长期睡眠障碍呼吸评估带来了进展.
科学领域:
- 心血管呼吸系统信号分析
- 医学中的人工智能.
- 睡眠的药物 睡眠的药物
背景情况:
- 可穿戴式传感器技术已经进步,但对阻塞性睡眠呼吸暂停 (OSA) 评估的临床使用受到大型,代表性数据集与多睡眠学 (PSG) 同步缺乏障碍.
- 目前的OSA评估通常依赖于空气流和氧和度 (SpO2) 测量,限制了不引人注目的监测.
- 心血管信号对PSG至关重要,并且可以通过可穿戴设备轻松测量.
研究的目的:
- 探索使用可穿戴式传感器可测量的常见心肺呼吸信号来估计OSA严重性的可行性.
- 开发和评估一个人工神经网络来检测睡眠呼吸障碍事件,并估计OSA的严重程度.
主要方法:
- 开发了一种人工神经网络,使用心电图 (ECG) 和呼吸力信号来检测睡眠呼吸障碍事件.
- 该网络与睡眠分期算法集成,并在653名参与者中对PSG进行了验证.
- 对睡眠分阶段,呼吸暂停-呼吸暂停指数 (AHI) 估计和OSA严重程度分类进行了评估.
主要成果:
- 与PSG相比,四级睡眠阶段实现了0.69的科恩卡帕 (κ).
- 呼吸暂停-呼吸暂停指数 (AHI) 估计显示了0.91.9的高类内相关系数 (ICC).
- 该模型在各种OSA严重程度值中表现出强大的诊断性能.
结论:
- 仅仅通过心肺呼吸信号就足以估计OSA的严重程度,而不需要空气流量或SpO2数据.
- 这种方法显示出开发实用,不引人注目的可穿戴系统的希望,用于长期监测睡眠障碍呼吸.
- 现有的大型数据集可以作为未来可穿戴的OSA监测系统的基础,使新的临床研究途径成为可能.
