相关实验视频
Updated: May 27, 2025

Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
一个多式睡眠基础模型开发了500K小时的睡眠记录,用于疾病预测
Rahul Thapa1,2, Magnus Ruud Kjær3,4,5, Bryan He2
1Department of Biomedical Data Science, Stanford University, Stanford, CA, USA.
一个新的基础模型,SleepFM,使用超过585,000小时的睡眠数据,以高准确度预测130种未来的疾病,包括心力衰竭和痴呆症. 睡眠分析的这一进步为疾病风险预测提供了新的见解.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 睡眠医学 睡眠医学
背景情况:
- 睡眠对健康至关重要,但它与疾病的联系是复杂的,并未完全理解.
- 多睡眠学 (PSG) 提供了丰富的数据,但在分析灵活性和通用性方面面临挑战.
- 现有的方法很难有效地整合多式联络睡眠信号,以进行广泛的健康预测.
研究的目的:
- 开发一个灵活和可通用的基础模型来分析多式联络睡眠数据.
- 利用大规模的睡眠记录来预测广泛的未来疾病.
- 探索睡眠生理学与长期健康结果之间的关系.
主要方法:
- 策划了来自多个队伍的65,000名参与者的超过585,000小时的睡眠记录.
- 开发了SleepFM,一种使用新的对比学习方法的多式基础模型.
- 训练有素的SleepFM可以生成用于疾病预测和传统睡眠分析任务的信息化睡眠嵌入.
主要成果:
- 睡眠FM嵌入器准确预测了130种未来疾病 (以Phecodes为模型),C指数/AUROC≥0.75.
- 在死亡,心力衰竭,痴呆和中风等关键条件下取得了高预测性能.
- 在未见数据集 (SHHS) 上表现出强大的概括性,在睡眠分阶段和呼吸暂停诊断中具有竞争力的结果.
结论:
- 基金会模型可以有效地整合多式联通PSG数据,揭示睡眠与未来疾病风险之间的广泛联系.
- 睡眠FM为发现疾病的新生理标志物提供了一个强大的工具.
- 这种方法提高了我们对睡眠在整体健康和疾病预防中的作用的理解.
更多相关视频
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
06:23A Chronic Sleep Fragmentation Model using Vibrating Orbital Rotor to Induce Cognitive Deficit and Anxiety-Like Behavior in Young Wild-Type Mice
Published on: September 22, 2020
相关概念视频
Understanding Sleep
The circadian rhythm, a nearly 24-hour cycle, is deeply influenced by environmental light cues. Light exposure directly affects the hypothalamus, which in turn regulates...
Substance Use Disorders Affecting Sleep
Understanding the concepts of physical dependence,...
Sleep Apnea
The condition is more prevalent among...
REM Sleep Behavior Disorder
RBD is significantly associated with...
Insufficient Sleep and Sleep Deprivation
Sleep deprivation is a more severe form of sleep loss...
Narcolepsy