PulseAugur
中
实时 09:23:00
English(EN) Deep learning-based multi-level airway collapse site localization on obstructive sleep apnea patients based on snoring sounds

深度学习模型利用鼾声识别睡眠呼吸暂停患者的气道塌陷

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了深度学习模型，特别是 Audio Spectrogram Transformer (AST) 和 ResNet-50，利用鼾声识别阻塞性睡眠呼吸暂停 (OSA) 患者的多水平上气道塌陷。AST 模型在检测软腭、口咽和腭帆后部塌陷方面表现出优越性能，在 F1 分数、Matthews 相关系数和 AUC 方面均取得高分。尽管由于样本量小，在其他部位的性能受到限制，但研究表明，这些声学特征分析模型为追踪气道动态和辅助临床治疗计划提供了一种有前景的非侵入性工具。 AI

影响 这项研究展示了人工智能在无创诊断医疗条件方面的新应用，有望改善患者护理和治疗计划。

排序理由 研究论文，详细介绍了深度学习模型在医学诊断方面的新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习模型利用鼾声识别睡眠呼吸暂停患者的气道塌陷

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
研究论文，详细介绍了深度学习模型在医学诊断方面的新应用。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
5 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ying-Chieh Hsu, Stanley Yung-Chuan Liu, Chao-Jung Huang, Chi-Wei Wu, Ren-Kai Cheng, Jane Yung-Jen Hsu, Shang-Ran Huang, Yuan-Ren Cheng, Fu-Shun Hsu ·

    基于鼾声的阻塞性睡眠呼吸暂停患者深度学习多层次气道塌陷部位定位

    arXiv:2408.16030v3 Announce Type: replace-cross Abstract: Objective This study evaluated deep learning models, specifically ResNet-50 and Audio Spectrogram Transformer (AST), to identify multi-level upper airway collapses in obstructive sleep apnea (OSA) patients using snoring so…

相关实体

相关话题