源之原味

从 AI 到 Zzzz: 麻省理工学院, 大众总体目标深度学习在睡眠阶段的研究

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2018/04/04/from-ai-to-zzzz-mit-mass-general-aim-deep-learning-at-study-of-sleep-stages/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

失眠是一种全国性的流行病。学习很难解决和复杂化。

根据疾病控制和预防中心的数据, 1/3 的美国成年人通常睡眠不足, 它将健康睡眠定义为每天七小时以上。

胸肩带、鼻腔探头和头部电极是传统的传感器, 经常附着在需要监测睡眠模式的病人身上。这些不舒服的方法本身会导致失眠, 使收集到的数据不具代表性。

麻省理工学院和马萨诸塞州总医院的研究人员希望能为这些患者提供更好的睡眠, 他们正在研究 AI 的使用情况, 以及一种无线网络信号, 它可以监视一个没有附加传感器的人。

麻省理工学院电气工程与计算机科学教授、研究所无线中心主任迪娜 Katabi 说: "我们对睡眠的了解不够, 因为我们无法持续监控睡眠。

研究团队 投稿论文 描述这一努力包括 Katabi, 马特比安奇, 首席 睡眠医学分部 在大众, Tommi Jaakkola, 麻省理工学院电气工程和计算机科学教授。论文的作者还包括麻省理工学院研究生明敏赵和 Shichao 悦。

由于在他们的卧室安装了一个特殊的无线设备, 研究人员可以在家中睡觉。该装置测量信号从受试者身上反弹, 并通过云将数据发送回研究人员。

研究人员在房间里如何影响无线电频率, 研究者可以将脉搏、呼吸速率和运动的测量解释为各种睡眠阶段: 光睡眠、深睡眠、快速眼动或清醒状态。

该研究采用了一种新的神经网络设计, 称为条件对抗结构, 它处理射频信号, 以消除与睡眠无关的信息, 并着重于研究睡眠阶段的重要内容。这种新的神经网络使得作者能够比以前使用无线电信号的睡眠阶段的研究获得更高的精确度。

事实上, 麻省理工学院的无线研究将预测精度提高到近 80%, 而以前使用的射频方法则比64%。

数据嘎吱作响

研究人员从25人身上研究了100夜睡眠, 每隔30秒给睡眠加标签, 并将用于训练的人分为测试对象。

其基于云的服务可以远程收集信号, 并运行算法模型。Katabi 说, 只需要几秒钟的时间来分析一整晚的睡眠, 并在商业上是可行的。

"深层学习模式可以分析信号, 吐出人的睡眠阶段," 她说。

麻省理工学院的研究人员使用了 NVIDIA 泰坦 X GPU 关于模型训练, 也针对后端云服务的推理。他们还使用 NVIDIA 的 cuDNN 图书馆与 TensorFlow 深厚的学习框架。

研究意义

睡眠阶段研究的进展提供了广泛的应用。这样的睡眠阶段检测可以用来监测抑郁症, 例如, 睡眠的 REM 阶段发生早。这是药厂的一个重点领域。

对阿尔茨海默病的研究主要集中在睡眠阶段, 特别是人们是否正在沉睡, 以及如何影响疾病。同样对于帕金森氏症患者。

"睡眠是帕金森病患者的问题, 因为它对疾病的进展有影响。睡眠问题也可能是帕金森病的早期征兆, "Katabi 说。

其他感兴趣的领域包括显示睡眠呼吸暂停事件的能力, 在这种情况下, 呼吸可能会在睡眠中受阻。医生还可以通过观察睡眠模式的变化来监测心脏病人和多发性硬化症患者。

Leave A Reply

Your email address will not be published.