近日，斯坦福大学和法国巴黎萨克雷大学的研究人员完成了一项新研究，
如何才能拥有良好的睡眠呢？（图片来源：Pixabay）
脑电图（EEG）主要使用放置在头皮上的电极，来测量大脑中的电信号活动。医生通过使用这一手段来监测患者的睡眠状况，从而对患者的神经系统状况进行诊断和评估。然而，这项工作目前还是主要由手动完成，这就意味着医生们必须要花上几个小时的时间，对大脑活动图像的峰值和谷值进行记录和诠释，这不仅需要大量的训练，同时还需要足够的耐心才能够完成。
然而，现有的检测EEG模式算法大多数都是针对某一种特定状况进行检测的。而研究人员认为，在使用新的数据进行训练之后，机器学习算法可以对K复合波（非快速眼动睡眠第二阶段出现的EEG波形）和睡眠纺锤波（轻度睡眠时由丘脑活动产生）等情况出现时的EEG图像进行检测。
该团队利用计算机视觉及卷积神经网络技术，来对EEG信号进行检测。它从一个由19个不同主题的数据组成的数据集中提取了这些数据的共同特征，并使用了定位及分类两种功能，来预测睡眠中异常事件发生的起始时间并对其进行标记。
▲不同算法检测EEG图像中的K复合波情况示意图。此次研究中开发出的新算法（黑色曲线）表现明显好于其它检测方法（图片来源：arXiv.org）
研究结果显示，在使用10条数据对算法进行训练，同时用另外两条进行验证后，算法可以持续对纺锤波和K复合波进行准确识别。此外，该算法还能检测出同时发生的多个异常事件，其效率也高于常规的序列化算法。
“此次我们进行的这项研究是建立在深度学习的基础之上的，目的是让算法能够反应出任何异常事件，”研究人员在论文中写道：“令人惊讶的是，该算法在检测纺锤波和K复合波方面表现得非常优秀。此外，我们还使用了数量为1到10不等的数据进行额外测试，在只使用一条数据的时候该算法就已经成功地进行了预测。”
我们非常期待，这项研究将来可以被真正用于改善人们的睡眠状况之中。
[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
本文来自药明康德团队，谢绝转载到其它平台。如有其它合作需求，请联系wuxi_media@wuxiapptec.com。