通过对打声音的多特征分析,用于通过对打声音的多特征分析来自动分类阻塞性睡眠呼吸暂停-呼吸暂停综合征的音频语义多模式模型
Xihe Qiu1, Chenghao Wang1, Bin Li1
1School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China.
Frontiers in neuroscience
|May 27, 2024
概括
一个新的音频语义多式模式 (ASMM-OSA) 有效地使用打声音来对阻塞性睡眠呼吸暂停-呼吸暂停综合征 (OSAHS) 的严重程度进行分类. 这种非侵入性方法为睡眠呼吸暂停提供了具有成本效益的诊断替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 睡眠医学 睡眠医学
- 医疗保健中的人工智能
背景情况:
- 阻塞性睡眠呼吸暂停-呼吸暂停综合征 (OSAHS) 是一种通过多睡眠学 (PSG) 诊断的普遍睡眠障碍.
- 目前的PSG方法是侵入性的,昂贵的,容易导致数据变化.
- 需要对OSAHS进行可访问,非侵入性诊断工具.
研究的目的:
- 开发和验证一个新的数据驱动的音频语义多模式模型 (ASMM-OSA) 用于OSAHS严重程度分类.
- 为了利用打声音特征进行非侵入性OSAHS诊断.
- 为传统的诊断方法提供一个具有成本效益的替代方案.
主要方法:
- 利用患者睡眠音频记录来分析打的声音特征.
- 使用PubMedBERT进行增强的音频功能,以增强细节和多样性.
- 根据睡眠呼吸暂停事件,使用XGBoost对OSAHS严重程度进行分类.
主要成果:
- 该ASMM-OSA模型在识别睡眠呼吸暂停事件时实现了诊断级准确性.
- 成功将OSAHS分为四个严重程度:正常,轻度,中度和严重.
- 在一所大学医院的OSAHS数据集上证明了有效性.
结论:
- ASMM-OSA模型为OSAHS诊断提供了一个有希望的非侵入性方法.
- 这种方法有可能降低与OSAHS诊断相关的医疗保健成本.
- 这些发现表明,通过可访问的睡眠呼吸暂停查,改善了患者的生活质量.
