基于生物信号处理与深度学习的睡眠相关障碍患者群体识别
机器学习
2021-11-12 v1 人工智能
新兴技术
摘要
准确诊断睡眠障碍对于临床评估与治疗至关重要。多导睡眠图（PSG）长期以来被用于检测各种睡眠障碍。在本研究中，心电图（ECG）与肌电图（EMG）被用于识别与呼吸和运动相关的睡眠障碍。生物信号处理通过提取利用熵与统计矩的 EMG 特征，以及开发使用同步压缩小波变换（SSWT）的迭代脉搏峰值检测算法以从 ECG 可靠提取心率与呼吸相关特征来完成。设计了一个深度学习框架以融合 EMG 与 ECG 特征。该框架被用于分类四组：健康受试者、阻塞性睡眠呼吸暂停（OSA）患者、不宁腿综合征（RLS）患者以及同时患 OSA 和 RLS 的患者。所提出的深度学习框架在我们设定的四分类问题上跨受试者取得了 72% 的平均准确率和 0.57 的加权 F1 分数。
引用
@article{arxiv.2111.05917,
title = {Recognition of Patient Groups with Sleep Related Disorders using Bio-signal Processing and Deep Learning},
author = {Delaram Jarchi and Javier Andreu-Perez and Mehrin Kiani and Oldrich Vysata and Jiri Kuchynka and Ales Prochazka and Saeid Sane},
journal= {arXiv preprint arXiv:2111.05917},
year = {2021}
}
备注
Paper is offered by the publisher as Open Acess: https://www.mdpi.com/1424-8220/20/9/2594