相关实验视频
Updated: May 6, 2026
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.3K
基于夜间生理信号的心血管疾病自动查的多式人工智能方法
Youngtae Kim1, Tae Gwan Jang1, So Yeon Park1
1Artificial Intellenge Big Data Medical Center, Wonju College of Medicine, Yonsei University Mirae Campus, Wonju, 26426, Republic of Korea.
NPJ cardiovascular health
|March 3, 2026
概括
这项研究介绍了SleepCVD-Net,这是一种用于使用睡眠生理数据查心血管疾病 (CVD) 的AI算法. 人工智能模型实现了高精度,显示了在睡眠期间自动CVD检测的潜力.
科学领域:
- 人工智能的人工智能
- 心血管健康 心血管健康
- 生物医学工程 生物医学工程
背景情况:
- 心血管疾病 (CVD) 构成了全球健康的重大负担.
- 早期查和监测心血管疾病对于有效管理至关重要.
- 夜间生理信号为睡眠期间的心脏健康提供了一个非侵入性的窗口.
研究的目的:
- 开发和验证用于自动化心血管疾病查的多式人工智能算法.
- 利用深度神经网络来分析复杂的生理数据.
- 评估SleepCVD-Net在区分对照组和心血管疾病组的有效性.
主要方法:
- 开发SleepCVD-Net,一个三模深度神经网络.
- 多模式数据的处理:单导电心电图 (ECG),空气流和氧和 (SpO2).
- 使用来自睡眠心脏健康研究数据库 (194名受试者) 的数据.
主要成果:
- 在测试组中,SleepCVD-Net的平均准确度为97.55%.
- 在不同组的高F1分数:97.97% (对照组),96.35% (中风),97.79% (心血管炎),97.49% (充血性心力衰竭).
- 在区分健康个体和心血管疾病患者之间表现出强的表现.
结论:
- 夜间生理信号可以有效地用于通过AI进行自动心血管疾病查.
- 睡眠CVD-Net显示出作为早期CVD检测工具的巨大潜力.
- 该算法适用于在各种医疗机构监测心脏活动.
