Przewidywanie różnych faz snu wspierające diagnozowanie bezsenności i epilepsji
PREDiction of Different Variants of Sleep Stages for the Diagnosis Support of Chronic Insomnia and Epilepsy
W skrócie
Badanie ma na celu opracowanie komputerowych algorytmów uczenia maszynowego, które automatycznie analizują fazy snu na podstawie nagrań nocnych. Algorytmy będą testowane na wielu niezależnych zbiorach danych, aby sprawdzić czy osiągają dokładność powyżej 80% w porównaniu z ocenami lekarzy. Badanie dotyczy pacjentów z bezsenością i epilepsją, u których przeprowadza się nocne pomiary aktywności mózgu i ciała.
Oryginalny opis (angielski)
The objective of this study is to develop and validate deep learning algorithms for automated sleep stage and sub-stage classification using overnight polysomnography data. The models will be trained and evaluated on at least three independent datasets to ensure generalizability.
\- Primary Outcome Measure : Accuracy of deep learning-based sleep stage classification compared to expert manual scoring (\>80% target agreement), evaluated across multiple polysomnography datasets including AP-HP (Assistance Publique - Hôpitaux de Paris) data.
This is a retrospective, observational study.