Sep, 2023

SlAction：使用红外视频的非侵入式、轻巧的阻塞性睡眠呼吸暂停检测

HTML
PDF
TL;DRSlAction是一个非侵入性的OSA检测系统，使用红外视频在日常睡眠环境中检测睡眠呼吸暂停综合症。通过分析最大的睡眠视频数据集，建立呼吸暂停与睡眠期间的人体动作之间的相关性，并使用轻量级深度神经网络对资源受限设备进行处理，实现平均87.6%的OSA检测准确率。
发现论文，激发创造
  • 使用卷积神经网络基于活动监测的睡眠/清醒模式检测

    该研究利用深度卷积神经网络来识别睡眠/清醒状态，以拓展标准的“睡觉”和“清醒”活动空间，进一步研究睡眠/清醒状态与丛集性头痛发作的关系。

    Feb, 2018

  • 使用卷积神经网络自动诊断阻塞性睡眠呼吸暂停症

    本研究提出了一种基于1D卷积神经网络的分类算法，可用于诊断和治疗类似阻塞性睡眠呼吸暂停(OSA)的睡眠障碍。研究结果表明，该方法具有明显的分类效果，并可自动提取特征，省去了预处理PSG数据的繁琐步骤。

    Jun, 2020

  • SalientSleepNet：睡眠分期的多模态显著波测量网络

    提出了一种基于多模态数据的睡眠分期网络SalientSleepNet，该网络使用了U2-Net体系结构，并且由两个独立的U2-Net流组成，用于从多模态数据中提取显著特征，并使用多尺度提取模块捕获不同睡眠阶段之间的多尺度过渡规则，以及使用多模态注意力模块自适应地捕获有价值的信息用于特定的睡眠分期。与现有深度神经网络模型相比，该模型参数最少，并在两个数据集上展现了优异的表现。

    May, 2021

  • 从 EEG 到红外视频的跨模态蒸馏：看见你的睡眠阶段

    本文提出了使用红外视频来识别睡眠阶段，通过将EEG知识提炼至视觉信息的方法来实现。为了建立一个坚实的跨模态基准，作者还开发了一个新数据集（S3VE），包括105个受试者和154,573个视频剪辑，达1100个小时长。使用基于结构感知对比提炼的新模型（SACD）在S3VE和现有跨模态数据集上均取得最先进的性能。

    Aug, 2022

  • 利用近红外视频摄像头测量的生命体征和活动进行的深度学习睡眠分期

    利用视频数据和深层迁移学习的方法，通过心率、呼吸速率和活动度等参数对睡眠进行分类，其在50名正常志愿者数据集上实现了73.4%的准确率和Cohen's kappa系数0.61，成为基于视频的睡眠分级的最新研究水平。

    Jun, 2023

  • STREAMLINE：一个面向生物医学的自动机器学习流水线，应用于检验基于摄影特征对OSA预测在国际睡眠中心的实用性

    使用 STREAMLINE 方法，这项研究探索了基于摄影的表型特征在预测阻塞性睡眠呼吸暂停（OSA）中的应用价值，结果发现摄影特征在预测中重度/严重 OSA 方面提供了额外的价值，但没有超越传统人口统计学、并发症和症状特征在预测 OSA 中的效果。

    Dec, 2023

  • SleepVST: 使用预训练转换器从近红外视频信号进行睡眠分期

    通过相机采集的生理监测进展，我们可以非接触性地测量呼吸和心脏脉搏，而这些指标可以反映出睡眠阶段的信息。因此，我们提出了SleepVST，一种基于Transformer模型的睡眠分期分类方法，通过预训练和应用于视频数据，SleepVST在睡眠分期中取得了领先的表现。

    Apr, 2024

  • 非接触式多导睡眠图：无线电波告诉我们有关睡眠的信息

    通过分析无需贴身传感器的人体反射射频波，开发了先进的机器学习算法来监测睡眠和夜间呼吸，验证结果表明该模型捕捉了睡眠的不同阶段、检测到了睡眠窒息，并可以测量患者的睡眠呼吸暂停指数，同时发现了睡眠阶段与多种疾病的相关关系。

    May, 2024

  • 验证一种新的、微创的、软件智能手机设备用于预测睡眠呼吸暂停和其严重程度的横断性研究

    通过使用智能手机传感器，本研究旨在评估使用Apneal应用程序检测患者AHI的性能，并通过一个基于深度学习模型的自动化方法准确评分。手动评分相对于PSG评分表明智能手机信号的手动评分是可行且准确的，而基于深度学习模型的自动评分方法提供了有希望的结果。需要进行更大的多中心验证研究以确认这些结果。

    Jun, 2024

  • 深度学习驱动的智能服装用于多功能睡眠行为监测

    本研究解决了在家中利用简单可穿戴设备识别复杂睡眠模式的挑战，特别是与不同睡眠相关疾病有关的模式。采用打印在智能服装领口区域的超敏应变传感器阵列，结合深度学习算法，该系统能以98.6%的准确率实时识别六种睡眠状态。此外，其可解释性和广泛的适用性使其成为下一代连续睡眠监测的有前景工具。

    Aug, 2024