用于睡眠事件检测和分期的多任务深度学习
信号处理
2025-05-29 v1 机器学习
摘要
多谷神经睡眠分析是临床准确诊断和治疗睡眠障碍的标准方法。这是一个复杂的过程,涉及对多种睡眠事件模式的手动识别、分类和定位。这很复杂,因为识别不同类型的事件需要关注信号的不同子集,导致反复且耗时的视觉分析过程。本文我们提出一种多任务深度学习方法,在单个 passes中同时检测睡眠事件和构建睡眠分期图。我们以计算机视觉领域的目标检测最新方法为参考,将问题表述为多变量时序序列的分析,具体来说是针对睡眠分析场景中的模式检测。我们研究了该方法在识别不同组件组合(EEG觉醒、呼吸事件(呼吸暂停和低潮)和睡眠阶段)方面的性能,并考虑不同的输入信号摆放配置。此外,我们使用两个独立数据集评估了该方法,评估了涉及本地和外部验证情景的真实泛化效果。基于我们的結果,我们分析和讨论了该方法的能力及其在不同设置和数据集中的广泛适用性。
引用
@article{arxiv.2501.09519,
title = {Multi-task deep-learning for sleep event detection and stage classification},
author = {Adriana Anido-Alonso and Diego Alvarez-Estevez},
journal= {arXiv preprint arXiv:2501.09519},
year = {2025}
}