导读 休斯顿大学电气与计算机工程副教授 Bhavin R. Sheth 和其校友 Adam Jones 提出了一种突破性的睡眠阶段分类方法，可以取代目前睡眠测...
休斯顿大学电气与计算机工程副教授 Bhavin R. Sheth 和其校友 Adam Jones 提出了一种突破性的睡眠阶段分类方法，可以取代目前睡眠测试的黄金标准——繁琐的多导睡眠图检查，后者需要使用大量电线并在诊所进行。
他们的新程序使用基于单导联心电图的深度学习神经网络，用户可以在家中进行。
如果你曾经有过睡眠问题，并最终被送进睡眠实验室，你就会知道多导睡眠图测试一点也不轻松。由于身体的每个部位都挂着大量的导线(传感器和电线)，你被要求进入睡眠状态，如果没有这些累赘，你很难进入睡眠状态，有了这些累赘，你几乎不可能进入睡眠状态。
但是，如果将这些电极(从头皮连接到心脏)的数量减少到两个会怎样?
Sheth 在《计算机生物学和医学》杂志上报告说：“我们成功地证明，我们的方法与黄金标准多导睡眠图达到了专家级的一致性，而无需昂贵而笨重的设备，也不需要临床医生来评分测试。”
“这一进步挑战了传统上依赖脑电图(EEG)进行可靠睡眠分期的方法，为更容易获得、更具成本效益的睡眠研究铺平了道路。”
更重要的是，通过实现临床环境之外的高质量睡眠分析，Adam 和 Bhavin 的研究有可能显著扩大睡眠医学的覆盖范围。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！