論文の概要: ECG-SDI: Single-lead Electrocardiogram Enables Continuous Sleep Depth Index Profiling and Scalable Digital Biomarkers for Sleep Health
- arxiv url: http://arxiv.org/abs/2610.23727v1
- Date: Fri, 16 Oct 2026 16:43:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:08.025213
- Title: ECG-SDI: Single-lead Electrocardiogram Enables Continuous Sleep Depth Index Profiling and Scalable Digital Biomarkers for Sleep Health
- Title（参考訳）: ECG-SDI: シングルリード心電図による連続睡眠深度指数のプロファイリングと拡張性デジタルバイオマーカーによる睡眠状態の評価
- Abstract要約: 従来の睡眠ステージングは、ステージ内の深さ変化を曖昧にする粗い粒度の表現を提供する。
連続睡眠深度プロファイリングのための単誘導心電図フレームワークECG-を開発した。
バイオマーカーをベースとした表現型は、より劣悪な主観的睡眠品質に関連する乱れたサブタイプを同定した。
- 参考スコア（独自算出の注目度）: 23.622260733880463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional sleep staging provides a coarse-grained representation that obscures within-stage depth variation. We developed ECG-SDI, a single-lead electrocardiography (ECG) framework for continuous sleep-depth profiling and digital biomarker extraction. Using 12,392 overnight polysomnographic recordings, we trained and validated a two-stage deep learning model supervised by conventional sleep-stage labels. Correlations with ordered stages excluding rapid eye movement (REM) sleep were 0.828 in the pooled internal test set and 0.848 in the external Cleveland Family Study; corresponding REM classification AUROCs were 0.954 and 0.977. Overnight trajectories captured within-stage variation. Biomarker-based phenotyping identified a disturbed subtype associated with poorer subjective sleep quality and higher all-cause mortality in the Sleep Heart Health Study (adjusted hazard ratio, 1.20; 95% CI, 1.05-1.38). Among 507 participants with paired recordings before and after continuous positive airway pressure (CPAP), normalized sleep-depth area increased by 6.1% and shallow-sleep burden below 0.3 decreased by 16.0%. Exploratory analyses linked reductions in approximate entropy and depth variability to reduced oxygen desaturation and increased sleep efficiency, respectively (Spearman rho = 0.24 and 0.12); both associations remained positive after covariate adjustment. Mean ECG-SDI within N2 increased by 0.017 (95% CI, 0.004-0.030). A wearable proof-of-concept illustrated the acquisition-to-report workflow. These findings support ECG-based sleep phenotyping and further evaluation of CPAP response monitoring at home.
- Abstract（参考訳）: 従来の睡眠ステージングは、ステージ内の深さ変化を曖昧にする粗い粒度の表現を提供する。
連続睡眠深度プロファイリングとデジタルバイオマーカー抽出のための単誘導心電図(ECG)フレームワークであるECG-SDIを開発した。
12,392点のポリソムノグラフィー記録を用いて,従来の睡眠ステージラベルによる2段階の深層学習モデルを訓練し,検証した。
早期眼球運動(REM)睡眠を除く順序段階の相関は,プール内テストセットでは0.828,外部クリーブランドファミリースタディでは0.848,対応するREM分類では0.954,0.977であった。
夜間の軌道はステージ内の変動を捉えた。
バイオマーカーをベースとした表現型は、睡眠心健康研究(調整型ハザード比 1.20; 95% CI, 1.05-1.38)において、より劣悪な主観的睡眠品質とより高い全原因死亡に関連する乱れたサブタイプを同定した。
CPAP(Continuous positive airway pressure)前後のペア記録を行った507例中, 正常化睡眠深度は6.1%増加し, 0.3未満の浅い睡眠負荷は16.0%低下した。
スピアマンrho = 0.24 と 0.12 の2つの相関関係は共変量調整後に正に保たれた。
N2における平均ECG-SDIは0.017(95% CI, 0.004-0.030)増加した。
概念実証のウェアラブルは、買収から報告までのワークフローを例証した。
以上の結果から,心電図による睡眠表現とCPAP応答モニタリングのさらなる評価が得られた。
関連論文リスト
- The Breakthrough of Sleep: A Contactless Approach for Accurate Sleep Stage Detection Using the Sleepal AI Lamp [15.791950475785113]
睡眠ステージングは睡眠関連疾患の評価に不可欠である。
従来のPSG(Polysomnography)は、侵入性、労働集約性、長期監視には適さない。
本研究では,非接触型レーダ型睡眠トラッカーであるSleepal AI Lampの性能評価を行った。
論文 参考訳（メタデータ） (2026-04-07T06:49:41Z) - Fully-automated sleep staging: multicenter validation of a generalizable deep neural network for Parkinson's disease and isolated REM sleep behavior disorder [0.4686663122869858]
睡眠行動障害(iRBD)はパーキンソン病(PD)の鍵となる予後マーカーである
我々は,深いニューラルネットワークであるUSleepをPDおよびIRBDの一般的な睡眠段階に適用した。
論文 参考訳（メタデータ） (2026-02-10T14:00:13Z) - Physiology as Language: Translating Respiration to Sleep EEG [43.02603129452492]
本稿では,呼吸信号から睡眠脳波(EEG)を合成するクロス生理学的翻訳タスクを紹介する。
離散トークン化により脳波の標的空間を制約しながら、微細な呼吸動態を保ちながら波形条件生成フレームワークを提案する。
脳波スペクトログラム再構成では,28,000人以上の被験者を対象に,平均絶対誤差を7%以上達成している。
論文 参考訳（メタデータ） (2026-01-31T05:44:45Z) - MobileNetV2: A lightweight classification model for home-based sleep apnea screening [3.463585190363689]
本研究は、心電図(ECG)と呼吸信号から抽出した特徴を早期OSAスクリーニングに利用した、新しい軽量ニューラルネットワークモデルを提案する。
ECG信号は睡眠段階を予測するための特徴スペクトログラムを生成するのに使用され、呼吸信号は睡眠関連呼吸異常を検出するために用いられる。
これらの予測を統合することで、AHI(apnea-hypopnea index)を精度良く算出し、OSAの正確な診断を容易にする。
論文 参考訳（メタデータ） (2024-12-28T01:37:25Z) - Thermal Imaging and Radar for Remote Sleep Monitoring of Breathing and Apnea [42.00356210257671]
睡眠モニタリングのためのレーダとサーマルイメージングの初回比較を行った。
熱画像法では,0.99,精度0.68,リコール0.74,F1スコア0.71,クラス内相関0.73が検出された。
マルチモーダル・セットアップを活用して閉塞性および中枢性睡眠時無呼吸を分類するための新しい提案を提案する。
論文 参考訳（メタデータ） (2024-07-16T17:26:50Z) - Continuous Sleep Depth Index Annotation with Deep Learning Yields Novel Digital Biomarkers for Sleep Health [15.197165195697666]
連続型睡眠深度診断法は、睡眠構造に関するより詳細な情報を明らかにし、睡眠医学における定期的な臨床使用のための新しいデジタルバイオマーカーを提供する。
ケーススタディでは、睡眠深度指数が従来の睡眠ステージよりもニュアンスな睡眠構造を捉えていた。
論文 参考訳（メタデータ） (2024-07-05T08:42:49Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳（メタデータ） (2021-12-18T17:05:53Z) - 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) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。