优化可穿戴单通道电脑脑摄影在异质睡眠障碍人群中的睡眠阶段化,使用转移学习

科学领域:

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

背景情况:

• 使用可穿戴脑电图 (EEG) 进行的自动睡眠分期是由于临床人群的数据可用性而受到限制.
• 转移学习提供了一种战略,以克服睡眠障碍研究的数据限制.

研究的目的:

• 调查转移学习,以优化单通道EEG睡眠阶段在患有睡眠障碍的人.
• 评估可穿戴EEG设备的不同模型培训策略.

主要方法:

• 获得了52个单通道的前极性头带EEG记录以及多睡眠学 (PSG).
• 我们比较了三个培训策略:预培训,从头开始培训和微调.
• 在头带录音上使用十倍交叉验证来评估性能.

主要成果:

• 微调在5阶段睡眠分类中获得了最高的性能 (κ = .778).
• 性能明显优于预训练 (κ = .769) 和从头开始训练 (κ = .733).
• 在临床相关的睡眠参数中没有观察到显著的差异或偏差.

结论:

• 深度转移学习对于优化在睡眠阶段化中的有限数据的性能至关重要.
• 传统的PSG和头带EEG数据表现出很大的相似性.
• 头带,分类模型和微调方法对于临床睡眠监测是可行的.