跳到正文
arXiv cs.AI· Riku Huttunen, Samu Kainulainen, Matias Rusanen, Sami Myllymaa, Juha T\"oyr\"as, Timo Lepp\"anen, Henri Korkalainen·· 10 小时前AI 评分30

PSG-GAN:从真实到合成,学习睡眠呼吸暂停信号动态用于 AI 训练

From real to synthetic: PSG-GAN learns sleep apnea signal dynamics for AI training

AI 导读

研究团队开发了生成对抗网络 PSG-GAN,可协同合成多导睡眠图(PSG)多信号的长片段,模拟阻塞性睡眠呼吸暂停(OSA)的复杂特征。合成信号在睡眠分期上的脑电与眼电频带功率分布与真实数据相近,并复现了呼吸阻塞期间及之后基于光电容积脉搏波的心率变化等信号交互。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:合成多导睡眠图(PSG)数据在医疗应用中具有巨大潜力,例如可替代敏感且难以采集的真实数据。此前关于合成 PSG 数据的研究大多集中于单个信号的短片段,忽视了与睡眠障碍相关的信号间动态。在本研究中,我们开发了一种生成对抗网络(PSG-GAN),用于协同合成具有阻塞性睡眠呼吸暂停(OSA)典型多样且复杂特征的多个 PSG 信号的较长片段。合成信号看起来逼真,且脑电图和眼电图的频带功率在各睡眠阶段分布相似。此外,PSG-GAN 学会了反映信号间的相互作用,例如呼吸阻塞期间及之后基于光电容积脉搏波的心率变化。仅使用自动评分的合成信号训练的自动评分模型,在由健康志愿者和 OSA 患者分别组成的两个测试集上,在睡眠分期(\k{appa}=0.71 和 0.63)和呼吸事件分割(\k{appa}=0.57 和 0.60)方面达到了良好性能。这证明了合成数据在支持睡眠诊断算法开发方面的潜力。源代码可在 此 https URL 获取。
评论: 23 页,9 幅图
主题: 人工智能(cs.AI);机器学习(cs.LG);医学物理(physics.med-ph)
引用为: arXiv:2611.24436 [cs.AI]
  (或 arXiv:2611.24436v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24436

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Riku Huttunen [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 13:53:05 UTC(705 KB)

来源:arXiv cs.AI · arxiv.org