論文の概要: AIOSA: An approach to the automatic identification of obstructive sleep apnea events based on deep learning

• arxiv url: http://arxiv.org/abs/2302.05179v1
• Date: Fri, 10 Feb 2023 11:21:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-13 16:04:20.613072
• Title: AIOSA: An approach to the automatic identification of obstructive sleep apnea events based on deep learning
• Title（参考訳）: AIOSA:ディープラーニングに基づく閉塞型睡眠時無呼吸症候群の自動同定へのアプローチ
• Authors: Andrea Bernardini, Andrea Brunello, Gian Luigi Gigli, Angelo Montanari, Nicola Saccomanno
• Abstract要約: OSASは、死亡率の上昇、神経障害の悪化、リハビリテーション後の機能低下、高血圧の発症率の上昇と関連している。 OSAS診断のための金標準検査はPSG (Polysomnography) である。 生波形データの時間分解能を低減できる畳み込み型ディープラーニングアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 1.5381930379183162
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Obstructive Sleep Apnea Syndrome (OSAS) is the most common sleep-related breathing disorder. It is caused by an increased upper airway resistance during sleep, which determines episodes of partial or complete interruption of airflow. The detection and treatment of OSAS is particularly important in stroke patients, because the presence of severe OSAS is associated with higher mortality, worse neurological deficits, worse functional outcome after rehabilitation, and a higher likelihood of uncontrolled hypertension. The gold standard test for diagnosing OSAS is polysomnography (PSG). Unfortunately, performing a PSG in an electrically hostile environment, like a stroke unit, on neurologically impaired patients is a difficult task; also, the number of strokes per day outnumbers the availability of polysomnographs and dedicated healthcare professionals. Thus, a simple and automated recognition system to identify OSAS among acute stroke patients, relying on routinely recorded vital signs, is desirable. The majority of the work done so far focuses on data recorded in ideal conditions and highly selected patients, and thus it is hardly exploitable in real-life settings, where it would be of actual use. In this paper, we propose a convolutional deep learning architecture able to reduce the temporal resolution of raw waveform data, like physiological signals, extracting key features that can be used for further processing. We exploit models based on such an architecture to detect OSAS events in stroke unit recordings obtained from the monitoring of unselected patients. Unlike existing approaches, annotations are performed at one-second granularity, allowing physicians to better interpret the model outcome. Results are considered to be satisfactory by the domain experts. Moreover, based on a widely-used benchmark, we show that the proposed approach outperforms current state-of-the-art solutions.
• Abstract（参考訳）: 閉塞型睡眠時無呼吸症候群(OSAS)は最も一般的な睡眠関連呼吸障害である。 睡眠中の上気道抵抗の増加によって引き起こされ、気流の部分的または完全な中断のエピソードを決定する。 OSASの検出と治療は脳卒中患者において特に重要であり、重度OSASの存在は、死亡率の上昇、神経障害の悪化、リハビリテーション後の機能低下、高血圧の発症率の上昇と関連している。 OSASを診断するためのゴールドスタンダードテストは、PSG(Polysomnography)である。 残念なことに、神経障害のある患者に対する脳卒中単位のような電気的に敵対的な環境でPSGを実行することは難しい作業であり、また1日当たりの脳卒中数はポリソムノグラフや専門の医療専門家の数を上回っている。 したがって, 急性期脳卒中患者のOSASを, 日常的に記録されるバイタルサインに依存する簡易かつ自動認識システムが望ましい。 これまで行われた研究の大部分は、理想的な状況と高度に選択された患者で記録されたデータに焦点を当てているため、実際の使用となるような実生活環境ではほとんど利用できない。 本稿では,物理信号などの生波形データの時間分解能を低減し,さらなる処理に使用できる重要な特徴を抽出できる畳み込み型深層学習アーキテクチャを提案する。 このようなアーキテクチャに基づくモデルを用いて,脳卒中単位記録におけるオサ事象を非選択患者の監視から検出する。 既存のアプローチとは異なり、アノテーションは1秒の粒度で実行され、医師はモデルの結果をよりよく解釈できる。 結果はドメインの専門家によって満足できると考えられている。 さらに,広く利用されているベンチマークから,提案手法が現在の最先端ソリューションより優れていることを示す。

関連論文リスト

• Cross-organ Deployment of EOS Detection AI without Retraining: Feasibility and Limitation [6.200516824977507]
  慢性鼻副鼻腔炎(CRS)は副鼻腔の炎症が持続していることが特徴である。 粘膜免疫応答において重要な要素であるEosは、CRSの重症度と関係している。 好酸球性CRSの診断は、典型的にはHPF当たり10-20 eosの閾値を用いる。
  論文  参考訳（メタデータ） (2024-11-24T18:01:13Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Early prediction of respiratory failure in the intensive care unit [1.8312530927511608]
  呼吸器系不全の早期予測は、呼吸器系不全のリスクを患者に警告する可能性がある。 本研究では,中等度/重度呼吸不全を事前に8時間まで予測する早期警報システムを提案する。
  論文  参考訳（メタデータ） (2021-05-12T15:20:09Z)
• Identity and Posture Recognition in Smart Beds with Deep Multitask Learning [8.422257363944295]
  被験者とその睡眠姿勢を正確に検出できる堅牢な深層学習モデルを提案する。 喪失機能の組み合わせは、被験者と睡眠姿勢を同時に区別するために使用される。 提案するアルゴリズムは、最終的に臨床およびスマートホーム環境で使用できる。
  論文  参考訳（メタデータ） (2021-04-05T21:21:54Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Sleep Stage Scoring Using Joint Frequency-Temporal and Unsupervised Features [5.104181562775778]
  多くの自動睡眠ステージ認識法が提案されている。 これらの手法のほとんどは、バイタル信号から抽出された時間周波数の特徴を用いる。 近年,教師なし特徴抽出にディープニューラルネットワークを用いるASSR法が提案されている。 本稿では,この2つのアイデアを組み合わせて,時間周波数と教師なしの特徴を同時に利用することを提案する。
  論文  参考訳（メタデータ） (2020-04-10T02:00:29Z)
• Automatic scoring of apnea and hypopnea events using blood oxygen saturation signals [0.0]
  DAS-KSVDを用いて、睡眠健康研究データベースから得られた信号から無呼吸および低呼吸の事象を検出し分類した。 中等度から重度のOSAHスクリーニングでは、それぞれ0.957の曲線と87.56%と88.32%の診断感度と特異性を示す特性曲線解析を行う。
  論文  参考訳（メタデータ） (2020-03-22T15:17:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。