AI 与人类在睡眠呼吸暂停诊断中的对比
信号处理
2019-06-25 v1 机器学习
机器学习
摘要
多导睡眠图（PSG）是诊断阻塞性睡眠呼吸暂停（OSA）的金标准。它可在整夜期间监测呼吸事件。这些事件的检测通常由受过训练的睡眠专家完成。然而，该任务繁琐、极为耗时，且存在显著的评分者间差异。在本研究中，我们将最先进的用于睡眠事件检测的深度学习模型 DOSED 改造用于 PSG 中睡眠呼吸事件的检测以诊断 OSA。我们使用了一个包含 52 段 PSG 记录的数据集，其呼吸暂停-低通气事件由 5 名受过训练的睡眠专家评分。我们评估了自动方法的性能，并将其与评分者间性能在 OSA 严重程度诊断以及微观尺度上单个呼吸事件检测方面进行了比较。我们观察到，人类睡眠专家在睡眠呼吸暂停严重程度诊断上的平均准确率为 75%，而自动方法达到了 81%。在单个事件检测上，专家的平均 F1 分数为 0.55，自动方法为 0.57。这些结果表明，自动方法在 OSA 诊断上可达到睡眠专家的水平。
引用
@article{arxiv.1906.09936,
title = {AI vs Humans for the diagnosis of sleep apnea},
author = {Valentin Thorey and Albert Bou Hernandez and Pierrick J. Arnal and Emmanuel H. During},
journal= {arXiv preprint arXiv:1906.09936},
year = {2019}
}
备注
copyright 2019 IEEE. Accepted for publication in 41st International Engineering in Medicine and Biology Conference (EMBC), July 23-27, 2019