专家级睡眠分期使用纯电心电图前神经网络
Adam M Jones1, Laurent Itti1, Bhavin R Sheth2
1Neuroscience Graduate Program, University of Southern California, Los Angeles, CA, USA.
Computers in biology and medicine
|May 15, 2024
概括
一个新的神经网络使用单个心电图 (ECG) 线索进行准确的睡眠阶段分类,匹配黄金标准的多睡眠学 (PSG) 性能. 这种心脏和呼吸学方法为睡眠医学和神经科学研究提供了价格实惠,方便的替代方案.
科学领域:
- 睡眠医学 睡眠医学
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 多睡眠学 (PSG) 是睡眠阶段分类的黄金标准,但成本昂贵,侵入性和不方便.
- 目前的可穿戴睡眠追踪器缺乏PSG的准确性.
- 准确的睡眠阶段分类对于诊断睡眠障碍和推进神经科学研究至关重要.
研究的目的:
- 开发一种准确,低成本和方便的睡眠阶段分类方法,仅使用心电图 (ECG) 数据.
- 为了实现与PSG相比的性能,使用单个ECG导线.
- 民主化获得高质量的睡眠研究.
主要方法:
- 通过使用单个ECG数据线索训练了一个前神经网络.
- 开发了一个新的损失函数来优化科恩的卡帕.
- 该模型在一个庞大,多样化的数据集上得到验证,该数据集涵盖了5至90岁的年龄段.
主要成果:
- 该模型实现了0.725的中位数五阶段科恩卡帕,与人类互评测者协议相比,显示了非劣质性能.
- 该方法提供了一种廉价,自动化和方便的替代PSG.
- 开发了实时评分能力.
结论:
- 仅使用心电图的心脏和脑电图,为睡眠阶段分类提供了一个可行的,金级标准级别的替代方案.
- 这种方法可以通过使高质量的睡眠研究更容易获得,显著提高睡眠研究和个性化医疗保健.
- 该方法有可能将专家级睡眠分析从临床环境转移到现实环境中.
