DeepSleep 2.0 : Segmentations automatisées des réveils du sommeil par apprentissage profond

DeepSleep 2.0 est une version compacte de DeepSleep, un réseau neuronal profond entièrement convolutif, inspiré de l’architecture U-Net, qui a obtenu le meilleur score non officiel lors du défi Computing Challenge 2018 de PhysioNet. L’architecture proposée présente une structure compacte d’encodeur/décodeur comportant uniquement 740 551 paramètres entraînables. L’entrée du réseau est un signal complet multicanal enregistré par polysomnographie. Le réseau a été conçu et optimisé afin de prédire efficacement les éveils non apnéiques pendant le sommeil sur des données de test non vues, avec une résolution de 5 ms, sans compromettre la précision des prédictions. En comparaison avec DeepSleep, les résultats expérimentaux obtenus en termes de surface sous la courbe précision-rappel (AUPRC) et de surface sous la courbe ROC (AUROC) suggèrent qu’une architecture légère, capable d’atteindre des performances de prédiction similaires à un coût computationnel réduit, est effectivement réalisable.