简化多模式与单一的EOG模式用于自动睡眠分期

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 睡眠医学 睡眠医学

背景情况:

• 多睡眠学 (PSG) 是用于睡眠分阶段的标准,利用诸如电脑学 (EEG) 和电眼学 (EOG) 等信号.
• 结合EEG和EOG可以提高睡眠阶段的准确性,但EEG获取是复杂的,对噪声敏感.
• 电眼镜 (EOG) 为临床睡眠分析提供了一个更简单,更强大的替代方案.

研究的目的:

• 开发一个新的框架,用于简化多式联运睡眠分阶段,仅使用EOG信号.
• 为了利用EEG和EOG之间的相关性来产生有效的EOG特征.
• 为了实现高睡眠阶段性能与EOG,即使没有EEG数据.

主要方法:

• 开发了一个新的框架来建模EEG和EOG信号之间的相关性.
• 用时间和频率引导的发电机使用生成式对抗式学习来创建EOG的多式联络功能.
• 该框架的评估基于现实数据集 (67个记录) 和四个公共数据集.

主要成果:

• 与现有方法相比,拟议的框架仅使用EOG模式实现了最佳性能.
• 在这个框架内使用EOG的睡眠分期性能与使用EEG相美.
• 该方法有效地简化了多式联网睡眠分阶段,仅依靠EOG.

结论:

• 新的框架通过有效利用EOG信号,成功地简化了睡眠阶段.
• 这种方法为临床睡眠分析提供了切实可行的替代方案,克服了EEG获取挑战.
• 基于EOG的睡眠分阶段可以实现与EEG相当的性能,提高可访问性和减少复杂性.