近日，斯坦福大學和法國巴黎薩克雷大學的研究人員完成了一項新研究，
利用人工智能算法來預測患者腦電圖（EEG）記錄中出現異常狀況的位置、持續時間和狀況類型，從而能夠更加全面地瞭解睡眠的原理，以及睡眠障礙相關的病理生理學原理。這項研究的成果發表在了arXiv.org上。
如何才能擁有良好的睡眠呢？（圖片來源：Pixabay）
腦電圖（EEG）主要使用放置在頭皮上的電極，來測量大腦中的電信號活動。醫生通過使用這一手段來監測患者的睡眠狀況，從而對患者的神經系統狀況進行診斷和評估。然而，這項工作目前還是主要由手動完成，這就意味著醫生們必須要花上幾個小時的時間，對大腦活動圖像的峰值和谷值進行記錄和詮釋，這不僅需要大量的訓練，同時還需要足夠的耐心才能夠完成。
然而，現有的檢測EEG模式算法大多數都是針對某一種特定狀況進行檢測的。而研究人員認為，在使用新的數據進行訓練之後，機器學習算法可以對K複合波（非快速眼動睡眠第二階段出現的EEG波形）和睡眠紡錘波（輕度睡眠時由丘腦活動產生）等情況出現時的EEG圖像進行檢測。
該團隊利用計算機視覺及卷積神經網絡技術，來對EEG信號進行檢測。它從一個由19個不同主題的數據組成的數據集中提取了這些數據的共同特徵，並使用了定位及分類兩種功能，來預測睡眠中異常事件發生的起始時間並對其進行標記。
▲不同算法檢測EEG圖像中的K複合波情況示意圖。此次研究中開發出的新算法（黑色曲線）表現明顯好於其它檢測方法（圖片來源：arXiv.org）
研究結果顯示，在使用10條數據對算法進行訓練，同時用另外兩條進行驗證後，算法可以持續對紡錘波和K複合波進行準確識別。此外，該算法還能檢測出同時發生的多個異常事件，其效率也高於常規的序列化算法。
“此次我們進行的這項研究是建立在深度學習的基礎之上的，目的是讓算法能夠反應出任何異常事件，”研究人員在論文中寫道：“令人驚訝的是，該算法在檢測紡錘波和K複合波方面表現得非常優秀。此外，我們還使用了數量為1到10不等的數據進行額外測試，在只使用一條數據的時候該算法就已經成功地進行了預測。”
我們非常期待，這項研究將來可以被真正用於改善人們的睡眠狀況之中。
[1] Researchers develop algorithm that detects sleep disorder patterns in EEG readings
[2] A deep learning architecture to detect events in EEG signals during sleep
本文來自藥明康德團隊，謝絕轉載到其它平臺。如有其它合作需求，請聯繫[email protected]。
閱讀更多 藥明康德 的文章
