可扭曲和伸展的鼻子贴片用于监测与睡眠相关的呼吸障碍,基于堆叠组合学习模型

科学领域:

• 生物医学工程 生物医学工程
• 睡眠医学 睡眠医学
• 机器学习 机器学习

背景情况:

• 阻塞性睡眠呼吸暂停综合征 (OSAS) 对睡眠,平衡和认知功能产生负面影响.
• 目前的多睡眠法是在不熟悉的环境中进行的,这可能会损害睡眠模式的准确性.
• 需要方便和准确的方法来在自然环境中诊断睡眠障碍.

研究的目的:

• 开发和评估基于机器学习的可穿戴贴片系统,用于在日常生活中诊断阻塞性睡眠呼吸暂停综合征 (OSAS).
• 创建一个非侵入性,个性化的诊断工具,以提高患者的舒适性和数据准确性.
• 探索这项技术作为慢性疾病早期检测平台的潜力.

主要方法:

• 一个可伸缩,可扭曲的贴片系统被设计用于直接鼻腔应用.
• 该贴片同时检测鼻腔和鼻中微观的振动和空气流 (≥0.1 m/s).
• 用一个堆叠集体学习模型来预测睡眠呼吸障碍的程度.

主要成果:

• 该贴片表现出高灵敏度和灵活性,在曲率方面具有出色的线性 (R2 = 0.992).
• 机器学习模型在睡眠呼吸障碍方面实现了92.9%的高诊断准确率.
• 该系统为检测到的睡眠障碍提供主动视觉通知.

结论:

• 开发的补丁系统为在日常环境中诊断阻塞性睡眠呼吸暂停综合征 (OSAS) 提供了一个有希望,准确和舒适的解决方案.
• 这项技术有可能成为一种有价值的诊断平台,用于早期检测相关的慢性疾病,如脑血管疾病和糖尿病.
• 个性化,可穿戴的诊断工具代表了睡眠医学和主动医疗保健的重大进步.