相关实验视频
Updated: May 30, 2025

07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
可解释的视觉变压器,用于在多式联接式PSG信号上自动视觉睡眠分阶段.
Hyojin Lee1, You Rim Choi1, Hyun Kyung Lee2,3
1Graduate School of Data Science, Seoul National University, Seoul, Republic of Korea.
NPJ digital medicine
|January 25, 2025
概括
SleepXViT是一个人工智能系统,通过模仿人类视觉评分,使用视觉转换器 (ViT) 准确地分阶段睡眠. 它提供了解释,提高了睡眠障碍诊断的可靠性和临床整合.
科学领域:
- 人工智能的人工智能
- 医疗信息学 医疗信息学
- 睡眠医学 睡眠医学
背景情况:
- 多睡眠学 (PSG) 评分对于睡眠障碍的诊断至关重要,但是主观的和耗时的.
- 现有的PSG机器学习模型由于其"黑子"性质而缺乏临床解释性.
研究的目的:
- 开发一个可解释的自动睡眠分期系统,SleepXViT,使用视觉变压器 (ViT).
- 提高AI在睡眠评分中的可靠性和临床实用性.
主要方法:
- SleepXViT采用视觉转换器 (ViT) 架构来模仿人类对PSG数据的视觉评分.
- 该系统在KISS-a数据集 (7745名患者) 和公共数据集 (SHHS1,SHHS2) 上进行了评估.
- 解释性特征包括信心评分,热图和相关性评分.
主要成果:
- 在KISS-a数据集上,SleepXViT获得了81.94%的Macro F1得分,表现优于基线模型.
- 该系统在公共睡眠数据集上表现出强大的性能.
- 为了提高解释性,生成了热图和信心评分等解释.
结论:
- 睡眠XViT提供可靠和可解释的自动睡眠分阶段,解决传统PSG评分和黑子AI模型的局限性.
- 该系统的可解释性功能在临床环境中促进了AI和人类得分器之间的协同作用.
- 睡眠XViT显示了提高睡眠障碍诊断的效率和一致性的承诺.

