突破性的睡眠研究方法拓展了睡眠医学的潜力

休斯顿大学电气与计算机工程副教授 Bhavin R. Sheth 和前学生 Adam Jones 介绍了一种开创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，后者使用大量导线并在诊所进行。他们的新程序可由用户在家中执行，使用基于单导联心电图的深度学习神经网络。

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：“我们成功地证明了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和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) 进行可靠的睡眠分期的做法，并为更方便、更经济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。

可靠的睡眠阶段分类对于睡眠医学和神经科学研究至关重要，因为它可以提供有价值的见解、诊断和对大脑状态的理解。尽管 Apple Watch、Fitbit 和 Oura Ring 等商用设备可以跟踪睡眠，但它们的性能远低于多导睡眠图。

基于心电图的模型是根据 5-90 岁受试者的 4000 条记录进行训练的。他们表明，该模型非常稳健，其表现与临床医生评分多导睡眠图一样好。

“我们的方法明显优于当前不使用 EEG 的研究和商业设备，并且仅使用单个心电图数据就达到了黄金标准的一致性水平，”同时也是休斯顿大学神经工程和认知系统中心成员的 Sheth 说。

“它使更广泛的社区能够获得更便宜、更高质量的研究，从而改善睡眠研究并提供更加个性化、更容易获得的睡眠相关医疗干预措施。”

标签：

版权声明：本文由用户上传，如有侵权请联系删除！