Dreem Open Datasets: Multi-gewertete Schlafdatensätze zur Vergleichung von manueller und automatischer Schlaffaserung

Die Klassifizierung von Schlafstadien stellt ein wichtiges Element der Diagnose von Schlafstörungen dar. Sie basiert auf der visuellen Prüfung von Polysomnographieaufzeichnungen durch ausgebildete Schlaffachtechniker. Automatisierte Ansätze wurden entwickelt, um diese ressourcenintensive Aufgabe zu erleichtern. Allerdings werden solche Ansätze in der Regel nur mit den Annotationen eines einzelnen menschlichen Beurteilers verglichen, obwohl die Übereinstimmung zwischen verschiedenen Beurteilern nur etwa 85 % beträgt. Die vorliegende Studie stellt zwei öffentlich zugängliche Datensätze vor: DOD-H, der 25 gesunde Probanden umfasst, und DOD-O, der 55 Patienten mit obstructivem Schlafapnoe-Syndrom (OSA) enthält. Beide Datensätze wurden von 5 Schlaffachtechnikern aus verschiedenen Schlafzentren bewertet. Wir haben einen Rahmen entwickelt, um automatisierte Ansätze mit einer Mehrheitsmeinung mehrerer menschlicher Beurteiler zu vergleichen. Mit Hilfe dieses Rahmens haben wir die wichtigsten Ansätze aus der Literatur evaluiert und verglichen. Zudem haben wir eine neue Tiefenlernmethode namens SimpleSleepNet entwickelt und evaluiert, die sich an aktuellen Standards orientiert. Wir konnten zeigen, dass viele Methoden auf beiden Datensätzen eine menschliche Leistungsniveau erreichen können. SimpleSleepNet erzielte einen F1-Wert von 89,9 % im Vergleich zu einem Durchschnittswert von 86,8 % für menschliche Beurteiler bei DOD-H und einen F1-Wert von 88,3 % im Vergleich zu 84,8 % bei DOD-O. Unsere Studie unterstreicht, dass die Verwendung moderner automatisierter Schlafstadienklassifikation sowohl bei gesunden Probanden als auch bei Patienten mit OSA die Leistung von menschlichen Beurteilern übertrifft. Es sollte erwogen werden, automatisierte Ansätze in klinischen Einstellungen einzusetzen.