相关实验视频
Updated: May 3, 2026
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
使用深度学习实时检测打:一种基于家庭的智能手机方法来监测睡眠
Joonki Hong1, Seung Koo Yang2, Seunghun Kim1
1Asleep Research Institute, Seoul, Republic of Korea.
Nature and science of sleep
|April 7, 2025
概括
这项研究引入了一种新的深度学习模型,用于使用智能手机音频录音实时检测打. 这种可访问的方法可以准确地识别打,有助于在家监测睡眠障碍.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 睡眠医学 睡眠医学
背景情况:
- 与睡眠有关的障碍很常见,但有效的家庭打检测方法是有限的.
- 以前的研究还没有广泛探索使用智能手机音频进行打预测的深度学习.
- 这项研究解决了对睡眠障碍监测可访问工具的需求.
研究的目的:
- 开发和评估使用基于视觉转换器的深度学习模型实时检测打的方法.
- 评估利用智能手机录音在家庭环境中检测打的可行性.
- 为监测睡眠相关呼吸问题提供可扩展和准确的解决方案.
主要方法:
- 睡眠呼吸声音的智能手机音频录音与多睡眠学 (PSG) 同步收集.
- 一个视觉转换器深度学习模型被训练和测试在注释的睡眠时代.
- 模型的性能使用时代对时代的准确性和打比率的相关性来评估.
主要成果:
- 该模型在测试数据集上实现了高性能,灵敏度为89.8%,特异性为91.3%.
- 在预测和实际打比率之间观察到强烈的相关性 (r = 0.97).
- 这项研究包括214名参与者,分析了85,600个睡眠时代.
结论:
- 深度学习模型可以有效地实时检测自家录制的智能手机音频中的打.
- 这种方法提供了一种实用,准确和可扩展的工具,用于管理与睡眠有关的障碍.
- 这些发现支持开发基于家庭的睡眠健康管理解决方案.
更多相关视频
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.5K
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
406
