728x90 반응형 SMALL Somnology/Lecacy, Heuristics & AI Model14 수면다원검사 : 딥러닝을 사용한 불안 및 우울증 식별 수면다원검사 : 딥러닝을 사용한 불안 및 우울증 식별 불안과 우울증은 심각한 이환율 및 의료 비용과 관련된 일반적인 정신 질환이다. 수면은 진화적으로 보존된 건강 상태이다. 불안과 우울증은 수면과 양방향 관계가 있다. 이 연구는 불안과 우울의 존재를 감지하기 위해 딥러닝 방법을 사용하는 수면다원 데이터 분석의 사용에 대해 보고한다. 수면다원검사분석을 위해 2016년 1월 1일부터 2018년 12월 31일까지 3년 동안 학업 수면 센터에서 수행한 940명의 환자에 대한 데이터를 식별했다. 데이터는 불안/우울증이 있는 환자 205명, 불안/우울증이 없는 환자 349명, 불안/우울 가능성이 있는 환자 386명의 3개 하위 그룹으로 나누었다. 처음 두 개의 하위 그룹은 딥러닝 알고리즘의 훈련 및 테스트에 사용되.. 2022. 6. 21. 자동 수면 채점 : 다중 모드 시계열 딥러닝 아키텍처 자동 수면 채점 : 다중 모드 시계열 딥러닝 아키텍처 수면 채점은 필수적이지만 시간이 많이 소요되는 프로세스이므로 자동 수면 채점은 수면 연구에 대한 충족되지 않은 증가하는 요구 사항을 해결하는 데 중요하고 시급하다. 이 문서는 원시 수면다원검사를 사용하여 수면 점수를 자동화하는 다목적 딥러닝 아키텍처를 개발하는 것을 목표로 한다. 방법은 선형 함수를 채택하여 다양한 입력 수를 처리함으로써 모델 적용을 확장한다. 2차원 컨볼루션 신경망은 채널별 기능을 재보정하기 위한 "squeeze and excitation" 블록인 다중 모드 수면다원검사 신호로부터 기능을 학습하는 데 사용되며, 장거리 컨텍스트 관계를 활용하기 위한 장기 기억 모듈과 함께 사용된다. 학습된 기능은 최종적으로 결정 계층에 제공되어 수면 .. 2022. 6. 21. [Deep Learning] A Deep Learning Model for Automated Sleep Stages Classification Using PSG Signals A Deep Learning Model for Automated Sleep Stages Classification Using PSG Signals 수면 장애는 일상생활의 질에 상당한 영향을 미칠 수 있는 많은 신경 질환의 증상이다. 기존의 방법은 시간이 많이 걸리고 실험실 환경에서 얻은 수면다원검사 (PSG) 신호의 수동 스코어링을 수반한다. 그러나 수면 단계의 자동 모니터링은 신경학적 장애를 정확하게 발견하는 데 도움을 줄 수 있다. 본 연구에서는 원시 PSG 신호를 이용한 유연한 딥러닝 모델을 제안한다. 수면 단계의 분류를 위해 뇌전도 (EEG) 및 EOG 신호를 사용하여 1차원 컨볼루션 신경망 (1D-CNN)이 개발되었다. 시스템의 성능은 두 개의 공개 데이터베이스 (sleep-edf 및 sleep.. 2022. 6. 17. [Deep Learning] DeepSleepNet DeepSleepNet: a Model for Automatic Sleep Stage Scoring based on Raw Single-Channel EEG 본 연구는 원시 단일 채널 EEG를 기반으로 한 자동 수면 단계 점수를 위한 DeepSleepNet이라는 딥러닝 모델을 제안한다. 기존 방법의 대부분은 수면 분석에 대한 사전 지식이 필요한 수작업 기능에 의존한다. 그 중 일부만이 다음 수면 단계를 식별하는 데 중요한 전환 규칙과 같은 시간 정보를 추출된 특징으로 인코딩한다. 제안된 모델에서, DeepSleepNet은 시간 불변 특징을 추출하기 위해 컨볼루션 신경망을 활용하고, EEG 에폭스에서 자동으로 수면 단계 사이의 전이 규칙을 학습하기 위해 bidirectional-Long Short-Term.. 2022. 6. 17. 이전 1 2 다음 728x90 반응형 LIST
