論文の概要: From Sleep Staging to Spindle Detection: Evaluating End-to-End Automated Sleep Analysis
- arxiv url: http://arxiv.org/abs/2505.05371v1
- Date: Thu, 08 May 2025 16:07:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 21:43:49.948427
- Title: From Sleep Staging to Spindle Detection: Evaluating End-to-End Automated Sleep Analysis
- Title（参考訳）: 睡眠状態からスピンドル検出へ:エンド・ツー・エンド自動睡眠分析の評価
- Authors: Niklas Grieger, Siamak Mehrkanoon, Philipp Ritter, Stephan Bialonski,
- Abstract要約: 完全自動解析が双極性障害の専門的研究から得られた知見を再現できるかどうかを評価する。
その結果、完全に自動化されたアプローチは、大規模な睡眠研究を促進する可能性があることが示された。
- 参考スコア（独自算出の注目度）: 1.3374504717801061
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automation of sleep analysis, including both macrostructural (sleep stages) and microstructural (e.g., sleep spindles) elements, promises to enable large-scale sleep studies and to reduce variance due to inter-rater incongruencies. While individual steps, such as sleep staging and spindle detection, have been studied separately, the feasibility of automating multi-step sleep analysis remains unclear. Here, we evaluate whether a fully automated analysis using state-of-the-art machine learning models for sleep staging (RobustSleepNet) and subsequent spindle detection (SUMOv2) can replicate findings from an expert-based study of bipolar disorder. The automated analysis qualitatively reproduced key findings from the expert-based study, including significant differences in fast spindle densities between bipolar patients and healthy controls, accomplishing in minutes what previously took months to complete manually. While the results of the automated analysis differed quantitatively from the expert-based study, possibly due to biases between expert raters or between raters and the models, the models individually performed at or above inter-rater agreement for both sleep staging and spindle detection. Our results demonstrate that fully automated approaches have the potential to facilitate large-scale sleep research. We are providing public access to the tools used in our automated analysis by sharing our code and introducing SomnoBot, a privacy-preserving sleep analysis platform.
- Abstract（参考訳）: マクロ構造(睡眠段階)とミクロ構造(睡眠スピンドルなど)の両方を含む睡眠分析の自動化は、大規模な睡眠研究を可能にし、レーザー間不整合によるばらつきを減らすことを約束する。
睡眠ステージングやスピンドル検出などの個別のステップは別々に研究されているが、多段階睡眠分析の自動化の可能性はいまだ不明である。
本稿では、睡眠ステージング(RobustSleepNet)とその後のスピンドル検出(SUMOv2)のための最先端機械学習モデルを用いた完全自動解析が、双極性障害の専門家による研究の成果を再現できるかどうかを評価する。
この自動分析は、双極性患者と健康的なコントロールの間の高速スピンドル密度の顕著な違いを含む、専門家による研究の要点を定性的に再現した。
自動分析の結果は、専門家による研究と大きく異なっていたが、おそらくは専門家のレーダとモデルの間の偏りや、専門家のレーダとモデルの間の偏りにより、各モデルが睡眠ステージングとスピンドル検出の両方のために、レータ間またはそれ以上の合意で個別に実行された。
以上の結果から,完全自動化アプローチは大規模睡眠研究を促進する可能性が示唆された。
コードを共有し、プライバシー保護のための睡眠分析プラットフォームであるSomnoBotを導入することで、自動分析で使用されるツールを公開しています。
関連論文リスト
- aSAGA: Automatic Sleep Analysis with Gray Areas [2.47298967960367]
最新の自動睡眠ステージング手法は、手動睡眠ステージングと同等の信頼性と優れた時間効率をすでに示している。
本稿では,睡眠分析のためのヒューマン・イン・ザ・ループの概念を提案し,臨床ポリソノグラフィー記録と在宅睡眠研究の両方で効果的に機能する自動睡眠ステージングモデル(aSAGA)を提案する。
論文 参考訳（メタデータ） (2023-10-03T13:17:38Z) - CoRe-Sleep: A Multimodal Fusion Framework for Time Series Robust to
Imperfect Modalities [10.347153539399836]
CoRe-SleepはCoordinated Representation Multimodal fusion Networkである。
このような堅牢性を達成するための鍵として,マルチモーダル情報の適切な処理が重要であることを示す。
本研究の目的は,自動解析ツールと臨床応用とのギャップを埋めることである。
論文 参考訳（メタデータ） (2023-03-27T18:28:58Z) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳（メタデータ） (2023-01-17T15:18:45Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳（メタデータ） (2022-11-08T17:29:40Z) - SleePyCo: Automatic Sleep Scoring with Feature Pyramid and Contrastive
Learning [0.0]
本研究では,1)特徴ピラミッドを組み込んだ深層学習フレームワークSleePyCoと,2)自動睡眠スコアリングのための教師付きコントラスト学習を提案する。
特徴ピラミッドでは,異なる時間・周波数スケールで複数の特徴系列を検討するために,SleePyCo-backboneと呼ばれるバックボーンネットワークを提案する。
教師付きコントラスト学習により、クラス内特徴間の距離を最小化し、クラス間特徴間の距離を最大化することにより、クラス識別特徴を抽出することができる。
論文 参考訳（メタデータ） (2022-09-20T04:10:49Z) - 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) - MSED: a multi-modal sleep event detection model for clinical sleep
analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。
モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文 参考訳（メタデータ） (2021-01-07T13:08:44Z) - RobustSleepNet: Transfer learning for automated sleep staging at scale [0.0]
睡眠障害の診断は、PSG(polysomnography)レコードの分析に依存する。
実際には、睡眠ステージ分類は、ポリソムノグラフィー信号の30秒エポックの視覚検査に依存します。
我々は、任意のPSGモンタージュを扱える自動睡眠ステージ分類のためのディープラーニングモデルであるRobustSleepNetを紹介する。
論文 参考訳（メタデータ） (2021-01-07T09:39:08Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Automatic detection of microsleep episodes with deep learning [55.41644538483948]
15秒未満の睡眠の短い断片は、マイクロスリープエピソード(MSEs)として定義される
覚醒検査(MWT)の維持は、警戒を評価するために臨床現場でしばしば用いられる。
MSEは、MSEを定義する確立された評価基準が欠如しているため、ほとんど考慮されていない。
入力として生の脳波とEOGデータに基づいて機械学習を用いてMSEを自動的に検出することを目的とした。
論文 参考訳（メタデータ） (2020-09-07T11:38:40Z)
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。