Dreem 开放数据集：用于比较人类与自动化睡眠分期的多评分睡眠数据集
定量方法
2020-04-28 v4 机器学习
信号处理
机器学习
摘要
睡眠分期构成睡眠障碍诊断的重要元素。它依赖于受过训练的睡眠技术专家对多导睡眠图记录的目视检查。已设计自动化方法来缓解这一资源密集型任务。然而，此类方法通常与单一人工评分者标注进行比较，尽管评分者间一致率仅约 85%。本研究引入两个公开可用数据集：包含 25 名健康志愿者的 DOD-H 与包含 55 名阻塞性睡眠呼吸暂停（OSA）患者的 DOD-O。两个数据集均由来自不同睡眠中心的 5 名睡眠技术专家评分。我们开发了一个框架，将自动化方法与多名人工评分者的共识进行比较。利用该框架，我们对文献主要方法进行了基准测试与比较。我们还开发并基准测试了一种受当前最优水平启发的新深度学习方法 SimpleSleepNet。我们证明许多方法在两个数据集上均可达到人类水平表现。SimpleSleepNet 在 DOD-H 上取得 F1 为 89.9%，而人工评分者平均 86.8%；在 DOD-O 上 F1 为 88.3%，而人工评分者平均 84.8%。我们的研究强调，使用最先进的自动化睡眠分期在健康志愿者与 OSA 患者上均优于人工评分者表现。可考虑在临床环境中使用自动化方法。
引用
@article{arxiv.1911.03221,
title = {Dreem Open Datasets: Multi-Scored Sleep Datasets to compare Human and Automated sleep staging},
author = {Antoine Guillot and Fabien Sauvet and Emmanuel H During and Valentin Thorey},
journal= {arXiv preprint arXiv:1911.03221},
year = {2020}
}
备注
10 pages, journal submitted