用小型便携式深度传感器识别REM睡眠行为障碍患者

科学领域:

• 神经学 神经学
• 睡眠医学 睡眠医学
• 生物医学工程 生物医学工程

背景情况:

• 孤立的快速眼动 (REM) 睡眠行为障碍 (iRBD) 是α-synucleinopathy的一个前兆阶段.
• 目前的诊断依赖于耗时的实验室视频多睡眠学 (v-PSG).
• 早期检测需要客观和可访问的诊断工具.

研究的目的:

• 调查使用便携式深度传感器用于iRBD检测的可行性.
• 从深度数据开发一个自动化系统来分析睡眠运动.
• 评估家庭iRBD查的潜力.

主要方法:

• 与v-PSG同时收集了10名iRBD患者,10名对照患者和10名差异诊断患者的深度数据.
• 预处理的深度数据使用卷积内核和光流进行分析,以生成运动图.
• 在REM和非REM睡眠期间采用自动运动检测,特征提取和经过交叉验证的后勤回归.
• 使用曲线下的面积 (AUC) 评估性能.

主要成果:

• 使用卷积内核来检测REM和非REM睡眠期间的快速运动,达到0.900的最高AUC.
• 一个分析REM睡眠运动的时空内核产生了高AUC的0.893.3.
• 该系统证明了可靠的iRBD患者的识别,接近专家注释的性能 (AUC 0.993).

结论:

• 一个便携式深度传感器系统可以自动检测患者的运动,并可靠地识别iRBD.
• 这项技术为家庭评估提供了一种可行的方法,可能有助于提前诊断α-synucleinopathy.
• 这些发现支持开发客观,可访问的iRBD查工具.