可穿戴传感器和人工智能用于睡眠呼吸暂停检测:系统性审查

科学领域:

• 生物医学工程 生物医学工程
• 计算机科学 计算机科学
• 肺部病理学 肺部病理学

背景情况:

• 睡眠呼吸暂停影响全球数百万人,影响公众健康和生活质量.
• 可穿戴设备和人工智能为睡眠呼吸暂停诊断和治疗提供了新的途径.
• 实时监测和分析睡眠模式对于早期检测至关重要.

研究的目的:

• 系统地审查当前的人工智能技术,可穿戴设备,数据类型和睡眠呼吸暂停诊断的预处理方法.
• 确定该领域的趋势和有前途的方法.
• 评估数据数量和类型对诊断准确性的影响.

主要方法:

• 2020年至2024年间发表的28项研究的系统文献综述.
• 分析可穿戴设备类型 (补丁,钟,戒指) 和人工智能技术,特别是卷积神经网络 (CNN).
• 评估数据类型,预处理方法和转移学习的作用.

主要成果:

• 越来越多的趋势是将可穿戴设备与CNN集成在一起,用于睡眠呼吸暂停诊断.
• 转移学习技术可以提高人工智能模型的性能.
• 训练数据的数量和类型显著影响算法结果.
• 神经网络与卷积层的组合显示出精确早期诊断的潜力.

结论:

• 人工智能和可穿戴设备代表了睡眠呼吸暂停诊断的重大进步.
• CNNs,特别是当与转移学习和多样化的数据相结合时,提供了有希望的结果.
• 建议对多网络组合进行进一步研究,以开发高精度的诊断系统.