基于卷积神经网络的方法,用于在头向上倾斜测试期间实时检测反射失眠

科学领域:

• 心脏病学 心脏病学
• 生物医学工程 生物医学工程
• 人工智能在医学中的应用

背景情况:

• 反射失眠 (RS) 是一种常见的疾病,是自主神经系统失调造成的.
• 目前通过头向上倾斜测试 (HUTT) 进行诊断是耗时的,并可能引发症状.
• 现有的自动化方法通常依赖于手动的特征提取,这对噪音和方法敏感.

研究的目的:

• 开发一个实时深度学习系统来检测反射失眠.
• 为了消除在昏迷检测中需要手动特征提取的需要.
• 创建一个更有效,更方便的诊断工具RS.

主要方法:

• 采用了一个端到端的深度学习架构,利用剩余和挤压激发块.
• 该系统分析原始血压信号,以实时评估RS风险.
• 一组1348名患者 (1291名正常患者,57名RS患者) 的数据集被用于开发和验证.

主要成果:

• 深度学习模型实现了ROC曲线下的面积为0.972.
• 在0.75的值下,该方法表现出94.74%的灵敏度和94.27%的特异性.
• 在临床发生之前,RS被检测到平均为165.35秒.

结论:

• 拟议的深度学习方法超越了用于反射同步检测的传统技术.
• 仅仅要求血压监测提高了该方法的适用性和方便性.
• 这一进步有助于开发更安全,更有效,更为患者友好的RS诊断系统.