- Регистрация
- 12 Июн 2019
- Сообщения
- 2.070
- Репутация
- 727
- Реакции
- 1.449
Исследователи из Медицинской школы Икан на горе Синай разработали новую модель искусственного интеллекта (ИИ), способную анализировать полный ночной сон пациента с высокой точностью. Модель, основанная на архитектуре трансформеров (аналогичной ChatGPT), обрабатывает данные мозговых волн, мышечной активности, сердечного ритма и дыхания, превосходя традиционные методы анализа сна. Результаты опубликованы в престижном журнале SLEEP.
«Это прорыв в автоматизированном анализе сна. Наша модель не просто копирует работу специалистов — она выявляет закономерности, которые человек может пропустить»
Современные методы анализа сна часто требуют ручной обработки коротких фрагментов данных или используют ИИ-модели, не способные учитывать полную картину ночного сна. Новая модель PFT
(Patch Foundational Transformer for ) обучалась на 13 888 полисомнографиях (электроэнцефалографических и миографических исследованиях сна на протяжении всей ночи) и продемонстрировала высокую точность в классификации стадий сна, включая фазы глубокого сна и REM-сна.
Ключевые преимущества заключаются в анализе всего ночного сна, а не отдельных 30-секундных фрагментов, самообучение без ручной разметки — модель выявляет клинически значимые паттерны самостоятельно, универсальности — работает с разными группами пациентов и условиями записи.
PFT обрабатывает многоканальные данные, такие как: ЭЭГ, ЭМГ, ЭКГ, дыхание и уровень кислорода.
Модель генерирует сводки ночного сна, которые затем используются для классификации стадий. В тестах она показала каппа-коэффициент 0.81 (почти полное совпадение с экспертной оценкой), что превосходит многие существующие методы.
Исследователи полагают, что в будущем модель может быть адаптирована для выявления расстройств сна, прогнозирования когнитивных нарушений и сердечно-сосудистых рисков, а также стандартизации анализа сна в клиниках. Neuronovosti
«Это прорыв в автоматизированном анализе сна. Наша модель не просто копирует работу специалистов — она выявляет закономерности, которые человек может пропустить»
Современные методы анализа сна часто требуют ручной обработки коротких фрагментов данных или используют ИИ-модели, не способные учитывать полную картину ночного сна. Новая модель PFT
(Patch Foundational Transformer for ) обучалась на 13 888 полисомнографиях (электроэнцефалографических и миографических исследованиях сна на протяжении всей ночи) и продемонстрировала высокую точность в классификации стадий сна, включая фазы глубокого сна и REM-сна.Ключевые преимущества заключаются в анализе всего ночного сна, а не отдельных 30-секундных фрагментов, самообучение без ручной разметки — модель выявляет клинически значимые паттерны самостоятельно, универсальности — работает с разными группами пациентов и условиями записи.
PFT
обрабатывает многоканальные данные, такие как: ЭЭГ, ЭМГ, ЭКГ, дыхание и уровень кислорода.Модель генерирует сводки ночного сна, которые затем используются для классификации стадий. В тестах она показала каппа-коэффициент 0.81 (почти полное совпадение с экспертной оценкой), что превосходит многие существующие методы.
Исследователи полагают, что в будущем модель может быть адаптирована для выявления расстройств сна, прогнозирования когнитивных нарушений и сердечно-сосудистых рисков, а также стандартизации анализа сна в клиниках. Neuronovosti