SlAction：基于红外视频的非侵入式轻量级阻塞性睡眠呼吸暂停检测
计算机视觉与模式识别
2023-09-07 v1 人工智能
摘要
阻塞性睡眠呼吸暂停（OSA）是一种普遍的睡眠障碍，影响全球约十亿人。目前诊断 OSA 的金标准是多导睡眠图（PSG），其需要在医院过夜并连接多个传感器，且可能因首夜效应导致潜在不准确。为此，我们提出 SlAction，一种面向日常睡眠环境、利用红外视频的非侵入式 OSA 检测系统。鉴于睡眠视频中运动极少，本研究探讨一个基本问题：“呼吸事件是否充分反映于睡眠中的人体运动？”通过分析规模最大的 5098 小时睡眠视频数据集，我们建立了 OSA 事件与睡眠中人体运动之间的相关性。我们的方法采用低帧率（2.5 FPS）、大尺寸（60 秒）与步长（30 秒）的滑动窗口分析，以捕捉与 OSA 相关的缓慢且长期的运动。此外，我们利用轻量级深度神经网络面向资源受限设备，确保所有视频流在本地处理且不泄露隐私。评估表明，SlAction 在不同环境中检测 OSA 的平均 F1 分数为 87.6%。在 NVIDIA Jetson Nano 上实现 SlAction 可进行实时推理（一段 60 秒视频片段约 3 秒），凸显了其在 OSA 早期检测与个性化治疗方面的潜力。
引用
@article{arxiv.2309.02713,
title = {SlAction: Non-intrusive, Lightweight Obstructive Sleep Apnea Detection using Infrared Video},
author = {You Rim Choi and Gyeongseon Eo and Wonhyuck Youn and Hyojin Lee and Haemin Jang and Dongyoon Kim and Hyunwoo Shin and Hyung-Sin Kim},
journal= {arXiv preprint arXiv:2309.02713},
year = {2023}
}
备注
Accepted to ICCV CVAMD 2023, poster