論文の概要: A Recall-First CNN for Sleep Apnea Screening from Snoring Audio

• arxiv url: http://arxiv.org/abs/2510.00052v1
• Date: Sun, 28 Sep 2025 05:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.142076
• Title: A Recall-First CNN for Sleep Apnea Screening from Snoring Audio
• Title（参考訳）: 睡眠時無呼吸スクリーニングのためのリコールファーストCNN
• Authors: Anushka Mallick, Afiya Noorain, Ashwin Menon, Ashita Solanki, Keertan Balaji,
• Abstract要約: 睡眠時無呼吸症(Sleep apnea)は、重篤な睡眠関連呼吸障害であり、治療を受けていないと健康に影響を及ぼす。 ポリソムノグラフィーは高価で時間を要するため、大規模な集団のスクリーニングには実用的ではない。 そこで本研究では,呼吸記録を用いて無呼吸の兆候を見つけることで,よりアクセスしやすい選択肢を探索した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sleep apnea is a serious sleep-related breathing disorder that is common and can impact health if left untreated. Currently the traditional method for screening and diagnosis is overnight polysomnography. Polysomnography is expensive and takes a lot of time, and is not practical for screening large groups of people. In this paper, we explored a more accessible option, using respiratory audio recordings to spot signs of apnea.We utilized 18 audio files.The approach involved converting breathing sounds into spectrograms, balancing the dataset by oversampling apnea segments, and applying class weights to reduce bias toward the majority class. The model reached a recall of 90.55 for apnea detection. Intentionally, prioritizing catching apnea events over general accuracy. Despite low precision,the high recall suggests potential as a low-cost screening tool that could be used at home or in basic clinical setups, potentially helping identify at-risk individuals much earlier.
• Abstract（参考訳）: 睡眠時無呼吸症(Sleep apnea)は、重篤な睡眠関連呼吸障害であり、治療を受けていないと健康に影響を及ぼす。 現在、スクリーニングと診断の伝統的な方法は、一晩のポリソムノグラフィーである。 ポリソムノグラフィーは高価で時間を要するため、大規模な集団のスクリーニングには実用的ではない。 そこで本研究では,呼吸音をスペクトログラムに変換し,アパネセグメントをオーバーサンプリングすることでデータセットのバランスを保ち,集団の重みを重み付けすることで,多数派に対する偏見を低減させる手法について検討した。 このモデルは無呼吸検出のために90.55のリコールに達した。 注意して、一般的な精度で無呼吸イベントを優先する。 精度は低いものの、高いリコールは、家庭や基本的な臨床施設で使用できる安価なスクリーニングツールとしての可能性を示しており、リスクの高い個人を特定するのにずっと早く役立つ可能性があることを示唆している。

関連論文リスト

• Estimating Respiratory Effort from Nocturnal Breathing Sounds for Obstructive Sleep Apnoea Screening [9.383325982897874]
  閉塞性睡眠時無呼吸症(OSA)は、健康に重大な影響を及ぼす疾患である。 本研究は夜間オーディオから直接呼吸活動を評価するための最初の研究である。 そこで本研究では,OSA検出のための音響的特徴と推定工数埋め込みを統合した潜在空間融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-18T13:31:19Z)
• Exploring the Efficacy of Convolutional Neural Networks in Sleep Apnea Detection from Single Channel EEG [0.0]
  本稿では,単一チャネル脳波データに基づいて学習した畳み込みニューラルネットワーク(CNN)を用いた睡眠時無呼吸症候群の検出手法を提案する。 提案されたCNNの精度は85.1%、マシューズ相関係数(MCC)は0.22で、家庭ベースのアプリケーションにとって大きな可能性を示した。
  論文  参考訳（メタデータ） (2025-08-16T04:58:00Z)
• Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the Human Connectome Development Cohort [55.41644538483948]
  本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。 その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
  論文  参考訳（メタデータ） (2023-07-03T18:06:36Z)
• 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)
• Automated Respiratory Event Detection Using Deep Neural Networks [3.489191364043618]
  閉塞性無呼吸, 中枢性無呼吸, 低呼吸, 呼吸障害関連興奮症を検知するために, 単一の呼吸運動ベルトに基づいてニューラルネットワークを訓練する。 呼吸イベントを完全自動検出し, 臨床応用に十分な精度で無呼吸ハイポネア指数を評価できる。
  論文  参考訳（メタデータ） (2021-01-12T17:43:17Z)
• A Clinical Evaluation of a Low-Cost Strain Gauge Respiration Belt and Machine Learning to Detect Sleep Apnea [0.7101004731620997]
  睡眠時無呼吸は重篤かつ診断下にある睡眠関連呼吸障害である。 医師がポリソムノグラフィーを処方するかどうかを決定することは困難です。 完全な夜のデータは、スマートフォンで約1秒で分析できます。
  論文  参考訳（メタデータ） (2021-01-07T15:38:28Z)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• Identification of deep breath while moving forward based on multiple body regions and graph signal analysis [45.62293065676075]
  本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-20T08:26:50Z)
• Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
  本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。 このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
  論文  参考訳（メタデータ） (2020-08-06T23:11:57Z)
• 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)
• Abnormal respiratory patterns classifier may contribute to large-scale screening of people infected with COVID-19 in an accurate and unobtrusive manner [38.59200764343499]
  感染予防, 予防管理期間中は, HIV感染者の予後, 診断, スクリーニングに有用である。 我々の研究は様々な呼吸パターンを識別するために利用することができ、装置を予備的に実用化することができる。
  論文  参考訳（メタデータ） (2020-02-12T09:42:57Z)

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。