基于表型且自学习的四级监护系统个体间睡眠呼吸暂停筛查
应用统计
2018-02-28 v1
摘要
目的：我们提出一种基于表型、可自学习且准确的用于筛查目的的人工智能系统，并在四级（Level IV）监护系统上对其进行测试。方法：基于生理学知识，我们假设表型信息将使我们能够从标注良好的数据库中找到具有相似睡眠呼吸暂停模式的受试者。因此，对于新到来的受试者，我们可以建立一个来自现有数据库、且自适应于该受试者的预测模型。我们在一个包含 62 名受试者的数据库上测试所提算法，该数据库的信号由测量胸腹运动和 SpO2 的四级可穿戴设备记录。结果：采用留一交叉验证，所提算法对呼吸暂停低通气指数大于或等于 15 的受试者筛查准确率为 93.6%，阳性似然比为 6.8，阴性似然比为 0.03。结论：结果证实了该假设，并表明所提算法在筛查睡眠呼吸暂停综合征（SAS）患者方面具有巨大潜力。
引用
@article{arxiv.1802.09706,
title = {Phenotype-based and Self-learning Inter-individual Sleep Apnea Screening with a Level IV Monitoring System},
author = {Hau-Tieng Wu and Jhao-Cheng Wu and Po-Chiun Huang and Ting-Yu Lin and Tsai-Yu Wang and Yuan-Hao Huang and Yu-Lun Lo},
journal= {arXiv preprint arXiv:1802.09706},
year = {2018}
}