AI算法可以通过脑电图读数检测睡眠障碍模式

编译：chux

出品：ATYUN订阅号

脑电图（EEG）使用放置在头皮上的电极测量大脑中的电活动。睡眠专家可利用它来诊断和评估神经系统疾病，这可能是一项繁琐的工作，需要在数小时记录的大脑活动中注释峰值和低谷需要专门的训练和充分的耐心。

斯坦福大学和法国Paris-Saclay大学的研究人员最近提出了一种替代方案：利用人工智能预测脑电图中事件的位置，持续时间和类型。“A Deep Learning Architecture to Detect Events in EEG Signals During Sleep”论文中描述了具体方法。

EEG模式检测算法已经有一段时间了，但研究人员指出，大多数都是事件特定的，它们本来就能线识别已知的电气模式。相比之下，机器学习系统有可能学习事件，如K-complex（在NREM睡眠的第2阶段发生的EEG波形）和睡眠轴（在轻度睡眠期间发生的丘脑活动），因为它们重新训练新数据。

“我们提出了一种深度学习方法，可以预测脑电图时间序列中事件的位置，持续时间和类型，”检测此类事件对于更好地了解睡眠生理学以及与某些睡眠障碍相关的病理生理学是有意义的。”

该团队利用计算机视觉，卷积网络来检测脑电信号。它从19个主题的19个记录的数据集中提取特征，并使用两个模块（定位模块和分类模块）来预测事件的开始和结束时间及其标签。

他们的研究结果表明，经过仅10条记录和2条验证记录的训练后，处理管道能够在EEG读数中一致地识别纺锤波和K复合物。此外，它能够联合检测多种类型的事件，使其比传统的序列化算法更有效。

考虑到美国约有5千万至7千万患有睡眠障碍的成年人，这是令人振奋的进展。

该团队表示，“该方法在不同的黄金标准方面表现得相当不错，然而，我们仍在研究该方法与inter-scorer agreement相比表现如何。这也是我们在之后的工作中需要解决的问题。”

论文：arxiv.org/pdf/1807.05981.pdf