相关实验视频
Updated: Sep 17, 2025
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.8K
ModelS4Apnea:利用结构化状态空间模型,从心电图信号有效检测睡眠呼吸暂停
1Department of Computer Engineering, Mardin Artuklu University, Mardin, Turkey.
Physiological measurement
|July 3, 2025
概括
ModelS4Apnea是一个深度学习框架,使用结构化状态空间模型从心电图数据中准确地检测睡眠呼吸暂停. 这种高效的方法为可穿戴设备和临床使用提供了高性能.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 心脏病学 心脏病学
背景情况:
- 睡眠呼吸暂停是一种普遍存在的疾病,具有严重的健康影响.
- 准确和高效的检测方法对于管理睡眠呼吸暂停至关重要.
- 电心电图 (ECG) 信号为睡眠呼吸暂停检测提供了一个非侵入性的来源.
研究的目的:
- 介绍ModelS4Apnea,这是一个用于自动检测睡眠呼吸暂停的新型深度学习框架.
- 利用结构化状态空间模型 (S4) 在心电图分析中进行增强的时间建模.
- 从心电图谱图来实现睡眠呼吸暂停检测的高准确性和效率.
主要方法:
- 开发了一个深度学习框架 (ModelS4Apnea),集成CNN和S4模型.
- 使用心电图谱作为深度学习模型的输入.
- 训练并评估了Apnea-ECG数据集上的模型.
主要成果:
- 实现了高性能指标:准确度为0.933,F1得分为0.912,灵敏度为0.916,特异性为0.944.
- 与Apnea-ECG数据集上的现有方法相比,表现出优异的性能.
- 以更少的参数和更短的培训时间展示了计算效率.
结论:
- ModelS4Apnea为睡眠呼吸暂停检测提供了一个强大而高效的解决方案.
- 该框架的低内存足迹和快速推断适合实时应用程序和可穿戴设备.
- 该模型能够执行每条记录分类的能力突出显示了其诊断潜力.
