带缺失或噪声模态的多模态睡眠呼吸暂停检测
信号处理
2024-02-29 v1 机器学习
摘要
多模态生理信号记录的多导睡眠图谱（Polysomnography, PSG）是广泛用于睡眠分期和呼吸事件检测等目的的睡眠研究类型。传统机器学习方法假设每个睡眠研究associated with一组固定的观察模态，并且每个样本的所有模态都可用。然而，在真实临床环境中，常见噪声和缺失模态问题。本研究提出了一套综合性的管道，旨在进行睡眠呼吸暂停检测时补偿缺失或噪声模态。与其他现有研究不同，本文提出的模型能够处理任何组合的可用模态。我们的实验表明，在使用各种数据子集和不同噪声水平的情况下，本文提出的模型在睡眠呼吸暂停检测方面优于其他领先方法，即使在高噪声或缺失程度下，性能仍保持在AUROC>0.9的高水平。这在噪声和缺失程度较高（如儿童或临床之外场景）的情境下尤为重要。
引用
@article{arxiv.2402.17788,
title = {Multimodal Sleep Apnea Detection with Missing or Noisy Modalities},
author = {Hamed Fayyaz and Abigail Strang and Niharika S. D'Souza and Rahmatollah Beheshti},
journal= {arXiv preprint arXiv:2402.17788},
year = {2024}
}