详细内容或原文请订阅后点击阅览
研究人员教神经网络对睡眠阶段进行分类
东芬兰大学的一个团队推出了一种新的深度学习模型，可以像经验丰富的医生一样准确地检测睡眠阶段。该系统可以为诊断和治疗睡眠障碍（包括阻塞性睡眠呼吸暂停）开辟广泛的可能性。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）东芬兰大学的一个团队推出了一种新的深度学习模型，可以像经验丰富的医生一样准确地检测睡眠阶段。该系统可以为诊断和治疗睡眠障碍（包括阻塞性睡眠呼吸暂停）开辟广泛的可能性。
阻塞性睡眠呼吸暂停是一种呼吸障碍，给国家医疗保健系统带来重大负担并造成经济损失。专家估计，全球有多达 10 亿人患有阻塞性睡眠呼吸暂停，随着人口老龄化和肥胖率的上升，这一数字未来还将继续上升。如果没有适当的治疗，阻塞性睡眠呼吸暂停会增加患心脏病、糖尿病和其他并发症的风险。
为了解决这些问题，东芬兰大学的科学家收集了健康人和疑似阻塞性睡眠呼吸暂停患者的多导睡眠图（睡眠研究）数据。这些数据用于开发准确的机器学习模型，可以自动对睡眠阶段进行分类。此外，研究人员希望确定阻塞性呼吸暂停症状的严重程度如何影响分类准确性。
测试发现，该算法在仅使用一个脑电图（EEG）通道时确定健康人的睡眠阶段的准确度为83.7%，在使用额外的眼电图（EOG）时为83.9%。对于疑似呼吸暂停的受试者，该模型对睡眠阶段进行分类的准确度为 82.9%（仅脑电图）和 83.8%（脑电图加眼电图）。基于一个通道的分类准确度从 84.5% 到 76.5% 不等。该算法获得的结果与经验丰富的医生进行的手动分类的准确性相当。就其本身而言，该模型的优点是结果的系统可重复性、对协议的稳定遵守以及显着更快的工作速度。系统可以在几秒钟内完成分类。