从脑电图信号检测睡眠血氧饱和度下降
信号处理
2025-02-03 v1 机器学习
摘要
在这项工作中，我们利用机器学习技术仅从脑电图（EEG）信号中识别睡眠呼吸暂停儿童患者血氧饱和度下降的潜在生物标志物。开发一种机器学习技术，能够成功识别睡眠呼吸暂停患者的EEG信号，以及识别来自经历血氧饱和度下降但本身并非发生在血氧饱和度下降事件期间的受试者的潜在EEG信号，将为开发基于大脑的睡眠呼吸暂停生物标志物迈出坚实的一步，以帮助更轻松地诊断这种疾病。我们利用大量数据，并表明机器学习使我们能够将EEG信号分类为发生在血氧饱和度下降期间或未发生在血氧饱和度下降期间，平均平衡准确率为66.8%。此外，我们研究了机器学习模型从未发生在血氧饱和度下降期间的EEG数据中识别经历血氧饱和度下降的受试者的能力。我们得出结论，EEG数据中存在血氧饱和度下降的潜在生物标志物。
引用
@article{arxiv.2405.09566,
title = {Detection of Sleep Oxygen Desaturations from Electroencephalogram Signals},
author = {Shashank Manjunath and Aarti Sathyanarayana},
journal= {arXiv preprint arXiv:2405.09566},
year = {2025}
}
备注
4 Pages