DeepSleep 2.0: Automatisierte Segmentierung von Schlaf-Arousal mittels Deep Learning

DeepSleep 2.0 ist eine kompakte Variante von DeepSleep, einem modernen, U-Net-inspirierten, vollständig konvolutionellen tiefen neuronalen Netzwerk, das beim PhysioNet Computing Challenge 2018 die höchste nicht-offizielle Bewertung erzielte. Die vorgeschlagene Netzarchitektur weist eine kompakte Encoder/Decoder-Struktur auf, die lediglich 740.551 trainierbare Parameter enthält. Als Eingabe dient dem Netzwerk ein vollständiges, mehrkanaliges Polysomnographie-Signal. Das Netzwerk wurde speziell entworfen und optimiert, um effizient Non-Apnea-Schlaf-Arousals auf gehaltenen Testdaten mit einer Auflösung von 5 ms vorherzusagen, ohne dabei die Vorhersagegenauigkeit zu beeinträchtigen. Die experimentellen Ergebnisse im Vergleich zu DeepSleep zeigen, dass die Große Fläche unter der Präzision-Recall-Kurve (AUPRC) und die Große Fläche unter der Receiver Operating Characteristic-Kurve (AUROC) nahezu identisch sind, was belegt, dass eine leichtgewichtige Architektur realisierbar ist, die eine vergleichbare Vorhersuleistung bei geringerem Rechenaufwand erzielt.