SomnNET：一种基于 SpO2 的智能手表睡眠呼吸暂停检测深度学习网络
机器学习
2021-12-22 v1
摘要
呼吸的异常暂停或频率降低被称为睡眠呼吸暂停低通气综合征，会影响个人的睡眠质量。本文讨论了一种从可穿戴设备获取的外周血氧饱和度（SpO2）信号中检测睡眠呼吸暂停事件（呼吸暂停）的新方法。本文详细描述了一种逐秒高分辨率的呼吸暂停检测算法，为此开发了一种一维卷积神经网络，我们称之为 SomnNET。该网络的准确率达到 97.08%，优于几种低分辨率的 SOTA 呼吸暂停检测方法。本文探讨了通过模型剪枝和二值化来降低计算复杂度的可行性。稀疏度为 80% 的剪枝网络准确率为 89.75%，二值化网络准确率为 68.22。将所提出网络的性能与几种 SOTA 算法进行了比较。
引用
@article{arxiv.2108.11468,
title = {SomnNET: An SpO2 Based Deep Learning Network for Sleep Apnea Detection in Smartwatches},
author = {Arlene John and Koushik Kumar Nundy and Barry Cardiff and Deepu John},
journal= {arXiv preprint arXiv:2108.11468},
year = {2021}
}
备注
Accepted for discussion at the IEEE Engineering in Medicine and Biology Conference (EMBC) 2021