人工智能或睡眠专家:比较儿童和青少年的多梦图睡眠阶段

科学领域:

• 神经科学是一个神经科学.
• 医疗技术 医疗技术 医学技术
• 计算生物学 计算生物学

背景情况:

• 手动多睡眠学 (PSG) 催眠图注释是劳动密集型的,容易变化.
• 自动睡眠分期系统为更快,更一致的分析提供了潜在的解决方案.
• U-Sleep是一个公开可用的自动化系统,此前已在成年PSG中得到验证.

研究的目的:

• 评估U-Sleep自动化系统在儿科患者睡眠分期的性能.
• 为了比较U-Sleep的自动评分与儿童专家手册注释.
• 在儿科睡眠研究中评估U-Sleep的有效性和有效性.

主要方法:

• 将U-Sleep自动评分与手动专家注释对56名儿童 (6-17岁) 的PSG数据进行了比较.
• 使用F1重叠得分,准确性,科恩的卡帕和相关系数进行定量比较.
• 进行了定性分析,以确定手动和自动评分之间的系统差异.

主要成果:

• U-Sleep 实现了整体平均 F1 评分为 0.75,准确度为 83.9%,卡帕值为 0.77.
• 特定阶段的F1得分从0.40 (N1) 到0.86 (N2,N3,REM) 之间.
• 在所有阶段,U-Sleep和手动评分之间的相关系数均为中度至非常强 (r = 0.57-0.81).

结论:

• 在儿科PSG中,U-Sleep与手动睡眠分期有很高的一致性,这表明它的有效性.
• 该系统有效地识别了儿科患者的睡眠阶段,其分歧相当于得分者之间的变化.
• 进一步的研究应该集中在对异常值和病理睡眠阶段的AI模型评估上,这些领域也对手工注释具有挑战性.