AISleep:基于单通道EEG数据的自动化和可解释的睡眠阶段
Xun Mai1, Binghua Song2, Manli Luo1
1Research Center for Frontier Fundamental Studies, Zhejiang Lab, Hangzhou, China.
Patterns (New York, N.Y.)
|December 31, 2025
概括
使用脑电图 (EEG) 数据的无监督算法AISleep自动化了睡眠阶段. 这种方法是准确的,可解释的,适合于便携式睡眠监测设备.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 睡眠医学 睡眠医学
背景情况:
- 手动睡眠分阶段是繁的,限制了大规模研究.
- 准确的睡眠分期对于诊断睡眠障碍和了解睡眠生理学至关重要.
研究的目的:
- 引入AISleep,一个使用单一电脑电图 (EEG) 通道的自动化,无监督的睡眠分阶段算法.
- 评估AISleep的性能与最先进的方法相比,并评估其通用性.
主要方法:
- 开发了AISleep,这是一个基于特征加权内核密度估计 (KDE) 的无监督算法.
- 在公共基准数据集和临床患者数据上验证了AISleep.
- 将AISleep与现有的无监督和监督睡眠阶段模型进行比较.
主要成果:
- 在健康的年轻人中,AISleep的性能优于目前的无监督睡眠分期算法.
- 与监督模型相比,该算法显示出更高的概括性.
- 确定了关键EEG特征的与年龄相关的下降,影响了老年人的分期精度.
结论:
- AISleep为自动睡眠分阶段提供了一个强大,可解释和轻量级的解决方案.
- 该算法适合集成到便携式设备中,用于可扩展的,基于家庭的睡眠监测.
- 研究结果强调了老年人睡眠分期准确性面临的潜在挑战.
