通过基于多分片延迟波动分析的夜间呼吸信号来检测帕金森病
Zhong Dai1, Shutang Liu1, Changan Liu2
1School of Control Science and Engineering, Shandong University, Jinan, Shandong 250061, China.
Chaos (Woodbury, N.Y.)
|December 13, 2024
概括
对夜间呼吸模式的碎形分析可以帮助诊断帕金森病 (PD). 这种非侵入性方法在区分PD患者与健康个体以及其他疾病患者方面表现出很高的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 呼吸系统生理学 呼吸系统生理学
背景情况:
- 帕金森病 (PD) 诊断在准确性和成本效益方面面临挑战.
- 夜间呼吸模式为PD检测提供了一个潜在的,非侵入性的生物标志物.
研究的目的:
- 为了研究夜间呼吸信号中的碎形特征对诊断PD的有效性.
- 用机器学习模型评估这些碎形特征的诊断性能.
主要方法:
- 采用多碎形阻断波动分析,从夜间呼吸信号中提取碎形特征 (气流,胸部,腹部,SaO2).
- 使用后勤回归模型和接收器操作特征 (ROC) 曲线用于PD诊断.
- 包括培训 (PD,HC,NoPD组) 和测试 (PD,HC) 数据集.
主要成果:
- 确定了八个碎形特征,具有PD的显著诊断潜力.
- 在培训数据集上 (PD与HC) 实现了0.911的曲线下面面积 (AUC).
- 在独立测试数据集上达到0.929的AUC,证实了强大的诊断性能.
结论:
- 对夜间呼吸信号的碎形分析是PD诊断的一个有希望,准确和潜在的成本效益的方法.
- 这种方法可以显著提高在临床环境中PD检测的准确性.
- 鉴定到的碎形特征可以作为帕金森病的可靠生物标志物.
