研究人员开发了一种算法，可以检测脑电图读数中的睡眠紊乱模式

脑电图（或脑电图）使用放置在头皮上的电极测量大脑中的电活动。它被睡眠专家用于诊断和评估神经系统疾病，这可能是一项繁琐的工作 - 在数小时记录的大脑活动中注释蹲下和尖峰需要专门的训练和充分的耐心。

斯坦福大学和法国巴黎 - 萨克雷大学的研究人员最近提出了一种替代方案：人工智能，可以预测脑电图中事件的位置，持续时间和类型。它在Arxiv.org上发表的一篇新论文（“ 用于检测睡眠期间EEG信号中的事件的深度学习架构 ”）中进行了描述。

EEG模式检测算法已经有一段时间了，但研究人员指出，大多数都是事件特定的; 他们硬连线识别已知的电气模式。相比之下，机器学习系统有可能学习事件，如K-complex（在NREM睡眠的第2阶段发生的EEG波形）和睡眠轴（在轻度睡眠期间发生的丘脑大脑活动爆发），因为它们要'重新培训新数据。

“我们提出了一种深度学习方法，可以预测脑电图时间序列中事件的位置，持续时间和类型，”他们写道。“检测此类事件对于更好地了解睡眠生理学以及与某些睡眠障碍的病理生理学相关是有意义的。”

该团队利用计算机视觉 - 特别是卷积网络，一种具有类似人类视觉皮层结构的神经网络 - 来检测脑电信号。它从19个主题的19个记录的数据集中提取特征，并使用两个模块（定位模块和分类模块）来预测事件的开始和结束时间及其标签。

他们的研究结果表明，经过仅10条记录和2条验证记录的培训后，处理管道能够在EEG读数中一致地识别心轴和K复合物。此外，它能够联合检测多种类型的事件，使其比传统的序列化算法更有效。

对于美国估计有5千万至7千万患有睡眠障碍的成年人，这是令人鼓舞的进展。

“该提议的方法在不同的黄金标准方面表现得相当不错，”该团队写道。“然而，研究该方法与得分者间协议相比如何表现仍然存在。这也将在未来的工作中得到解决。“

研究人员并不是唯一将机器学习应用于睡眠分析的人。谷歌子公司Verily于7月宣布与睡眠公司ResMed 建立合作伙伴关系，组建一家专注于开发睡眠呼吸暂停治疗和相关健康产品的新企业。