ApSense：基于PPG的睡眠呼吸暂停传感中的数据驱动算法
信号处理
2024-10-22 v3
摘要
检测阻塞性睡眠呼吸暂停（OSA）对于诊断和管理睡眠健康至关重要。传统上，这需要在临床环境中进行难以获取的流程。我们提出，利用从指尖光电容积脉搏波（PPG）信号中提取的特征结合现代深度学习（DL）技术，可实现OSA事件的自动检测。利用两个具有大量PPG记录的基准数据集，我们介绍了ApSense，一种专为从PPG特征中识别OSA事件发作而设计的DL模型。ApSense提出了一种定制的神经架构和针对PPG波形的特定领域特征提取。我们将其与最先进（SOTA）算法进行了基准比较，包括RRWaveNet、PPGNetSA、AIOSA、DRIVEN和LeNet-5。在我们的评估中，ApSense在测试数据集上展示了更高的灵敏度、特异性和受试者工作特征曲线下面积（AUROC）。此外，消融研究突出了ApSense的战略性定制，增强了其性能和对不同数据集的适应性。ApSense表现出高可靠性，其出色的结果即使在高度方差的数据集中也得到了证实。通过检测OSA事件，ApSense能够估计预测的呼吸暂停低通气指数（pAHI），可用于在低成本的设置中对个体进行睡眠呼吸暂停的预筛查。ApSense展示了基于PPG的OSA检测的潜力以及未来用于预筛查的临床应用。
引用
@article{arxiv.2306.10863,
title = {ApSense: Data-driven Algorithm in PPG-based Sleep Apnea Sensing},
author = {Tanut Choksatchawathi and Guntitat Sawadwuthikul and Punnawish Thuwajit and Thitikorn Keawlee and Thee Mateepithaktham and Siraphop Saisaard and Thapanun Sudhawiyangkul and Busarakum Chaitusaney and Wanumaidah Saengmolee and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:2306.10863},
year = {2024}
}