基于神经网络的高级睡眠纺锤波识别

睡眠纺锤波是神经生理现象，它们似乎与记忆形成和其他中枢神经系统功能有关，并且可以在睡眠期间的脑电图（EEG）记录中观察到。即使评分员经过了高度培训，手动识别的脑电图纺锤波注释仍然存在显著的评分内和评分间差异，这降低了纺锤波测量作为研究和诊断工具的可靠性。最近，大规模在线数据注释（Massive Online Data Annotation, MODA）项目通过汇集多位评分专家的意见解决了这一问题，从而提供了一个高质量的纺锤波注释语料库。基于该数据集，我们提出了一种U-Net类型的深度神经网络模型来自动检测睡眠纺锤波。我们的模型性能超过了最先进的检测器以及MODA数据集中大多数专家的表现。我们在所有年龄段的受试者中均观察到了检测准确性的提高，包括那些特别难以可靠检测纺锤波的老年个体。我们的结果强调了自动化方法在执行重复且繁琐的任务时超越人类表现的潜力。