基于自动睡眠分期的多模态残差时空融合模型

高精度的睡眠分期对于正确评定睡眠情况起到了至关重要的作用。针对现有的卷积网络无法获取生理信号拓扑特征的问题,提出了一种基于多模态残差时空融合的睡眠分期算法。利用短时傅里叶变换和自适应图卷积获取时频图像和时空图像,将其转换为高维的特征向量;通过时频特征和时空特征提取模块实现特征信息流的轻量化交互;使用特征增强融合模块融合特征信息,输出睡眠分期结果。结果表明:该模型具有较高的准确率,在ISRUC-S3数据集上整体准确率为85.3%,F1分数为83.8%,Cohen's kappa为81%,N1阶段准确率达到69.81%。ISRUC-S1数据集上的实验证明了模型的普遍性。

冬季暖气房环境下被子睡眠舒适性能分析

为研究不同种类的被子睡眠舒适性,提出了睡眠质量、热湿舒适性、主观评价等评价被子睡眠舒适性的主客观数据指标,通过真人实验对比分析了被子睡眠舒适性能的差异。在人工气候室内模拟冬季暖气房环境(温度20℃,湿度40%),选择纱布夹棉被、羽绒被、蚕丝被、化纤被、羊毛被5种被子作为实验样品,测试受试者在使用不同被子睡眠过程中睡眠质量、平均皮肤温、肩腰部湿度和心率,以及睡眠后的热湿舒适性和睡眠质量的主观评价。客观数据结果表明:在冬季暖气房环境下,被子材料显著影响睡眠质量,对热湿舒适性影响较小;化纤被和纱布夹棉被睡眠效率较高,深睡眠时长较长,平均皮肤温和肩腰部湿度均处于舒适范围,在冬季暖气房下睡眠效果较好;蚕丝被睡眠效率和深睡眠占比均较低,睡眠舒适性最差。此外,主观评价结果显示,化纤被和纱布夹棉被的睡眠满意度更好,这与客观数据相一致,说明在冬季暖气房下可以优先覆盖化纤被或纱布夹棉被入睡。

NoSAS评分在识别深度镇静支气管镜检查期间低氧血症高风险群体中的应用

目的 探索NoSAS评分在识别深度镇静支气管镜检查期间低氧血症高风险群体中的应用价值。方法 选择接受深度镇静支气管镜检查的293例患者作为研究对象。据NoSAS评分标准分为阻塞性睡眠呼吸暂停综合征(OSAS)高风险组和低风险组。比较两组患者在深度镇静支气管镜期间低氧血症等心肺不良事件的发生率和气道干预率。对发生低氧血症的影响因素进行单因素分析和多因素logistic回归分析。结果 与OSAS低风险组相比,高风险组发生低氧血症、严重低氧血症、气道干预(托下颌、提高氧流量、储氧面罩通气)的频率更高,差异均有统计学意义(χ~2分别=8.47、5.51、14.36、4.52、8.48,P均<0.05)。logistic多因素分析显示OSAS高风险组较低风险组显著增加深度镇静支气管镜检查期间发生低氧血症的风险(OR=2.38,95%CI 1.28~4.43,P<0.05)。结论 NoSAS评分有助于识别深度镇静支气管镜检查期间发生低氧血症高风险的群体,为预防及干预低氧血症提供重要依据。

基于多任务注意力网络的非接触式睡眠监测

睡眠几乎占据了一个人每天三分之一的时间,它与人体的健康状况紧密相关.由于睡眠过程中各睡眠阶段的持续时间和转换情况直接影响人的睡眠质量,因此识别睡眠阶段是睡眠监测最基本和最重要的任务.然而,睡眠中出现的睡眠障碍会导致睡眠结构变得复杂,这增加了睡眠阶段分类的难度.已有的非接触式睡眠阶段分类工作大多对睡眠结构的复杂性认识不足,忽视了睡眠阶段和睡眠障碍之间的联系.因此,这些工作难以在睡眠障碍患者上取得较好的性能.提出一种非接触式睡眠监测系统,利用超宽带(ultra-wideband,UWB)信号来识别人体睡眠阶段的变化情况.该系统包含了一个序列预测模型,使用一个基于注意力机制的序列编码器挖掘不同睡眠阶段之间的时序转换关系,并通过一个对比学习模块提高编码器的泛化性.值得一提的是,该序列预测模型采用了一个基于多任务学习的两阶段训练框架,并在模型的微调阶段通过多专家学习模块将睡眠障碍信息融入模型中,从而降低了睡眠障碍对睡眠阶段预测造成的干扰.在110名受试者(包括健康个体和不同程度睡眠障碍患者)中进行实验评估,实验结果表明所提出的模型的性能优于基线方法.

基于深度强化学习的单通道EEG信号自动睡眠分期算法

目前,基于脑电(EEG)信号的人体睡眠分期方法呈现出单通道和网络模型深度化的趋势,然而单通道信息采集使得EEG失去大脑区域的位置信息,EEG中表征睡眠阶段的特征因趋向稀疏化而难以提取,同时深度网络的共性问题——模型及其训练的超参数的人工设定使得训练过程盲目且低效,这些问题导致自动睡眠分期方法的准确率低。为此,提出利用密集连接网络(DenseNet)对模型层间特征重用功能,挖掘深藏于EEG信号中的睡眠状态信息,针对单通道EEG信号在频域上的低频特性以及时域上长程依赖特性,对DenseNet模型进行了改进,实现了人体睡眠的快速和精确分期;为进一步提升DenseNet性能,使用深度确定性策略梯度(DDPG)算法,在网络学习训练过程中利用强化学习思想对DenseNet关键超参数进行在线优化和自动调节。实验结果表明,该算法模型在Sleep-EDFx数据集上的分期准确率达到了89.23%,总体效果优于近年来其他先进分期算法,表现出良好的应用前景。

丘脑底核脑深部电刺激术联合小剂量多巴丝肼治疗帕金森病的临床疗效及对焦虑抑郁、睡眠障碍的影响

目的:探索丘脑底核脑深部电刺激术(STN-DBS)联合小剂量多巴丝肼治疗帕金森病(PD)的临床疗效及对焦虑抑郁、睡眠障碍的影响。方法:将81例PD患者作为观察对象,依治疗意愿随机分为研究组(n=41)和对照组(n=40)。对照组给予多巴丝肼治疗,研究组在对照组治疗基础上加用STN-DBS治疗。观察两组患者治疗前和治疗6mon的帕金森病综合评估量表(UPDRS)评分、汉密尔顿焦虑量表(HAMA)评分、汉密尔顿抑郁量表(HAMD-17)评分、帕金森氏睡眠量表(PDSS)评分、匹兹堡睡眠质量指数(PSQI)评分、药物剂量变化及不良反应。结果:研究组的临床总有效率95.12%高于对照组(P<0.05);两组治疗6mon,患者的UPDRS-Ⅰ、UPDRS-Ⅱ、UPDRS-Ⅲ评分、HAMD-17评分、HAMA评分、PDSS评分和PSQI评分均明显低于治疗前,研究组各项指标均显著低于对照组(P<0.01)。研究组治疗后,可减少患者左旋多巴等效计量及药物不良反应的发生率。结论:STN-DBS联合小剂量多巴丝肼治疗PD疗效确切,可改善患者运动能力,提高日常生活活动能力、改善焦虑抑郁情绪和睡眠障碍,减少抗PD药物剂量和药物不良反应。

基于ResNet的睡姿识别分析

阐述为使智能床垫具有高准确率的睡姿识别功能,设计一种气压传感器结合空气弹簧床垫的睡姿检测系统。使用空气弹簧气压相对变化率作为用户睡姿数据集,提出一种ResNet18睡姿识别模型。

基于自适应多任务学习的睡眠生理时序分类方法

针对睡眠阶段与睡眠呼吸暂停低通气之间相关性的问题,提出一种基于自适应多任务学习的睡眠生理时序分类方法。该方法利用单导脑电与心电检测睡眠分期和睡眠呼吸暂停低通气综合征(SAHS),构造双流时间依赖学习模块,在两个任务的联合监督下提取共享特征,设计自适应任务间关联性学习模块,利用通道注意力机制建模睡眠阶段和呼吸暂停低通气之间的相关性。在两个公开数据集上的实验结果表明,所提方法可以同时完成睡眠分期与SAHS检测。在UCD数据集上,所提方法睡眠分期准确率、宏F1分数(MF1)、受试者特性曲线下面积(AUC)与TinySleepNet相比分别提升了1.21个百分点、1.22个百分点和0.0083,SAHS检测的宏F2分数(MF2)、受试者特性曲线下面积、召回率与6-layer CNN模型相比,分别提升了11.08个百分点、0.0537和15.75个百分点,能检出更多患病片段。所提方法可应用于家庭睡眠监测或移动医疗中,实现高效、便捷的睡眠质量评估,辅助医生对SAHS进行初步诊断。

小样本场景下的元迁移学习睡眠分期模型

睡眠障碍受到越来越多的关注,且自动化睡眠分期的准确性、泛化性受到了越来越多的挑战。然而,公开的睡眠数据十分有限,睡眠分期任务实际上更近似于一种小样本场景;同时由于睡眠特征的个体差异普遍存在,现有的机器学习模型很难保证准确判读未参与训练的新受试者的数据。为了实现对新受试者睡眠数据的精准分期,现有研究通常需要额外采集、标注新受试者的大量数据,并对模型进行个性化微调。基于此,借鉴迁移学习中基于缩放-偏移的权重迁移思想,提出一种元迁移睡眠分期模型MTSL(Meta Transfer Sleep Learner),设计了一种新的元迁移学习框架:训练阶段包括预训练与元迁移训练两步,其中元迁移训练时使用大量的元任务进行训练;而在测试阶段仅使用极少的新受试者数据进行微调,模型就能轻松适应新受试者的特征分布,大幅减少对新受试者进行准确睡眠分期的成本。在两个公开的睡眠数据集上的实验结果表明,MTSL模型在单数据集、跨数据集两种条件下都能取得更高的准确率和F1分数,这表明MTSL更适合小样本场景下的睡眠分期任务。

基于AIDET沟通模式的护理干预对老年急性阑尾炎患者术后DVT发生及睡眠质量的影响

目的探讨基于AIDET沟通模式的护理干预对老年急性阑尾炎患者术后下肢深静脉血栓(DVT)发生及睡眠质量的影响。方法选取2020年2月—2022年2月在河北省保定市第一中医院住院治疗的70例老年急性阑尾炎患者,采用随机数字表法分为对照组和观察组,每组35例。2组患者均行腹腔镜下急性阑尾炎切除术,对照组患者术后给予常规护理干预,观察组患者术后采用基于AIDET沟通模式的护理干预。比较2组患者住院期间DVT的发生情况以及手术前后的睡眠质量,同时出院前对患者进行护理满意度评价。结果观察组患者住院期间DVT发生率为5.71%(2/35),低于对照组的22.86%(8/35),差异具有统计学意义(χ^(2)=4.200,P=0.040)。干预前,2组患者匹兹堡睡眠质量指数(PSQI)量表的日间功能、催眠药物、睡眠障碍、睡眠效率、睡眠时间、入睡时间、睡眠质量7个维度评分及PSQI总分比较,差异均无统计学意义(P>0.05);干预后,2组患者PSQI量表的日间功能、催眠药物、睡眠障碍、睡眠效率、睡眠时间、入睡时间、睡眠质量7个维度评分及PSQI总分均低于干预前,且观察组患者均低于对照组,差异均有统计学意义(P<0.05)。观察组患者的护理满意度情况优于对照组,差异具有统计学意义(Z=3.836,P<0.001)。结论基于AIDET沟通模式的护理干预用于老年急性阑尾炎患者术后护理干预中,有助于降低患者术后DVT发生风险,改善患者睡眠质量,提高护理满意度。

基于深度学习的自动睡眠分期研究综述

睡眠分期是为了分析多导睡眠图记录而进行的重要过程,在睡眠监测和睡眠障碍诊疗中发挥着关键作用。传统的手动睡眠分期需要专业知识,繁琐且耗时;而深度学习通过模拟人脑解释信息的机制来构建模型,具有强大的自动特征提取及特征表达功能。将深度学习方法应用于睡眠分期研究,不依赖于手工特征设计,能够实现睡眠分期的自动化。本文着眼于2017年以来的一些典型的自动睡眠分期研究,重点从单视图和多视图输入两个方面系统回顾了应用于自动睡眠分期中的深度学习模型,并分析了多视图模型存在的难点,指出了其具有的潜在研究价值。最后,对自动睡眠分期未来的研究方向进行了探讨。

床垫睡眠脊柱形态与睡眠质量关系

床垫对人体睡眠舒适性与睡眠质量产生重要的影响。提出了一种睡眠脊柱形态的表征方法,测量了仰卧在6种弹簧床垫上人体脊椎曲线,同时通过真人睡眠脑电试验评价了人体的睡眠质量,建立了人体脊柱形态与睡眠质量指标之间的关系。结果表明:采用床垫贴合度指标可以反映人体脊柱曲线的变化程度,材质为乳胶、云柔深睡绵和独立筒弹簧的床垫睡眠舒适感最好;床垫贴合度与深睡眠占比和睡眠效率均呈现显著的非线性相关关系;贴合度越接近于1,脊柱形态变化越小,深睡眠占比和睡眠效率越高,睡眠体验感越好。研究结果为弹簧床垫的科学设计提供参考。

间歇式充气压力联合OBE干预对肝肿瘤介入患者预防DVT的影响

目的观察间歇式充气压力联合成果导向教育(outcome-based education,OBE)干预模式对肝肿瘤介入患者预防下肢深静脉血栓(deep vein thrombosis,DVT)的影响。方法随机数字表法将莆田市第一医院2021年6月—2022年10月收治的120例肝肿瘤介入术后患者分为观察组和对照组,每组各60例。对照组采取间歇式充气压力预防护理,观察组在此基础上联合OBE干预模式。干预1周后比较两组术后DVT发生率,比较干预前后两组患者匹兹堡睡眠质量量表(Pittsburgh sleep quality index,PSQI)评分、凝血功能情况。结果护理干预后,观察组患者术后DVT发生率为3.33%,低于对照组的16.67%(P<0.05);观察组患者PSQI评分低于对照组(P<0.05);观察组患者凝血酶原时间(prothrombin time,PT)、部分活化凝血活酶时间(activated partial thromboplastin time,APTT)、纤维蛋白原(fibrinogen,FIB)、凝血酶时间(thrombin time,TT)优于对照组(P<0.05)。结论间歇式充气压力联合OBE干预模式能有效降低肝肿瘤介入术后患者DVT发生率,提高患者睡眠质量,促进患者恢复。

超低温冷疗在运动员大强度训练后的恢复应用研究

超低温冷疗(WBC)是一种通过快速冷冻来促进恢复或治疗疾病的方法。本研究在分析天津男子曲棍球队队员在大强度训练后进行WBC冷疗效果的基础上,探究其对运动疲劳恢复和深睡眠质量的影响。结果:对比超低温冷疗前后两堂相同强度的训练课,WBC冷疗前、WBC冷疗后队员的CK变化值显著性减小(P=0.025<0.05),血红蛋白变化值没有显著性差异(P=0.795>0.05),深睡眠质量评估得分有显著性降低(P=0.001<0.01),尿十项中尿蛋白、尿潜血出现人数减少。结论:WBC超低温冷疗对男子曲棍球运动员大强度训练后的疲劳恢复与深睡眠质量的改善具有积极效果。

脑深部电极植入术对帕金森病患者冻结步态及日常活动能力的影响

目的探讨脑深部电极植入术(DBS)对帕金森病(PD)患者冻结步态及日常活动能力的影响.方法选择2021年6月—2023年3月该院收治的50例PD患者作为研究对象,根据随机数字表法将其分为对照组和观察组,各25例.对照组行常规治疗,观察组加用DBS治疗.比较两组患者治疗后冻结步态﹑日常生活活动能力量表(ADL)评分﹑步长﹑步速.结果治疗前,两组冻结步态﹑ADL评分﹑步长﹑步速对比,组间差异无统计学意义(P>0.05).治疗后,观察组冻结步态评分为(11.65±2.33)分,低于对照组的(16.27±4.76),ADL评分为(85.69±8.45)分,高于对照组的(72.19±7.71)分,组间差异有统计学意义(P<0.05).治疗后,观察组步长长于对照组,步速快于对照组,组间差异有统计学意义(P<0.05).结论PD患者采用DBS治疗效果确切,利于改善患者冻结步态,提升日常生活活动能力,增加患者步幅,加快步速,值得临床广泛应用.

一种生物反馈式深度放松导航系统设计

基于生物反馈技术,引入“生命潮”生物反馈引导,设计具有深度放松疗法功能的导航系统,以改善睡眠障碍患者睡眠质量。该系统由捡拾发射器与移动设备采集心电和呼吸信号数据,将采集的数据上传到云端服务器,在云端进行计算和人工智能(AI)分析,根据分析结果调用潮汐和指导语音文件,发出与受试者相匹配的“生命潮”,并使受试者以“生命潮”为节拍,按照指导语的内容进行自我的深度放松训练。该系统结合“生命潮”生物反馈技术,使人进入超级低觉醒状态,调动人体的修复、恢复、复生之力,可更好的调动患者的主观能动性和自愈力,使其自发地进行心理、生理的内在调节,进而达到恢复睡眠时序和改善睡眠障碍。应用生物反馈技术和“生命潮”生物反馈引导方法设计的深度放松导航系统,具有较强的实用性,受益于睡眠障碍困扰的患者,有望在临床医学中得到应用。

深脑磁刺激对平原官兵进驻高原后睡眠质量的影响

目的探讨深脑磁刺激对平原官兵进驻高原后睡眠质量的影响。方法选择2020-07解放军总医院第七医学中心从平原进驻海拔4300 m高原的50名官兵,其中25名进行深脑磁刺激(磁疗组),25名不进行深脑磁刺激(对照组),比较两组官兵在高原及返回平原后的生命体征、睡眠质量、高原反应、情绪状态及认知功能。结果磁疗组在高原的心率[(91.8±12.8)次/min]较对照组[(85.3±9.9)次/min]快(t=-2.024,P=0.049),睡眠障碍[1.0(0.0,1.0)]较对照组[1.0(1.0,1.0)]轻微(U=228.500,P=0.048),日间功能障碍[1.0(0.0,1.5)]较对照组[1.0(1.0,2.0)]轻微(U=211.500,P=0.033),返回平原后磁疗组日间功能障碍[0.0(0.0,0.5)]仍较对照组[1.0(0.0,1.5)]轻微(U=207.000,P=0.018)。两组的血压、氧饱和度、高原反应、情绪及认知功能无统计学差异(P>0.05)。结论深脑磁刺激能够改善常驻平原官兵进驻高原后的睡眠状况。

基于深度强化学习的基站休眠控制算法

本文提出了一种基站休眠控制框架,首先使用一种基于时空图神经网络的移动流量预测技术,利用历史数据对基站未来一段时间的负载情况进行预测。然后设计一种基于深度强化学习的基站休眠控制算法,该算法综合考虑多种实际约束,基于预测结果优化资源分配,在提高网络能效的同时保证稳定的用户体验。真实数据集上的广泛实验证实了该框架的优越性。

基于双通道脑电信号的在线实时睡眠分期系统

当代社会睡眠问题日益突出,及时检测评估睡眠质量有助于诊断睡眠疾病.针对目前市面上睡眠监测类产品发展参差不齐的现状,本文搭建了一个基于双通道脑电信号的在线实时睡眠分期系统,利用第三方接口脑环获取脑电数据,结合CNN-BiLSTM神经网络模型,在PC电脑端实现了在线的实时睡眠分期与音乐调控功能.系统使用基于卷积神经网络CNN和双向长短时记忆神经网络BiLSTM相结合的算法模型对脑电信号进行自动特征提取,CNN能够提取高阶特征,BiLSTM可以捕捉睡眠数据前后的依赖性和关联性,睡眠分期准确率更高.实验结果表明,本文算法模型在Sleep-EDF公共数据集上的四分类任务中取得了92.33%的分期准确率,其Kappa系数为0.84,本系统的实时睡眠分期功能在自采集睡眠数据分期实验中取得79.17%的分期准确率,其Kappa系数为0.70.相比其他睡眠监测类产品,本系统睡眠分期准确率更高,应用场景更多样,实时性和可靠性强,并且可以根据分期结果对用户进行相应的音乐调控,改善用户睡眠质量.

基于车载视频分析的疲劳驾驶行为检测算法的设计与实现

根据公安部2022年发布的数据,我国众多交通事故中大约有10%~20%的事故是由疲劳驾驶诱发的。为了更好地保障驾驶员的生命财产安全,设计一种基于车载视频分析和卷积神经网络YOLOv5的疲劳驾驶行为检测算法。使用公开数据集与自采集数据集进行训练,同时对算法进行了优化,使之能够在云GPU环境下进行训练与检测。结果显示,经过训练后,模型检测准确率可达90%,具有较好的应用和推广前景。