polysomnography | BriefGPT - AI 论文速递

关键词polysomnography

搜索结果 - 11

MSSC-BiMamba：多模态睡眠分期分类与睡眠障碍早期诊断
通过深度学习技术生成的自动化睡眠分期和睡眠障碍分类模型结合了有效通道关注机制以及双向状态空间模型，显著提高了诊断准确性和效率。
PDFa month ago
SleepFM: 跨脑活动、心电图和呼吸信号的多模态睡眠表征学习
该研究使用多模态多达 14,000 个参与者的超过 100,000 个小时的睡眠记录数据集，开发了 SleepFM 模型，通过对比学习在睡眠阶段分类和睡眠障碍呼吸检测方面的任务表现获得比标准对比学习的表征更好的结果。
PDFa month ago
关于人工智能在睡眠阶段分类和睡眠障碍检测中的系统回顾和荟萃分析
通过对最近的文献进行综合性、系统性的回顾和荟萃分析，本研究旨在分析使用人工智能进行的睡眠研究中不同方法和其结果，包括睡眠阶段分类和睡眠障碍检测。
PDF2 months ago
CVPRSleepVST: 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
PDF3 months ago
多模式睡眠呼吸暂停检测
在本研究中，我们提出了一个综合的流程，用于在进行睡眠呼吸暂停检测时弥补缺失或嘈杂的模态。与其他现有研究不同，我们的模型可以使用任意组合的可用模态，并在各种可用数据子集和不同的噪声水平下优于其他先进方法，即使在高水平的噪声或缺失情况下，其性能
PDF4 months ago
标准多导睡眠图像数据与耳内脑电信号的比较分析：初步研究
睡眠监测中，聚睡眠图是一种常用的评估睡眠障碍的基准，然而它不舒适、不方便家庭使用且在睡眠质量评估中引入了偏差，因此有必要探索一种非侵入性、经济实惠且便携的替代方案。本研究旨在建立一种评估耳内脑电信号与标准聚睡眠图相似性的方法，结果表明耳内脑
PDF6 months ago
利用脑电信号屏蔽自编码器从多导睡眠监测中重建多信号
基于单通道脑电图的遮蔽自编码器，我们的研究旨在通过发展一个只需单个脑电图测量的系统来进行多信号多导睡眠图（PSG）的重构，结果显示本模型成功地重构了多信号数据，为开发更易于获取且长期监测的睡眠系统提供了潜在可能性。
PDF8 months ago
XSleepNet: 自动睡眠分期的多视角序列模型
本文提出了一个名为 XSleepNet 的序列到序列的睡眠分期模型，可以从不同的视角（例如，原始信号和时频图像）学习联合表示，在不同视角之间平衡表示功率，从而改善了睡眠分期方法的结果。
PDF4 years ago
MM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。
PDF4 years ago
SeqSleepNet: 序列到序列自动睡眠分期的端到端分层循环神经网络
本研究提出一种基于 SeqSleepNet 的层次循环神经网络，将睡眠分期任务视为序列到序列分类问题，并在公开数据上实现了最高 87.1% 的分类精度。
PDF6 years ago
SLEEPNET：基于深度学习的自动睡眠分期系统
提出了一种基于深度递归神经网络的睡眠分期自动化诊断工具 SLEEPNET，其在超过 10000 名患者的数据集上进行了训练，并在独立测验中展现出高于 85％的准确性与 79％左右的算法 - 专家间一致性，可实现专业水平的睡眠诊断。
PDF7 years ago