الشبكات العصبية التكرارية العميقة (DRENN) لاكتشاف أحداث نوم EEG

تشهد نشاط الدماغ الكهربائي عدة أحداث قصيرة أثناء النوم يمكن ملاحظتها كبنى دقيقة مميزة في السجل الكهربائي للدماغ (الإي إي جي)، مثل الدوامات النومية ومركبات K. وقد ربطت هذه الأحداث بالعمليات البيولوجية واضطرابات الأعصاب، مما يجعلها موضوع بحث في طب النوم. ومع ذلك، فإن الكشف اليدوي يحد من دراستها لأنه يستغرق وقتًا طويلاً ويتأثر بشكل كبير بالتباين بين الخبراء، مما يحفز على اعتماد الأساليب التلقائية. نقترح نهجًا تعتمد على التعلم العميق يستخدم شبكات عصبية تلافيفية وشبكات عصبية متكررة للكشف عن أحداث إي إي جي أثناء النوم، والذي يُطلق عليه اسم كاشف الحدث المتكرر (RED). يستخدم RED أحد تمثيلين للمدخلات: أ) الإشارة الكهربائية للدماغ في المجال الزمني، أو ب) الطيف المعقد للإشارة الذي يتم الحصول عليه باستخدام تحويل الموجة المستمرة (CWT). على عكس الأساليب السابقة، يتم تجنب استخدام فترة زمنية ثابتة ودمج السياق الزمني لتقليد أفضل للمعايير البصرية للخبراء. عند تقييمها على مجموعة بيانات MASS، تتفوق كواشفنا على التقنيات الرائدة في مجال الكشف عن الدوامات النومية ومركبات K بمتوسط درجة F1 لا يقل عن 80.9% و82.6% على التوالي. رغم أن نموذج المجال CWT حقق أداءً مشابهًا لنظيره في المجال الزمني، إلا أن الأخير يسمح بتمثيل مدخلات أكثر قابلية للتفسير بسبب استخدام الطيف. يعتبر النهج المقترح غير محدد للأحداث ويمكن استخدامه مباشرة لكشف أنواع أخرى من أحداث النوم.