MobileNetV2: A lightweight classification model for home-based sleep apnea screening

要約

本研究では、早期OSAスクリーニングのために、心電図（ECG）と呼吸信号から抽出した特徴を活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。心電図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ために使用され、呼吸信号は睡眠関連の呼吸異常を検出するために使用される。これらの予測を統合することにより、本手法は無呼吸低呼吸指数（AHI）をより高い精度で算出し、正確なOSA診断を容易にする。 Apnea-ECGデータベース、UCDDBデータセット、MIT-Bihポリソムノグラフィデータベースの3つの一般に利用可能な睡眠時無呼吸データベースで本手法を検証した。その結果、全体的なOSA検出精度は0.978であり、モデルの頑健性が強調された。呼吸イベント分類の精度は0.969、受信者動作特性曲線下面積（ROC-AUC）は0.98であった。睡眠段階の分類については、UCDDBデータセットにおいて、ROC-AUCはすべての段階で0.85を超え、睡眠状態の再現性は0.906に達し、レム状態と覚醒状態の特異性はそれぞれ0.956と0.937であった。 この研究は、正確で、携帯可能で、費用対効果の高いOSAスクリーニングのために、軽量ニューラルネットワークとマルチシグナル解析を統合する可能性を強調するものであり、家庭用およびウェアラブルの健康モニタリングシステムに広く採用される道を開くものである。

要約(オリジナル)

This study proposes a novel lightweight neural network model leveraging features extracted from electrocardiogram (ECG) and respiratory signals for early OSA screening. ECG signals are used to generate feature spectrograms to predict sleep stages, while respiratory signals are employed to detect sleep-related breathing abnormalities. By integrating these predictions, the method calculates the apnea-hypopnea index (AHI) with enhanced accuracy, facilitating precise OSA diagnosis. The method was validated on three publicly available sleep apnea databases: the Apnea-ECG database, the UCDDB dataset, and the MIT-BIH Polysomnographic database. Results showed an overall OSA detection accuracy of 0.978, highlighting the model’s robustness. Respiratory event classification achieved an accuracy of 0.969 and an area under the receiver operating characteristic curve (ROC-AUC) of 0.98. For sleep stage classification, in UCDDB dataset, the ROC-AUC exceeded 0.85 across all stages, with recall for Sleep reaching 0.906 and specificity for REM and Wake states at 0.956 and 0.937, respectively. This study underscores the potential of integrating lightweight neural networks with multi-signal analysis for accurate, portable, and cost-effective OSA screening, paving the way for broader adoption in home-based and wearable health monitoring systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL