Insomnia Identification via Electroencephalography

要約

不眠症は、脳内の異常または過剰な神経活動によって引き起こされる重篤な睡眠障害です。
世界中で推定 5,000 万人がこの病気に罹患していると考えられており、脳卒中に次いで 2 番目に重篤な神経疾患です。
確実に迅速な回復を図るために、不眠症を早期かつ正確に診断することで、より効果的な薬や治療の投与が可能になります。
この研究では、深層学習を使用して不眠症患者を自動的に識別する方法を提案します。
{\sigma}、\b{eta}、および {\gamma} バンドの相対パワー、合計パワー、絶対徐波パワー、{
\theta}、{\alpha}、{\gamma}、\b{eta}、{\theta}/{\alpha}、{\theta}/\b{eta}、{\alpha}/{\gamma}
{\alpha}/\b{eta}、平均、ゼロ交差率、可動性、複雑さ、睡眠効率、総睡眠時間を使用して、不眠症患者と健康な被験者の違いを正確に定量化し、分類プロセス用の 1D CNN モデルを開発します。
。
50 人の不眠症患者と 50 人の健康な被験者を対象とした Fp2 および C4 EEG チャネルを使用した実験では、提案されたモデルは睡眠段階の注釈なしで 99.34% の精度を達成しました。
この研究では、単一チャネルの機能のみを使用して、機械学習によって現在の睡眠監視ハードウェアを簡素化し、在宅外来監視を改善できる不眠症患者向けのスマートなソリューションを提案しています。

要約(オリジナル)

Insomnia is a serious sleep disorder caused by abnormal or excessive neural activity in the brain. An estimated 50 million people worldwide are thought to be affected by this condition, which is the second most severe neurological disease after stroke. In order to ensure a quick recovery, an early and accurate diagnosis of insomnia enables more effective drug and treatment administration. This study proposes a method that uses deep learning to automatically identify patients with insomnia. A set of optimal features are extracted from spectral and temporal domains, including the relative power of {\sigma}, \b{eta} and {\gamma} bands, the total power, the absolute slow wave power, the power ratios of {\theta}, {\alpha}, {\gamma}, \b{eta}, {\theta}/{\alpha}, {\theta}/\b{eta}, {\alpha}/{\gamma} and {\alpha}/\b{eta}, mean, zero crossing rate, mobility, complexity, sleep efficiency and total sleep time, to accurately quantify the differences between insomnia patients and healthy subjects and develops a 1D CNN model for the classification process. With the experiments use Fp2 and C4 EEG channels with 50 insomnia patients and 50 healthy subjects, the proposed model arrives 99.34% accuracy without sleep stage annotation. Using the features only from a single channel, the study proposes a smart solution for insomnia patients which allows machine learning to be to simplify current sleep monitoring hardware and improve in-home ambulatory monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google