相关实验视频
Updated: Jan 16, 2026
09:54
A Model to Simulate Clinically Relevant Hypoxia in Humans
Published on: December 22, 2016
9.3K
基于人工智能的平台,用于自动和同时解释性检测呼吸暂停,氧气脱和儿科测谎检查 (REST) 中的文物
Michele D'Orazio1,2, Elisabetta Verrillo3, Joanna Filippi4,5
1Department of Electronic Engineering, University of Rome Tor Vergata, Via del Politecnico 1, 00133, Rome, Italy. michele.d.orazio@uniroma2.it.
Scientific reports
|September 30, 2025
概括
一个新的深度学习平台,REST,准确地检测儿童的睡眠呼吸暂停 (SA) 事件和空气流和脉冲氧计信号的工件. 这种人工智能工具提高了诊断的准确性和可靠性,可能降低医疗保健成本.
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
- 儿科睡眠药物 儿童睡眠药物
背景情况:
- 多睡眠学是睡眠呼吸暂停 (SA) 诊断的黄金标准,但成本昂贵且难以获得.
- 空气流和脉冲氧计信号为SA检测提供了更简单,更容易获得的替代方案.
- 深度学习在分析这些信号以用于儿科SA诊断方面表现有前途.
研究的目的:
- 介绍REST,一个用于同时检测呼吸暂停,脱和文物的新平台.
- 开发一维深度神经网络架构,用于分析儿科睡眠信号.
- 提高儿童AS诊断的准确性和可靠性.
主要方法:
- 开发了一个新的1D深度神经网络架构,用于信号分析.
- 在86名儿科患者的数据上训练,验证和测试了REST平台.
- 使用梯度加权类激活映射 (grad-CAM) 来解释决策过程.
主要成果:
- 实现了高平衡分类准确度:呼吸暂停的92.50%,脱的98.30%,文物的97.59%.
- 在检测目标事件方面表现优于其他三种文献方法.
- 提供了置信度评分来突出显示用于医生审查的样本,提高了整体性能.
结论:
- 该REST平台在儿童患者中检测SA相关事件和工件方面表现出卓越的性能.
- 人工智能的可解释性功能 (grad-CAM) 增加了用户的信任和可靠性.
- 休息提供了一个有希望的,准确的,并可能更容易获得的工具,用于儿科睡眠呼吸暂停的诊断.
