基于心电图的睡眠呼吸暂停检测中机器学习算法的诊断准确性:系统性审查和元分析
Mustafa Eray Kilic1, Mehmet Emin Arayici2, Oguzhan Ekrem Turan1
1Department of Cardiology, Faculty of Medicine, Dokuz Eylül University, İzmir, Türkiye.
Sleep medicine reviews
|May 11, 2025
概括
机器学习和深度学习算法在使用心电图 (ECG) 信号检测睡眠呼吸暂停时显示出高准确度. 这种方法为诊断这种常见的睡眠障碍提供了一种有希望的替代传统的多睡眠学.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 睡眠医学 睡眠医学
背景情况:
- 睡眠呼吸暂停会影响到10%的中年人群,并且经常被诊断不足.
- 多人睡眠学 (PSG) 是黄金标准,但有其局限性.
- 单线心电图是一种潜在的替代方案,但解释是具有挑战性的.
研究的目的:
- 评估机器学习 (ML) 和深度学习 (DL) 算法的诊断准确性,用于使用单线心电图检测睡眠呼吸暂停.
- 评估自动化心电图分析在改善睡眠呼吸暂停诊断方面的潜力.
主要方法:
- 根据PRISMA-DTA指南进行了一项元分析.
- 一项全面的文献搜索确定了84项相关研究.
- 包括报告基于ML/DL心电图的睡眠呼吸暂停检测灵敏度和特异性的研究.
主要成果:
- ML/DL算法证明了高的诊断准确度,用于从心电图检测睡眠呼吸暂停.
- 在每个细分分析中,聚合的灵敏度和特异性超过了90%.
- 在每条记录分析中,聚合的灵敏度和特异性达到近97%.
结论:
- 通过心电图分析,ML和DL显示出增强睡眠呼吸暂停诊断的巨大潜力.
- 算法性能变化和方法偏差需要进一步调查.
- 未来的研究应该专注于解决睡眠呼吸暂停检测的局限性和优化ML/DL应用.
关键词:
深度学习是一种深度学习.诊断的准确性 诊断的准确性电心电图 (ECG) 是一种心电图.机器学习是机器学习.进行元分析分析.敏感性和特异性 敏感性和特异性单线心电图的单线心电图.睡眠呼吸暂停 (Sleep Apnea) 是一种疾病.睡眠的药物 睡眠的药物更多相关视频
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
414
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
334
