相关实验视频
Updated: Jul 17, 2026

07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
一个优化的框架,用于处理多中心的多睡眠数据,并结合了专家的人类监督
Benedikt Holm1,2, Gabriel Jouan1,2, Emil Hardarson1,2
1Department of Computer Science, Reykjavik University, Reykjavik, Iceland.
Frontiers in neuroinformatics
|May 28, 2024
概括
将人工智能 (AI) 整合到睡眠研究中,可以显著减少高达65分钟的得分时间,并改善技术人员的协议. 对人工智能算法建立信任对于有效采用睡眠诊断至关重要.
科学领域:
- 睡眠医学 睡眠医学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 多睡眠学 (PSG) 对于诊断睡眠障碍至关重要,但分析是具有挑战性的.
- 机器学习算法提供自动化的PSG评分,但将其整合到临床工作流程中研究不足.
研究的目的:
- 介绍一个数据收集平台,利用多中心PSG数据.
- 评估人工智能增强的PSG分析对睡眠技术人员工作流程,得分时间,准确性和信任的影响.
主要方法:
- 开发一个三方平台:网络上传器,分割器和AI评分处理器.
- 使用现实生活中的PSG数据和人类得分器进行评估,量化时间,准确性和信任度.
- 与平台信任和工作流集成的得分者进行定性访谈.
主要成果:
- 人工智能集成将得分时间缩短了多达65分钟.
- 人工智能集成使技术人员之间的协议增加了0.17个百分点.
- 评估了得分者对AI算法的信任.
结论:
- 人工智能可以通过增加速度和一致性,积极影响睡眠技术人员的工作流.
- 建立对人工智能算法的信任对于成功实施睡眠诊断至关重要.
更多相关视频
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.3K
04:54Author Spotlight: IntelliSleepScorer — A High-Accuracy, Accessible GUI Software for Automated Sleep Stage Scoring in Mice and its Application in Psychiatric Research
Published on: November 8, 2024
500