计算机辅助诊断的睡眠低通气综合征:一个回顾

文摘

自动诊断的睡眠低通气综合征(sah)已成为一个重要的研究领域,由于日益增长的兴趣领域的睡眠医学和与其相关的成本手册诊断。增量和异质性不同的技术,然而,让它有点难以充分遵循近期的事态发展。区域内的文献综述的计算机辅助诊断sah已经完成由过去15年的研究。筛查方法,呼吸事件的检测和分类的方法,综合诊断系统,目前的商业方法的大纲进行了综述。给出了不同方法的概述与验证分析和批判性讨论的当前状态的艺术。

1。临床背景

睡眠低通气综合征(sah)是最常见的疾病之一,影响睡眠,特点是重复发生的事件的全部或部分的减少病人的呼吸在夜间(1]。世界各地的几项研究已经进行在过去几年,估计sah的患病率是3%,7%的成年人之间的(2,3]。

从sah病人无意识的呼吸停顿,重复整个晚上。这些夜间呼吸事件的持续时间(从现在开始窒息事件)是可变的,这取决于具体的病人;然而临床上重要,必须至少10秒,持续时间一般不超过2分钟。常见的窒息事件持续时间,通常是20 - 40秒。一个主要的区别可以在窒息事件参加相关的减少气流。为此基线呼吸可以确定这是定义为一个氧含量(常规呼吸与稳定的时期4]。因此,从广义上讲一个呼吸不足被定义为一个呼吸暂停会议期间标准有一个关联的减少约30 - 50%的基线呼吸。然而确切定义高度依赖具体的文献[5]。对于一个呼吸暂停相关的减少更明显达到约90%,甚至呼吸停止。去年美国睡眠医学学会标准定义的发布可以咨询(6]。

呼吸暂停与窒息事件的存在通常也伴随着氧饱和度水平下降。今年秋季减少导致气流成正比。因此,动脉血液中缺乏氧气通常触发一个自主反应持续增加的个人的警觉水平通常会导致神经生理学觉醒(7,8]。这些microarousals打破正常的睡眠相关结构防止刷新休息。因此窒息患者白天嗜睡是正常,影响他们的社会,工作和家庭生活。此外,该病的主要问题之一是,患者通常不知道他们自己的症状。这也有助于大多数的sah患者目前诊断(9]。

1983年Guilleminault et al。10)描述sah心律失常和行为障碍相关。这个描述之后,一些报告寻找心律紊乱,高血压、脑血管意外、突然死亡作为sah的续集。如今sah与痛苦的风险增加有关心脏和脑梗塞,动脉压高、心律失常,,一般来说,心肺系统的几个障碍(11- - - - - -14]。

标准诊断程序来确定sah的存在障碍需要测试在夜间。这个测试通常在睡眠医疗中心的单位,它包括几个夜里生理信号的记录,呼吸道和神经生理学。障碍产生的记录,即记录或者巴黎圣日耳曼,然后由医学专家直观地分析了离线。从这个分析,一个重要的派生的测度是低通气指数(AHI),即随着窒息事件数量的计算(呼吸暂停或呼吸浅慢)出现在PSG /小时的睡眠,是作为客观指标量化sah严重的话题。这个指数也用作基本测量参与综合症的诊断截止值介于5和15通常建立阈值以上的AHI被视为临床相关的诊断程序(9]。评估AHI意味着PSG的手册修订记录,考虑所有的证据出现在呼吸信号根据上下文信息和解释他们的PSG的信号。

鉴于评分过程的复杂性,主要是因为整晚的长度PSG录音,以及所涉及的信号数量和多样性,PSG代表一个大成本的分析在临床医生的时间和精力。这种高成本与PSG的手工视觉审查最终会沦为质量损失分析由于积累的疲劳在修订和任务本身的复杂性。从医院管理的角度,这也可能是一种浪费的人力资源可以致力于其他事务。一般的结果是当前的饱和睡单位,无法支持的需求分析。最终,之前的所有原因海拔在sah的诊断相关的经济成本。

在这方面,系统自动化的发展,至少部分的分析PSG代表伟大的节省的时间,金钱和精力,在很大程度上促进临床医生的任务和优化他/她的时间。事实上,在理想的情况下的系统能够全面、正确地执行PSG的自动分析,支持诊断工具的使用将有助于得分手他/她的注意力只集中在真正的相关信息(例如,你好)。的确,最终医生的任务可以减少检查和/或确认的唯一任务计算机分析的结果。

2。动机

在修订2000年由Penzel和Conradt共同对计算机系统的记录和分析睡眠,有一个引用四个任务,这种特点的系统应该满足(15]。

第一个任务是系统应该取代传统纸质图表记录器。目标是节省纸张,减少归档空间需求在不损失原始数据。第二个任务是文档。基于计算机的系统,一个技术人员应该能够输入和存储所有必要的笔记和观察在夜间活动的记录。第三个任务是支持评估睡眠和心肺功能。在这方面,一个自动睡眠评分系统应利用其计算能力支持PSG进球的任务。具体来说,根据(15)系统应该能够分析脑电图(EEG), electrooculography(小城镇)和肌电图(EMG)的睡眠阶段;打鼾,呼吸和血氧饱和度(圣₂睡眠相关呼吸障碍的诊断);和肌电图胫骨的肢体运动障碍。其他参数记录在睡眠实验室,如体温、血压、心电图(ECG), capnography,和食管压力(Pes),可能需要额外的分析。另一方面,系统应该支持视觉评估替代自动分析,和它应该允许编辑的结果自动评分。第四个任务报告。计算机系统应该帮助生成包含相关信息的最终报告的诊断,它应该包括一个先进的文件系统归档报告以及数据在一个结构化的方法。这将允许病人的睡眠实验室来跟踪和召回报告当需要修订15]。

现在几乎没人怀疑任务一,二,和四个已经完全覆盖,自公司健康管理信息系统进入医院,包括睡眠实验室,已经是一个现实。关于任务3号,一个相对于计算机程序的功能来执行自动PSG的分析,然而,这些系统仍然存在不足,因此,目前大部分的研究工作都集中。

新兴的睡眠医学的重要性在过去几年也导致需求越来越sah及其相关的诊断治疗。因此,PSG研究的数量也增加,这在缺乏一个更简单和更精确的测试,时至今日依然是只对sah的诊断标准的程序。便携式监测已经出现在过去的年,旨在减轻的问题影响有限的资源在医院中心。但是它已经提到,PSG的视觉分析是一个昂贵的,乏味的,和非常耗时的任务影响医学专家的工作生活,不得不将大部分的时间晚注册的得分。有了这个先例,兴趣逐渐向自动化系统的发展援助在sah的诊断医生。

这两个因素(增加需求的分析和当前仍然存在不足的分析系统)一直青睐的增量的活动领域的研究在过去几年。因此,研究计算机睡眠的分析方法的发展,专门为sah的诊断,今天是一个重要的开放区域利益。越来越多的研究出版物(和在这方面缺乏全面的评论)需要一个综合工作要做。本文的作者这动机进行文献综述,试图一起最近的研究在这方面的努力,让他们可以作为一个单独的资源为科学界。

因此,本文旨在执行更新的当前状态的艺术领域的计算机辅助诊断的长官。最近特别目的是覆盖方法和该领域的进步在过去15年左右。最终它与本文作者的意图为感兴趣的读者提供一个有用的资源,以跟踪该领域的最新进展。

3所示。方法

本文旨在覆盖方法领域的长官由计算机自动处理在一定程度上支持帮助诊断。这包括数学模型和/或算法描述,可以最终实现成一个计算机程序。参考书目不评估的评估存在sah的主题将不考虑(将被排除在评价)。这包括相当数量的工作与计算机支持睡眠分析方法但没有特别相关长官(例如,自动睡眠得分)不考虑。另一方面,继续审查实现,重点将约束方法涉及呼吸功能的分析,按照目前的标准临床过程。在这方面,最后版本的发布手册得分的睡眠和相关事件被认为是在6]。至少这意味着方法必须使用操作的一个子集PSG信号等AASM手册提出的目的(参见第八、呼吸规则(6])。这个规则方法依赖,例如,使用问卷调查、临床预测模型,和/或非标准分析生物医学信号的诊断sah如心电图和脑电图。只有计算机支持的研究指的是记录和/或数字信号的可视化不被认为是在这个审核。因此研究指的是设备的诊断是完全基于人类视觉评分也省略了从分析。最后,尽管一些引用可能包括在内,这不是本文的目标覆盖sah治疗,包括设备或方法处理持续气道正压(CPAP)。

考虑到之前的背景下,分析相关的参考书目已部分来自我们自己的经验和研究,加上文献检索已进行了使用不同的著名的搜索引擎包括ScienceDirect, IEEE探险家,PubMed和谷歌学术搜索。搜索词包含的组合“apn (o)启德集团”,“apn ea (o)”“聪明”“群”,“低”,“阻塞性睡眠呼吸暂停综合症”,“长官”,“监视”“诊断”,“电脑”和“自动分析。”,返回的第一批作品随后重新定义通过仔细修订相应的抽象为了过滤研究nonrelevant综述的目的。结果组选集,此外,补充了参考列表内彻底搜索符合条件的研究,及相关研究选择和包括在分析中。

关于报道的时候,作者特别强调覆盖最近发表的文献在过去15年(从1999年1月到2013年12月)虽然有些引用前可能出现当考虑相关或者适合入门的目的。只在英语是包含在同行评议的文献研究。一般来说,所有的方法分析了在这个评论,讨论仅仅是基于数据发表在相应的工作。也在分析文献关于商业设备,数据可以从制造商在他们的网站上,在产品宣传册,或者发表在同行评议期刊也不考虑。

结构的讨论,本文以下近似分析组织成几类如下所述。介绍了每个类别相关的工作遵循一个描述性的方法,在每一节的最后,总结表提出了快速参考,其中包含的概述不同的方法分析了相应的类别。另一方面,为了提供定量数据进行验证和比较的目的,第二个汇总表在每个部分提供。这些表可能稍微不同部分的结构部分根据讨论的话题,因此具体的描述相关结构提供了相应的部分。不过是常见的所有验证表,敏感性和特异性的广泛使用的措施(当可用的引用的研究)是用来描述结果。在这方面,值得说的是,如果几个报道引用研究结果(例如,由于计算机的不同配置方法),最佳的性能将会总是选为一般标准。最佳的性能在这里解释为,最大化下面的值:(敏感性+特异性)/ 2。这相当于相应的ROC曲线下的面积和一个操作点。因此一个乐观的标准对应于最佳操作点。

评审的组织结构如下。在随后的部分4,一般的分析的当前状态的艺术领域的执行长官的自动诊断。为了结构不同的近似,讨论分为不同的部分。部分4.1包括筛选方法执行的生物医学信号记录在巴黎圣日耳曼。部分4.2处理近似检测的窒息事件在整个记录单独执行。本节进一步划分根据参考用于检测。特别是近似结构包括脉搏血氧测量信号的处理(部分4.2.1(部分),替代单通道呼吸信号4.2.2)和多通道分析呼吸。部分4.3致力于近似专业的分类根据其来源(即窒息事件。,中央、阻塞性或混合)。在最后一节的一部分4(部分4.4),重点是全面分析方法包括呼吸以及神经生理学信息。

分析扩展部分5简要讨论验证结果关于商业出版物近似。一般讨论中执行部分6将进行批判性分析在本文中不同的近似描述。最后,结束语部分评估7。

4所示。先进的计算机诊断的长官

在本节讨论的目的是反映当前的研究状态的不同方法和技术开发的计算机辅助诊断长官。如上所述,为了结构的讨论,不同的近似被分为不同的部分和四个well-differenced可以区分类型的近似,即方法包括sah筛查方法,窒息事件的个人检测方法,方法关注窒息事件类型的分类,和全面的方法。

4.1。sah估计的筛检方法

由于复杂性和高成本与PSG相关测试,目前的研究兴趣sah的诊断主要集中在减少病人(起初)提交的必要性进行night-attended住院监控。为此,结果近似通常旨在取代PSG结果,例如,你好,通过一个简单的计算辅助测量可以被解释为sah严重的初步评价,是为了满足筛选功能。在这方面,计算机方法针对筛查任务组成,作为一个最低,主体的分类正常或窒息。一些方法,此外,也可能试图预测(通过回归)相关的严重程度指数。很多方法可以在文献中找到这样的特色,但是,如上所述的介绍,我们关注的方法,在某种程度上,涉及到的记录和/或后续分析的子集呼吸信号中包含的巴黎圣日耳曼。

不同的筛查方法的概述分析了在本节表所示1。随后,表2总结了相应的方法验证数据。表的内容的解释2,不同列的描述如下。

列在表12指出了文献参考。列2到5包括研究人口的细节,分别识别数据库,参与者的数量和性别,年龄的人口,严重程度指数参考。列6和7描述黄金标准建立临床sah严重性参考。计算机的性能评估使用这个黄金标准筛选方法。

在这方面,列6描述了基准测试,它可以是一个回顾性临床诊断或通宵录音测试,在这种情况下,运行测试的类型,发布水平)以及是否执行的测试是在当天晚上或在一个不同的夜晚(如对由计算机记录分析方法)。列7,另一方面,指定了事件定义其次是黄金标准。确实当AHI用作定量程度参考(大多数情况下),有理由认为这种指数会受到具体评分规则和事件定义在每个研究之后。具体地说,虽然从一开始就有一个合理的呼吸暂停的定义,协议还没有这样的得分呼吸不足(5,41]。列7因此包含(研究)中定义的引用这些事件的得分。由于空间限制,全部细节的事件定义(例如,呼吸暂停评分或信息传感器),读者仍致力于检查全文在特定的研究。

如上所述在本节的开始,筛选方法寻求主体的分类到病人或正常的计算基于保险所(计算机)严重程度的措施。因此性能验证这些方法主要通过比较这种分类的等效结果的使用(手动得分)的临床指标。当这个临床分类的基础上,完成黄鳍金枪鱼,因此需要使用截止。这个截止值列8中所示。计算机的相关验证绩效衡量方法给出二分决策结果列9到11。记得,如上所述3,这些值对应的最佳操作点关于病人分类(sah或正常)。最后,最后一列在表2识别验证方法。列中的值12的解释如下:“S”代表“单”这意味着验证结果获得从一个数据集的患者(见相应参考更多的细节关于这个数据集是如何安排在每种情况下)。“TR / TS”代表“培训/测试”和适用于案件的方法已经开发和使用训练集参数化,而验证结果取得了使用一个独立的测试集。它可能还在几个独立的测试集,在这种情况下这是表示“壹空间”,“TS2,”等等。此外,在必要时,实际参与的每个不同的患者数量在括号表示。最后,“简历”意味着验证结果取得了通过使用交叉验证过程。在这些情况下,适用,同样在括号使用的折叠数量,否则“分析”是表示。

分析相关的参考书目在此上下文中显示,氧饱和度的计算机分析已经被广泛地应用于筛选方法由于其简单性和降低相关成本对整个巴黎圣日耳曼。在这方面,最广泛使用的方法,2000年开始主要依靠应用程序不同的碎屑在计算数量的血氧饱和度下降(血氧饱和度下降)每小时的时间,也就是说,所谓的血氧饱和度下降指数(ODI)。许多其他应用程序也可以发现基于累积时间低于一定的饱和值(例如,90%)16]。然而,这些方法的有效性,对研究样本和选定的阈值不同。实际上这些方法与问题缺乏共识,建立适当的阈值。

轴承,丹尼尔斯等人的工作。17]描述了系统CADOSA夜间血氧定量法的分析相结合,从病人的历史证据,体检和问卷调查的基础上,ESS评估睡眠倾向。模糊集合理论用在这里,准确地说,考虑到变化的定义和解释的主观性。在这工作,知识表示和推理过程的描述说明了代表病人的症状和推断出一个鉴别诊断特别强调阻塞性睡眠呼吸暂停综合症的检测,中央睡眠呼吸暂停(CSA),周期性肢动综合征,和上呼吸道阻力17]。

替代的圣₂已经被一些作者试图通过计算指数信号变化,delta-index [18- - - - - -20.]。经典的基于傅里叶变换光谱分析被用来提取相关特征对病人分类基于功率谱。这些方法的例子可以发现在Zamarron等人的作品。21,22),后来由华和Yu (23),以及最近在时期等。24]。在这些近似中,一般的方法依赖于计算功率谱密度(PSD)的特定频率子带内的兴趣,其次是应用线性回归分析确定最佳阈值和评估结果的预测性能特性。

基于饱和信号的非线性特征,值得一提的是第一次的阿尔瓦雷斯et al。25)两个非线性方法,集中趋势测量(CTM)和Lempel-Ziv复杂性(LZ),用来描述圣₂录音。这些特性对古典减饱和指数比较,低于90%的饱和,时间和delta-index。

后来,Hornero et al。27]研究了近似熵的效用(ApEn)在sah的血氧饱和度信号诊断。这项研究得出的结论是,阻塞性睡眠呼吸暂停综合症患者有显著提高ApEn值。类似的结论是由同一作者在另一项研究[28]。在不同的工作,阿尔瓦雷斯et al。26经典oximetric指数)进行比较,由ApEn指数规律分析,从中医及多样性指数分析。同时结果表明,非线性方法获得更好的准确性比经典方法,ApEn和中医分析显示区别的功能非常相似。

前面的假设后,后续工作调查的使用不同的机器学习分类器分类来帮助。具体在Victor-Marcos等人基于二次分类器(QDA)和线性(LDA)判别,最近的邻居(knn)和逻辑回归是尝试不同的组合功能,包括谱和非线性特性(ApEn、中医和LZ)。在这项研究中,基于LDA与光谱特征的分类器提供最佳性能(29日]。在以后的研究中,作者添加了一个使用PCA预处理步骤,改善以前的结果的算法(30.]。另一个相关的工作在这种情况下是一个阿尔瓦雷斯等人,共有16个功能都包含在一步的研究和选择通过逻辑回归的过程。的集合特性包括统计数据从时域和频域两种,传统的光谱特性的功率密度函数和非线性特性。二、四阶统计时刻在时域,0.014 - -0.033赫兹频段的相对权力,和楼主的自动选择最佳特性(34]。在最近的一次工作,同一作者进一步研究使用遗传算法在相同的特性和使用一个更大的样本集的主题。使用逻辑回归分类器的特征选择过程作为最低最优特性集返回一个由以下六个特点:第一,第三,第四次统计时刻,中值频率,公园幅度在0.014 - -0.033赫兹,和中医35]。

近似的基础上,利用网络可以找到的,例如,在工作的El-Solh et al。36]。在这部作品中,作者训练美联储概率神经网络结合的特性分类患者要么潮式呼吸,阻塞性睡眠呼吸暂停综合症,或没有睡眠障碍。神经网络的输入包括特征频率分析,香农熵,减饱和指数为2%,3%,和4%,delta-index。在他们的实验中,作者获得显著的性能与近乎完美的分类研究中的213名调查对象包括(36]。使用人工神经网络也可以发现在Victor-Marcos等人的作品。31日,32),多层感知器(MLP)和径向基函数(RBF)使用为了患者归为低或non-OSAHS使用血氧饱和度信号的非线性分析,获得类似的结果。最近,从回归的角度来看,Victor-Marcos等人使用延时和线性回归模型,以预测相应的每个主题从一组AHI 14圣₂特性。模型一般实现更高精度的测试样本。使用不同的严重程度为二进制分类阈值,模型改进其性能随着AHI截止的增加(33]。

前筛查近似使用血氧饱和度信号中提取相关信息的主要来源。然而,除了血氧饱和度,许多方法基于单一信号监测使用相似的哲学sah预测目的。在这方面,技术分析的基础上单通道气流录音构成另一个广泛扩展近似。

最近的两项研究在这方面可以在作品中找到Gutierrez-Tobal et al。37,38]。在第一个,光谱分析的气流进行录音和光谱特性在0.024 - -0.056 Hz乐队组合成一个线性回归模型。有识别力的能力(病人、控制)模型的不同取决于AHI阈值(5 - 30)[37]。在第二个工作,呼吸速率的变化(RRV)是整个信号测量和光谱和非线性特性(LZ, ApEn,中医)提取使用原始和RRV气流信号。然后向前逐步逻辑回归用于特征选择和受试者的分类。最高的使用特征提取的准确性得到模型的结合原始气流和RRV信号与3的42特性。只有光谱特性包括在这组(38]。

在同一条最小的监控要求,Caseiro et al。39]提出的应用前景分解超过5分钟的口鼻气道压力信号记录在病人仍清醒。类似的方法是在索尔兹伯里和太阳40),但使用不同的指数衡量Caseiro的方法等。

4.2。检测窒息事件

这一类包括那些寻求个人的近似本地化窒息事件的记录。因此,而在前一节中介绍的被估计的方法是面向获得补充测量评估病人接受夜间PSG的必要性,包括在这里的,而专注于直接定位,测量,和实际的窒息事件分类记录。sah严重性的评估可以直接通过计算发现事件的数量和计算结果除以总睡眠时间(你好)或加工记录时间(RDI) [42]。

总结表的不同的事件检测方法分析在本节表所示3。验证可用不同的方法在表的结果4。表4像之前描述的那样类似结构表筛选方法2。因此列在表2 - 54分别包括研究人口信息数据库识别、参与者的数量和性别,年龄的人口,严重程度指数参考。黄金标准的得分事件再次引用通过列6和7。类似于表2可变性,呼吸浅慢定义将直接影响这些事件的得分,列在表64包含(当出现在研究)的引用使用呼吸不足的定义。另一方面,由于检测方法的评价侧重于执行单项本地化的能力而不是执行病人分类、规范的AHI阈值不再需要。而不是列8显示的事件检测算法的数量评估已发现的黄金标准。列9,此外,州(如果可能的话)算法的检测精度。在列9中,一个“C”意味着检测是在连续体(即执行。,limited only by the precision of the signals’ sampling rate), and otherwise the number of seconds (step size) that the algorithm uses for each evaluation is shown. Sometimes the algorithm can score events in continuum but validation results are provided using discrete epochs of varying size. These cases are specified using “val” in the corresponding cells of column 9. Sensitivity and specificity and further evaluation measures corresponding to the best operation point of the automatic analysis are provided, respectively, in columns 10, 11, and 12. The last column in Table4描述,如表2,验证过程。在这种情况下,数字在括号指定事件的数量用于验证。另一方面,在本专栏中一个“P”代表“病人”,这意味着事件的数量没有指定用于验证,而是病人的数量/录音。

4.2.1。准备脉搏血氧测量记录的分析

电脑的效用分析氧饱和度作为sah的筛查方法诊断已经提到的部分4.1。的确,在检测环境中,一个简单的策略来检测和量化窒息事件的持续时间可以很好地执行基于稀释和/或再饱和模式的检测血氧饱和度信号。的基本假设是,减少每个窒息事件引起的呼吸道流诱发动脉的血氧浓度下降的水平。同样,再饱和,假设是,窒息事件导致呼吸衰竭后,补偿换气过度必须遵循的事件,导致一个快速增加血氧饱和度水平。

最近的一次近似使用氧饱和度作为源信号是描述在布尔戈斯等的工作。43)检测的实时窒息事件可以执行。这对比的方法分析通常进行一次记录已经完成(离线)。布尔戈斯等人提出一种特征提取过程进行实时时间步,后跟一个分类阶段。几个分类器测试提取的特征,最好的方法是metaclassifier引导聚合(装袋)基于交替决策树(ADTree)。除此之外,在这工作,由此产生的方法是后来实现成一个移动PDA设备通过GPRS连接到医院让医生执行远程病人随访(43]。

脉冲photoplethysmography (PPG)信号提出了替代传统动脉氧饱和度反映血管收缩的变化。吉尔研究et al .,这个信号的有效性评估,一个自动探测器基于PPG的窒息事件(DAP探测器)是开发和检测方法相比,基于振幅变化的气流和氧饱和度(44]。

4.2.2。单通道呼吸活动的分析

除了血氧饱和度,基于单通道检测近似分析可以找到其他地方。使用腹式呼吸信号作为参考和关注中央事件的检测婴儿,Macey的工作等。45可以提到)。在这项工作中,一个专家系统设计依赖于使用网络来执行检测任务。

基于振幅阈值不同的呼吸窒息事件的派生在线检测的工作中讨论Reisch et al .,包括鼻气流(氟化钠),胸游览,Pes和强迫振荡技术(FOT) [46]。Varady等人还提出了一个算法的在线检测呼吸暂停和呼吸不足事件,虽然他们的方法是基于分析氟化钠和/或呼吸道电感体积描记法(RIP)派生。瞬时呼吸幅度和区间信号来自呼吸信号和几个前馈神经体系结构进行调查。表现最好的报道获得模型时只使用氟化钠的处理的信息来源(48]。

汉等人的作品描述了开发的检测算法基于二阶导数的平均大小的氟化钠使用热电偶。根据作者的结果,该算法达到更好的性能与传统的算法相比基于振幅分析(49]。后来,在Pepin et al。47],作者专门一个频道的心电图记录的霍尔特鼻腔压力和开发了一个自动算法搜索窒息事件在这个信号。

Nakano等人的建议是基于不同气流派生的光谱分析(50]。发达算法,基于检测flow-power下降,首先开发使用一组患者的气流测量热传感器。由此产生的后评估与传统方法时间振幅检测算法和检测血氧饱和度下降(ODI)。第二组的患者中,气流通过nasal-prong压力传感器和热电偶记录被用来评估替代推导算法的泛化能力。Event-by-event验证对视觉得分事件显示出类似的热电偶的热行为和渠道;然而敏感性当使用这些派生与鼻腔压力传感器相比是低。这些结果同意已知差异敏感度测试中传感器(73年,74年]。相比之下,该算法显示稳定当使用不同的最优阈值在不同的渠道。关于与其他方法的比较,AUC而言,发达算法显示更好的结果对其他基于振幅分析气流和类似的值来分析基于ODI [50]。

建模诊断流程,而是来自一个特定的对象是知识工程的角度来看另一个特定群体的方法。当然,实现一个可说明的模型的智能人类行为的目的是知识符号的方法。在这一群体中,所谓的基于规则的系统已经广泛用于诊断任务医学知识的编码形式的启发式规则。推断在这些系统是由一个链接的过程通过规则递归的激活依赖于特定情况下在输入(75年]。特别模糊推理系统展示了模型特别适合人类行为领域中不精确的数据和解释流程有一个组成部分。医学诊断,尤其是长官,是一个很好的例子,这些域(76年]。

这条线后,在线检测窒息事件执行使用基于规则的系统工作的Shin et al。51]。目标是开发一个反馈变量用于自动化控制的CPAP疗法。为此研制了一种模糊推理系统(FIS)使用三个输入变量,和分析进行breath-by-breath基础上从呼吸道气流测量:具体地说,(1)吸气流的相对时间限制在每个呼吸,(2)呼吸不足的程度相对于过去的15次,和(3)的强度airflow-derived打鼾。这种方法与传统auto-PAP设备通常依靠严格的规则基于阈值的反馈变量。此外,它允许更大程度的平滑的决策过程。

Nazeran et al。52还开发了一个FIS运营在气流变量。系统旨在区分呼吸暂停和呼吸不足事件,它使用参数归一化面积和标准偏差。后来,Morsy和Al-Ashmouny[的作品53)和Al-Ashmouny et al。54建模一个睡眠呼吸暂停检测系统使用三个隶属度函数来区分三个地区对鼻腔气流输入空间的变量。作者提出了一种两步分类方法呼吸事件作为异常或正常呼吸。

4.2.3。多通道呼吸活动的分析

窒息事件的经典方法检测呼吸信号是多通道的方法,而且,根据标准,它包括至少一个派生的分析从以下信号:气流,血氧饱和度,胸腹的呼吸运动6]。

这种方法后,塔哈等人的工作可以首先提到55]。在这部作品中,分析始于稀释氧合血红蛋白饱和度事件的信号的检测,然后撕开的总和分析检测的时期没有呼吸。结果发现时间随后分为呼吸暂停或减少根据相应的基线呼吸呼吸不足。呼吸暂停进一步分为中央、混合或阻塞性基于存在的腹部或胸腔呼吸努力(55]。

将血氧饱和度与其他呼吸信号的概念被用于后续的工作。例如,使用时间延迟神经网络(TDNN)的能力来处理预测和分类任务上下文包括时间变量的主要思想是田的工作和刘56]。在这工作,功能从气流和血氧饱和度信号提供给TDNN激动人心的基础上对信号进行分类成时间的正常呼吸,呼吸暂停,呼吸浅慢。另一个例子是Sommermeyer等的工作。57),一个oximeter-based PPG信号结合鼻插管用于检测和分化的中部和阻塞性呼吸暂停。为此,脉搏波振幅(PWA)和脉搏血氧计记录的计算,和模板函数用于模式识别。呼吸努力派生通过分析市政工程局的波动信号允许估计的比率。

Steltner等人开发了诊断软件的离线检测和分类的呼吸事件鼻罩压力时间序列的分析推导,FOT信号作为替代普通胸腹的应变仪和撕裂。面临的方法是基于振幅特性与适当的分析推导出这些信号阈值。提供的算法结果与那些由人类专家的视觉分析(加权Kappa统计)虽然意味着绝对值的协议是有点低(低于0.5)[58]。

几乎当代Varady等人提出了一个在线分析方法检测和分类基于之间的相位差的窒息事件胸和腹部呼吸(59]。

最近,Houdt et al。60)发表了一份工作,一个算法是基于breath-to-breath分析开发的呼吸录音(鼻气道压力和胸和腹部运动)。为此,呼吸信号被分成一半波使用周期振幅分析和特征的持续时间、振幅和斜率。窒息事件被检测到正常呼吸的动力计算值并比较相应的呼吸值为每个周期。事件的进一步分类为阻塞性、中枢性和混合也进行了基于振幅分析的胸和腹部运动60]。

Al-Angari和萨哈金的研究的目的是评估的分类整晚正常和窒息时代使用提取特性从呼吸道工作信号的相位和大小(胸和腹部),相比之下,结合心电图和血氧饱和度信号的一些其他功能。支持向量机分类器和线性多项式内核。他们的实验结果表明,最佳的性能达到使用功能的三个信号时(61年]。

另外,Waxman et al .,工作的主要目的是关注预测任务。为此,他们使用不同的预测方法进行了测试延误和段时间(30 - 120秒)。几个PSG渠道的特性提取使用小波处理。在他们的工作中,作者提出了使用一种特殊的人工神经网络,即LAMSTAR,特别适合处理大量数据,并提供有意义的人际关系网络的输入。正如所料,预测性能预测延迟成反比。作者也测试检测的基础上30秒的片段。这个任务他们发现,口鼻的温度是最有意义的信号检测的呼吸暂停,呼吸浅慢检测,最重要的信号是鼻腔压力(62年,63年]。

Intelligent-based建模的呼吸信号(气流、氧饱和度和胸腹的运动)在多通道环境提出了工作的Alvarez-Estevez和Moret-Bonillo64年]。在这个工作首先用于提取特征信号处理方法在每个通道。通过使用时态约束规则,个人特征组合在一起在形式的推理单位。结果推理单位最终评估通过FIS描述他们的呼吸暂停,呼吸浅慢,或者正常呼吸与不同程度的会员(64年]。

使用模糊推理技术的检测窒息事件也可以在其他作品中找到。例如,基于以前的工作Alvarez-Estevez和Moret-Bonillo [64年],Maali和Al-Jumaily提出了使用遗传算法作为一种机制来生成模糊规则直接从数据65年]。在最近的一次工作Otero et al .,模糊检测方法也用于标记窒息的间隔在呼吸信号。这种方法有利于知识获取通过使用一个接口模型的隶属度函数,从而允许附加系统参数化(66年]。后工作,奥特罗等人扩展方法,通过融合一个结构模型,允许病人生理参数的投影转换成一个可计算的表示。这种表示的目的是允许的发现和跟踪感兴趣的不同的信号模式的演化67年]。

4.3。窒息事件类型的分类

分类的主要目标任务是描述发现窒息事件根据origin-obstructive的性质,中央,或混合。下引用的工作的主要目的是完成这样的任务。

的总结分析方法可以找到关于窒息事件分类表5。在这个表中,第三列是指可能类算法的输出结果。随后的表6报告验证结果的不同的方法。这个表中数据的解释类似于表4检测方法。躺在这一事实的基本区别分类任务不占的时间定位窒息事件,但它假设窒息发生已经检测到,然后我们的目标是对这个发生根据其类型进行分类。因此,在表6是没有意义的,在一个单独的列中指定可分类的单位。出于同样的原因,明确提及的定义用于检测呼吸不足事件不再是相关的。而不是列在表76提供的信息用于事件类型的分类标准。其余的表结构6类似于表4。

在近似分析,几个已经在前一节中提到的还包括分类算法步骤的一部分。是这样的作品Reisch et al。46),塔哈et al。55),Sommermeyer et al。57),Steltner et al。58),Varady et al。59],Houdt et al。60]。Al-Ashmouny等的工作。54)也一直在前面提到的延伸中所述的单通道方法Morsy和Al-Ashmouny53)通过添加一个分类阶段使用信息从胸和腹部远足。

除了他们之外,其他人可以发现中心专门分类步骤。阿尔安尼et al。79年),例如,发表一个方法来执行睡眠呼吸暂停分类使用隐马尔科夫模型应用于同时记录的氟化钠,Pes,胃(pga)的压力。

后来,Fontenla-Romero et al。80年)开发了一个系统的检测窒息事件从气流信号,执行,一旦发现,小波处理应用于相应的间隔胸努力的信号。贝叶斯安终于负责分类间隔为中心,阻塞性或混合。的作品Tagluk et al。81年,82年]和Sezgin Emin Tagluk [78年)也是基于小波的使用特征提取和后续分类的神经网络。在这些作品中,气流信号与thoracicoabdominal呼吸的分析结合起来进行分析。在这方面,作者得出的结论是,当使用胸通道的特性,可以获得更好的性能分类。

最近,Guijarro-Berdinas等人提出了一个方法,将机器学习技术和专业知识,提高了结果的前面的方法(83年]。Maali et al .,对他们来说,最近提出了一个采用经典的支持向量机的机器学习方法,导致所谓的self-advising SVM技术和应用它的呼吸暂停分类问题(77年]。

特别专注于呼吸不足的分类,研究Morgenstern et al。84年),提出了两种不同的方法来区分阻塞性和中央呼吸不足。第一种技术提出了使用Pes传感器(一个侵入性方法)的特征提取并用于列车不同的机器学习分类器判别分析的基础上,支持向量机和演算法。第二种方法是实现非侵入性方法的有效性评估使用气流与鼻插管跟踪记录。同样,一些特征提取和对角二次判别是美联储有四个特性。发现分类精度低与第二个非侵入性的方法(84年]。

4.4。综合诊断系统

这个词综合诊断系统在这里申请是指系统占据如此睡眠阶段的最低限度的分类和呼吸道的分析活动。这个综合诊断系统的独特之处在于前面的方法,一般来说,是相当专业的完成特定的子任务,如病人筛查,呼吸活动的分析,或窒息事件类型的分类。相比之下,本节中引用的方法涉及PSG的分析信号的上下文中全面睡眠分析,因此这个名字。最终,这些方法都是针对全球解决方案的形式构成临床决策支持系统在sah的上下文中。

表7总结了工作落在这个类别和相应的验证结果表中描述8。的综合方法,验证的对象可能取决于相应的参考的重点。因此,在列9、10、11的表8时表示,“事件”一词指窒息事件的检测结果,以及其他特定类型的事件在括号中表示。另一方面,当验证数据提供关于方法的功能分类个人sah患者或基于计算法线你好,代码中指定的“诊断/ X”是为你好截止值X表示用于这些目的。注意,这个分类类似于执行部分4.1当筛选方法进行了分析。当然,最根本的区别是分析的方法。筛选测试的方法寻求最大程度的简化,主要目标是为分类筛选功能,而且,因此,当执行AHI估计,这通常发生在一个简化的子集的信号中包含的巴黎圣日耳曼。分析的综合系统,相比之下,试图再现尽可能完整的PSG的标准分析。换句话说,一个全面的系统的预期结果理想情况下应该匹配一个完整的分析的结果由专家人类的得分手。回忆不过,正式来说,sah诊断不能完全基于你好,尤其是当严重性指数低,sah诊断可能需要额外的症状的存在(9]。

在这一群体中,我们可能首先提到系统PSG-EXPERT [85年],提出的详细列明sah的更一般的集成环境的情况下发展的诊断专家系统。PSG使用信号处理和提取的数据插入到数据库根据以下类别:组织临床历史,hypnogram数据,睡眠参数、光谱数据,脑电图时间相关的活动,和non-EEG活动。然后系统进行诊断通过推理机制提取的数据支持的处理不精确的信息使用一个模型的确定性因素(97年]。它还包括一个验证模块允许测试混凝土的病人的情况下,通过比较分析的结果与医学专家。也许系统的主要限制是由于其通用的哲学,它只是象征性的层面上进行操作。换句话说,原始信号的处理和分割必须单独执行,事后结果数据必须插入到数据库中。尽管其内置的验证模块,没有报告验证结果评估系统的实际性能(85年]。

下面的符号的角度来看,Ugon et al。86年]目前这种方法依赖于相互融合的复杂符号对象连接到后一组简单的预定义的规则。Ugon等人的方法包含一个模块处理后睡眠得分信号处理方法,从神经生理学信号中提取特征,采用二叉决策树得到最后的睡眠时代的标签。该系统的图形而不是数值验证结果可以发现在86年]。

系统从sah的详细列明TASAS出现一个更广泛的框架设计的专家系统特别强调时态知识的处理(87年]。具体,系统服务的使用因果约束时间网络(CTCN)表征模型,允许处理符号之间的时间信息项目,建模他们点或间隔,因果关系和实现有效的机制来管理(98年]。TASAS提供的建模框架下,可以实现专家知识描述时序模式用于检测生理证据窒息事件的巴黎圣日耳曼。验证TASAS系统中可以找到的细节(87年]。最近这个模型的扩展支持的不确定性推理过程通过模糊逻辑范式中可以找到Fernandez-Leal et al。88年]。

两个重要的因素要考虑。首先,虽然前三系统进行诊断从知识的角度来看,这些系统实际上缺乏内置程序原始信号的分析。他们在象征层面运作。第二,建模的不同事件之间的因果关系和时间关系需要所谓的知识获取阶段作出医疗专业知识的形式明确时间和/或生产规则。然而,这是一个众所周知的瓶颈在专家系统的设计99年]。

吉马良斯的近似等人试图面对前面的短缺和时间模式的发现提出了一个方法多元时间序列及其后续转换成语言知识表示。该方法特别适用于sah的诊断(89年]。这个想法在若干个不同的抽象层次上的使用依赖一个自底向上的分析模式。在这方面,自组织神经网络是用来发现时间序列的基本模式,随后和机器学习算法用于处理模式生成一个基于规则的描述。下一个水平,时态的语法规则的。虽然吉马良斯等人的工作不能被视为一个完整的综合方法,它只涉及呼吸信号的集合,它是一个有趣的综合框架连接的几种人工智能方法和面临的问题,在多通道PSG时间序列知识获取。进一步评估的方法执行,正如作者自己建议,为了评估其实际临床意义的上下文sah诊断(89年]。

系统萨摩亚是第一个方法集成人工智能和经典信号分析技术发展的一个集成的产品,此外,能够提供解释的结果(90年,91年]。萨摩亚系统的体系结构主要由四个不同的集成模块:(i)障碍处方模块,(2)模块的描述呼吸活动,(3)模块的建设hypnogram,和(iv)诊断模块。

而系统萨摩亚前辈的解决的许多问题,还对这些系统的共同缺点是使用固定协议和阈值时自动分析原始信号从巴黎圣日耳曼。例如,使用固定阈值识别呼吸周期振幅的变化可能会导致不正确的评估基线呼吸。另一方面,还在萨摩亚,除了计算hypnogram的生成机制,分析原始脑电图检测的不同节奏和暂时的组件是由使用辅助系统One hundred.]。

在努力解决以前的缺点,MIASOFT最近开发系统(92年]。该系统有助于支持其分析功能在两个基本支柱:(i)的综合方法,在神经生理学活动作为上下文的解释检测呼吸事件,和(2)的实现机制来处理数据不精确模仿人类的推理程序泛化和近似的原则下92年]。有两个分化良好组模块MIASOFT系统:(i)的专业分析呼吸活动和(2)那些专门从事神经生理学的处理活动。呼吸分析识别的结构分为三个子窒息的间隔,巴西的表征₂信号,分析呼吸努力(93年]。另一方面,神经生理学分析分为七个子:三个负责脑活动特征,眼球运动的检测和肌肉张力的分析。这个神经生理学信息提供给模块负责获取病人的hypnogram [94年]。MIASOFT系统,此外,提供睡眠微观结构的分析机制和处理瞬态事件的检测包括microarousals [95年,96年),睡眠纺锤波,K-complexes。整个分析这个系统是同时由额外的模块提供辅助功能构件检测、时间信息关联和推理特别强调在决策过程中的不确定性和不精确的支持(92年]。

5。商业方法的分析和验证

尽管当前sah自动诊断系统仍然存在一些不足,为临床医生,一个简单的事实能够进行离线分析的数字化记录代表一个重要的进化。优势不仅包括保存论文的数量,但可能可视化等许多其他的信号在不同时间和振幅尺度,从容的注释中检测到的事件,或将支持工具,自动化的可能性,至少部分得分的任务。事实上,从商业的角度来看,已经有一段时间以来睡眠实验室配备计算机评分系统,在一夜之间全数字操作注册。

系统Polyman就是一个例子,它严格地说不是商业软件,但它是一个EDF(+)兼容观众和睡眠得分支持计划最初由坎普和Roessen [101年]。Polyman包括几个辅助工具可以执行自动分析普通睡眠得分的子任务。程序允许用户设置不同的配置进行视觉分析的数字记录。每一个信号都可以自由地过滤、调整和自动分析。频率自动分析内容(FFT),跨越门槛,神经反馈分析102年,纠正肌电图可应用于信号在屏幕上。它也支持手动评分的睡眠阶段,呼吸暂停,腿部运动,微觉醒根据标准r k或发布规则。生长残痕保存在标准EDF +文件和报告的标准睡眠质量参数。也可以授权版本,包括额外的模块自动评分的肢体动作,呼吸、体位,脉冲重复频率,心电图,血氧饱和度。Polyman也支持同步视频文件(103年]。

这种趋势确实在过去的年,新的商业系统不断出现在市场提供新功能对于PSG的自动分析。这些自动功能的最终使用和赞同在临床常规,然而,仍在讨论中,进一步和适当的验证这些系统是基本的重要性。在下面我们将简要讨论的一些验证研究出现在过去年的研究文献关于商业方法的上下文中执行自动分析长官。

表9总结了相应的关于这个主题的文献综述。在表9设备类型,第二列引用根据常用的分类提出了1994年由美国睡眠障碍协会(104年]。根据这一分类,1型类别是指标准临床PSG,作为参考的其他监视类型进行了比较。2型设备包含至少七个频道,包括脑电图、肌电图,此次,让睡眠分期,和一组呼吸信号,至少心电图,气流,呼吸作用,血氧饱和度,因此允许AHI计算。3型脊髓灰质炎病毒引起显示器将至少四个通道至少两个渠道的呼吸运动,或呼吸运动和气流,通常心率和血氧饱和度。直接估计睡眠概要(hypnogram)和3型脊髓灰质炎病毒引起的设备不能因此被执行,只有被估计的代替实际的AHI(例如,RDI)可以获得评价sah严重性。最后,通常类型4显示器使用至少一个呼吸通道,气流或氧饱和度。监视器不满足3型脊髓灰质炎病毒引起的标准(即。,a monitor that measured one to three channels or does not include airflow despite having four channels) is classified as Type-4 [104年]。

列在表3 - 69包括研究人口的细节,分别识别的数据集,参与者的数量和性别,年龄的人口,严重程度指数的引用。黄金标准验证是7和8中定义的列。在列8中,显式引用定义用于呼吸不足事件的得分当用于相应的研究。验证研究的原因是这类设备通常认为AHI报道由人类专家得分手为参考,之前,因为它是筛查和检测方法(见表2和4),这个指标可以在一定程度上受制于相关的可变性的定义这些事件的得分。9列的表9,此外,表明是否由计算机记录分析方法进行了实验室参加条件(L)或(H)在家进行。黄金标准参考AHI截止值用于验证系统的病人分类列10所示。敏感性和特异性的相应的定量验证措施列11和12所示,和额外的验证措施如ROC曲线下的面积(AUC)、k指数(κ),组内相关系数(ICC),皮尔森的线性相关指数()随后列13所示。终于在前面不同与先前的确认表,在表9,列显示简化假设的验证方法是省略了所有引用使用的方法是“s”

第一个例子验证1型设备可以找到工作的皮特曼et al。105年描述了验证的睡眠我睡眠(WideMed有限公司、以色列)评分系统。这个系统的目的是执行一个全面分析PSG的录音,因此包括神经生理学和呼吸数据。

Somnolyzer 24×7(荷兰飞利浦Respironics)也是全面的软件已经集成到一个e-Health解决方案平台。它是一个集中的服务器,以便参与中心可以上传他们的观测结果,收到回生长残痕和相应的报告。系统的描述和验证结果根据睡眠自动评分功能的可靠性对r k标准(135年)可以在安德利果汁等。136年]。后的适应和验证有关发布标准(137年)已发表在安德利果汁等。138年]。对呼吸信号的分析和sah诊断,沃尔茨结识et al。107年)描述了这个系统的使用51测试的数据库对象和评估AHI协议相比,人类的得分手。

的验证α-Somnostar 4100 (SensorMedics公司(美国)系统已经完成在巴雷罗等人的作品。108年]。该系统记录EEG信号,小城镇,肌电图,心电图,数字脉搏血氧仪,胸和腹部运动,身体位置,口鼻流。软件提供的功能对呼吸功能的自动分析和从脑电图睡眠阶段的分类。根据验证巴雷罗et al .,然而,低一致性之间已被证明的结果自动分析和专家的手动修改,特别是呼吸不足事件的检测和分类的睡眠阶段(108年]。

5.1。便携式设备

平行的实验室系统的发展,日益增长的兴趣在过去几年是门诊对便携式设备的设计(家庭)监测。一般来说,文学方面的验证便携式设备在sah广泛的诊断和先前的评论在这方面可以发现在104年,139年,140年最近在[]和42)和(141年]。然而,时至今日,便携设备的实际作用,替代全面PSG sah的诊断必须正确评估。

专注于自动分析表9验证结果显示其中一些商业便携式监视器。在这方面,正如之前所说,我们可以专门考虑作为便携式设备根据类别2型,3型脊髓灰质炎病毒引起,类型4104年]。

睡眠Hx(以色列WideMed有限公司)是一个床头计算机分析系统,可以连接到一个标准的医院监测和利用主要呼吸(呼吸阻抗,end-tidal二氧化碳,和热点₂)和心电图,提取的自主神经系统活动的睡眠和清醒状态,并使用形态学检测呼吸事件的呼吸和稀释109年]。

呼吸暂停风险评价系统(阿瑞斯,先进的大脑监测Inc .)、美国)是一个3型脊髓灰质炎病毒引起的设备组成的一个执行信号采集的硬件部分,阿瑞斯unicode,和软件执行的分析记录信息,阿瑞斯的洞察力软件(110年]。设备记录下面的信号通过一个套管连接到病人的头部:血氧饱和度、脉搏、打鼾(通过一个麦克风),和身体和头部位置(使用加速度计)。在验证研究Ayappa et al。111年),系统扩展的气流通过增加测量鼻插管连接到一个压力传感器。从一个录音,阿瑞斯的洞察力来计算软件分析了信号间接衡量窒息事件的数量每小时记录(RDI)。这个测量是基于计算血氧饱和度信号的分析寻找稀释和再饱和模式获得窒息事件的数量的估计。将气流测量还允许计算AHI基于气流通道。措施包括脉冲、打鼾和睡眠姿势作为上下文信息丢弃无效稀释并检测无语问苍天,证实窒息事件的存在。这些醒来不应被混淆与脑电图微觉醒以来,软件不提供任何神经生理学信号分析功能。这个系统的验证结果可以发现在韦斯特布鲁克等人的作品。110年),Ayappa et al。111年),而et al。112年]。

Sommocheck(德国Weinmann GmbH) 3型脊髓灰质炎病毒引起设备解决便携式监测病人的茶室部分却是风险。它由一个设备连接到病人的胸部,记录信号的气流(热敏电阻),打鼾(麦克风),血氧饱和度和脉搏(手指传感器),和身体位置(使用一个集成的传感器在主单元)(113年,142年]。软件提供的单元允许医生可视化和自动记录信号的分析。分析统计的数量减饱和和窒息事件(呼吸暂停和呼吸不足),计算基本参数ODI,呼吸暂停指数(ApI),呼吸浅慢指数(HI),和黄鳍金枪鱼,分别稀释事件的数量,呼吸暂停,呼吸不足和呼吸暂停/呼吸不足每小时的睡眠。效度研究的菲克et al。113年),这些设备的自动分析功能对专家手工的实验室观测测试得分。

类型4 WristOx 3100(美国Nonin医疗Inc .)由两部分组成:脉搏血氧计硬件(Nonin WristOx 3100)和软件的分析记录圣₂信号(nVision 5.0) (114年]。圣₂信号可以被记录在几个采样频率(1赫兹,0.5赫兹,和0.25 Hz)。分析算法的计算是基于稀释事件的数量估计窒息事件的数量每小时的睡眠。验证结果可以发现这个设备工作的Nigro et al。114年]。

WatchPAT (Itamar医疗有限公司,以色列)是一个类型4设备用两个手指戴在手腕探测器扩展设备的主体;一个是opticopneumatic传感器进行登记的外周动脉眼压计(PAT)信号和其他措施动脉氧饱和度(115年]。心率信号是来自帕特和身体的设备还包含一个估计睡眠时间长短和区分从起床115年,116年]。呼吸事件在本设备与自动检测算法使用帕特的组合信号衰减,在脉搏血氧测量稀释,心率的变化(116年,143年]。为验证该设备的细节,读者可能想检查阿雅的作品等。115年)、酒吧等。116年),皮特曼et al。117年),或邹et al。119年]。

ApneaLink(美国ResMed)是一个类型4三通道装置测量气流(鼻压力传感器),血氧定量法,和脉搏,提供一个AHI估计基于记录时间。自动化和hand-scored方法都是可以通过ApneaLink软件。在自动设置,默认情况下一个呼吸暂停是指气流下降80%的基线至少10年代与80年代的最长期限。呼吸不足,另一方面,是指气流下降50%的基线至少10年代和100年代的最大持续时间(120年]。ApneaLink不区分阻塞性和中央事件因为信号仅基于气流和没有呼吸努力的记录121年]。流信号的采样率为100 Hz,流量传感器有效范围的−10到10而言不啻₂O和一个16位的信号处理器。信号线性化处理、过滤噪声和基线归零。流量测量是数字化和下载到电脑122年]。验证设备的广泛,在文献中可以找到一些引用在这方面(120年- - - - - -125年]。

Somnolter (Nomics、比利时)3型脊髓灰质炎病毒引起设备记录鼻流,血氧饱和度,身体位置,胸运动,和下巴的动作。自动跟踪的分析是基于一个multisignal方法检测睡眠呼吸暂停/呼吸不足和睡眠/唤醒状态[126年]。记录的矢下颌运动,10 Hz电压采样,数字线性化,和相应的嘴打开存储与其他PSG渠道在一个法国电力公司(EDF)文件(144年]。自动评分应用鼻气流描绘呼吸事件的至少10秒然后根据以下规则:呼吸暂停发生如果一个气流减少超过80%出现在10秒;呼吸不足中如果一个气流减少30%以上发生在协会与稀释≥4%或凸下巴运动后呼吸事件,与一个觉醒126年]。突出的下巴运动的特点是高振幅或不连续的运动时间信号。系统也能窒息事件分类为阻塞性,中央,和混合145年]。关于睡眠/唤醒自动化提供的跟踪分析,后国家的特点是“向上”的身体位置或非常高的“混乱”下巴活动(146年]。验证的自动评分表现同时visual-scored实验室PSG录音进行了在Cheliout-Heraut et al。126年]。

Embletta设备(Natus医疗Inc .)、美国)用于监测3型脊髓灰质炎病毒引起,由鼻腔压力检波器记录的平方根压力作为一个流动指数,胸腹的运动检测通过两个压电腰带,手指脉搏血氧计,和身体的位置检测。比较研究对使用这个设备已经完成在实验室PSG Dingli et al。127年在Ng)和et al。128年]。

更衣室(美国Vivonoetics)是一个合体的背心,传感器嵌入能够监测通过把一系列生理参数,包括呼吸,心率、血氧饱和度、和运动活动(147年,148年]。因此,可分为3型脊髓灰质炎病毒引起的范畴内的便携设备。分析通风通过撷取执行“生命衣”乐队在一个适当的算法,计算体积和呼吸与呼吸的中值进行比较前两分钟的间隔。在这篇文章发表的古德里奇和奥尔129年),验证autoscoring功能设备的比较与人工评分的巴黎圣日耳曼。手动编辑自动生成的结果被允许在有差异的自动分析和技术员(举例来说,由于工件),技术人员可以改的一部分或全部睡眠研究,使其更准确。验证研究的设备还可以发现在卡特等人的作品。130年]。

RUSleeping RTS(荷兰飞利浦Respironics)与单通道类型4扫描仪器监测鼻压力的变化与鼻插管,压力传感器,记录单位提供信号处理和数据分析(133年]。设备监控鼻腔压力的变化来检测计算呼吸事件和索引代表这些事件的数量每小时的一夜之间实时记录(133年]。更详细的自动评分和相应的验证工作的结果可以发现Grover和皮特曼(133年]。

BreasSC20(布瑞亚医疗AB、瑞典)3型脊髓灰质炎病毒引起的四通道设备系统包括氧饱和度由flex传感器,测量和测量气流平方根变换后的记录使用鼻插管鼻腔压力。从鼻腔压力,此外,鼾声信号提取。胸和腹部运动测量装置由两个独立乐队压电晶体,也跟踪人体的位置(131年]。一旦记录已经完成,数据下载到电脑软件的沥青分析软件将提供指示sah和其他相关疾病的存在。更多细节,读者被称为验证研究Nunez et al。132年)和Ruiz-Lopez et al。131年]。

星尘II(荷兰飞利浦Respironics)是3型脊髓灰质炎病毒引起便携式监控器设计测量和记录五诊断参数:热点₂(通过手指探针),脉搏血氧计探头(),气流通过鼻插管)(基于压力的气流,呼吸努力(压电传感器带放置midthorax),和身体位置(内置水银开关)149年,150年]。收集的数据是存储在内存的设备,然后下载到电脑主机的自动分析软件(星尘主机软件、Respironics Inc .)、美国)。阴et al。134年评估这个设备的自动评分算法,然而发现低协议,表明数据分析应该手动执行。

6。讨论

前面整个艺术的状态已经回顾了由计算机sah的自动诊断的方法。睡眠医学领域的日益增长的兴趣,加上最近的计算机分析方法的进步,已经导致了增加的数量在过去几年的发展。的异质性,不同的技术和科学生产的增加使它有点难以效仿的痕迹在该地区近期的事态发展。这种情况促使执行文献综述的目的是作为一个参考为读者感兴趣的发展电脑sah的诊断方法。具体来说,作者重点分析研究文献在过去15年。

一句话要做关于这个词的意思诊断在本文的上下文中。在这方面,诊断必须解释为计算机的容量方法拦截一个定义良好的严重性AHI PSG的自动分析完成后。事实上它必须被考虑,根据最后的版本的发布手册睡眠障碍的国际分类,正式的诊断不能完全基于你好,但是,根据产生的严重性,sah的诊断可能需要你好伴随着其他症状(9]。

考虑到前面,分析书目还有效地表明称为上下文构成字段与一定的成熟度,尽管睡眠科学的相对年轻,近似的数量显著增加,特别是在过去几年。即使审查的范围主要集中在自动操作的方法扩展信号用于临床常规(参见第八AASM手册(6)产生的方法是明显的。实际上,事实是,这些方法还没有绕过研究前沿,和几个解决方案已经出现在市场(见部分5)。承认这些系统以及他们实际使用在现实实践仍然存在,但是,医学专家之间的偏低。可以说,事实上,植入电脑sah的临床常规诊断系统仍处于初步阶段。

分析任务的复杂性无疑是这个缓慢的转移起到了一定的作用。这种复杂性可以反映在许多当前的可用工具现在仍然只是部分满足一些所需的子任务,整合整个诊断过程。例如,存在sah诊断系统提供功能的分析呼吸活动,不过目前缺陷从神经生理学的角度来看,反之亦然。在这个评论,这是显而易见的,例如,当检查的数量综合方法与其他方法相比。

两个并发的趋势可能分化通过检查前面的文献综述。一方面,第一个趋势主要是减少所需的蒙太奇,将复杂的完整的参加了医院环境中进行监测,更轻量级的设置可以最终表现在无人值守的条件下,即使是在病人的家。另一方面,一旦记录已经完成,特别是出于最近的信号处理和人工智能领域的进步,新的分析算法突破与自动化的目的结果数据的分析。

当然,虽然以某种方式相关,这两个趋势可以单独考虑。同时减少的数量要监视信号有几个优点,包括降低成本,更多的安慰病人,或减少等候名单(录音可以并行计划没有受到医院的病床数),还是手动评分结果数据的复杂和耗时。为了这个目的,仍然需要评分过程的自动化。

在分析中执行部分4和5、表1来9旨在作为一个快速参考总结了不同的覆盖方法。特别是,表2,4,6,8,9是为了保持验证的细节不同的方法供参考和比较的目的。比较的结果从一个到另一个方法,然而,并不总是直截了当。首先,众所周知,通常验证结果严重依赖于使用的数据库(人口统计的人口,许多主题,平衡类的,等等)和设计验证测试。这些细节包括提到表内;然而,否则我们将无法实现完全覆盖所有的影响因素。此外,值得回顾的是,值的敏感性和特异性报道表(特别是在表2和9的验证结果有很强的依赖于选定的AHI阈值)对应总是最好的操作方法使用时的自动分析。结果在表中2,4,6,8,9因此可以被看作是乐观的和更深入的分析表明,在许多情况下,性能结果非常依赖于实验条件。记录条件的差异性,评分标准,或验证指标,很难进行客观意义的不同方法之间的比较。这些作者的意见是,验证结果中包含这些表应考虑仅作为指导,他们必须仔细考虑。感兴趣的读者的目的是检查在每个参考提供更多细节。

这种情况下,证据的需要进一步规范验证过程中为了达到更有意义的比较不同的方法。这样的标准化过程将鼓励开放和共识的使用数据库的标准测试设计,可能组织成不同的任务。每个任务将完成特定的必需品要求从临床实践,为每一个适当的验证过程评估其程度的成就也将被标准化。这样一个过程,除了允许更客观的方法比较,将制定具体的目标,帮助指导未来的自动分析方法的发展,填补工程研究和临床必需品之间的差距。

然而不可否认的是,最近电脑技术的进步已经贡献在sah的诊断和打开新的可能性。快速筛查的风险对象,例如,在部分的方法分析的主要目的4.1。大部分的方法在这方面分析(见表1)依靠单一通道的分析,监测血氧饱和度的或通过气流的一些派生的测度。对第一组血氧饱和度(分析),结果表2以前的审查可以相比,Netzer等人(2001年16]报告筛选不同,敏感性和特异性分别为41 - 100和31 - 98之间AHI否决在10 - 15的范围。在最近的评论毛雷尔[151年),使用类似的阈值(5 - 15)筛选这些方法的敏感性与特异性介于65 - 100之间23 - 92之间。看表2我们的分析显示,78 - 100年之间的敏感性和特异性-100到54.2(76.7 70.8 -100年和-100年,分别地。,对于使用气流)的方法。这些值,必须仔细解释原因已经讨论过,不过似乎证实之前报道的趋势在文献中(参见[151年- - - - - -156年])的,一般来说,筛选方法sah诊断往往是偏向敏感度。

评估的有效性筛选方法,然而,并非易事,和群的一些研究人员正在提高的声音,例如,在评估结果的重要性在疾病的流行的背景下(157年]。额外的问题来评估筛查方法是阈值的扩展使用。确实的问题恰恰缺乏共识,建立适当的极限值,导致这些方法的有效性研究样本和不同选择的截止。

与筛查和被估计的方法,检测方法分析了部分4.2(参见表3和4)涉及的相关程度的直接评估他们寻求个人检测每一个窒息发生。其中,有些方法可以发现,也依赖于血氧饱和度信号的分析。事实上,因为它的简单,相对的鲁棒性,和登记的简易性,早期可以找到有计算机方法尝试窒息事件定位的基础上,这个信号。除了这里的方法分析,Netzer等人的作品。16)和Flemons et al。42)包括2000年前的一个很好的复习方法。一般限制产生的算法处理的血氧饱和度,然而,没有能力区分呼吸暂停和呼吸不足或进行分类检测到事件的阻塞性、中央,或混合。

方法进行分析,不同的呼吸通道,如鼻气流,胸腹的呼吸运动,Pes、FOT也被描述。这些方法可能需要更复杂的技术,但是,作为一个结果,更多信息可以提取窒息事件的性质。在这一群体中,方法基于单一的呼吸通道的分析通常更容易遭受外部构件,尤其是那些来自病人的运动。一般来说,更有趣的方法可以获得当算法实现了多通道环境,收集信息从几心肺派生。这些近似需要处理个人的时间相关的事件在不同的渠道,使算法更加复杂。相反,多通道的方法通常导致更精确的检测窒息事件及其后的分类。特别是,结果在表4表明检测呼吸暂停呼吸不足相比,相对比较容易。这并不奇怪,大强度的呼吸暂停代表一个事件更容易识别的巴黎圣日耳曼。呼吸不足,另一方面,更微妙的事件,甚至更多的标准定义这样的事件在历史上一直讨论的问题(5,41]。过度依赖使用阈值检测背景再次产生负面影响。举例来说,一个常见的问题分析的呼吸活动的建立正常的呼吸基线。在这种情况下,使用固定阈值来确定振幅呼吸周期的变化可能会导致不正确的检测的几个窒息事件发生。这是特别重要的后续重复发生的情况下气流作为是很常见的严重sah均正确的呼吸不足事件的检测。

依赖于适当的阈值设置或关键值确实是一个问题共享的许多方法分析综述。这几乎是一个困难的问题,哲学,因为问题的一部分实际上也用不同的方法其次是一个计算机程序和人类的得分手,当面临决策问题的决议。事实上计算机程序通常进行判别分析的输出空间分割成不相交的集(例如,是的或没有)导致分类和分类决策。相比之下,人类决策过程通常使用泛化和近似和受到不确定性的影响。睡眠诊断也不例外,不精确是固有的域和来自不同的来源。存在的噪音信号,数据依赖、冗余、有限的传感器的灵敏度,损失的信息由于模拟数字转换,干扰或专家的内部和intervariability是一些例子。此外,通常是在临床语言给出意见的可能性而非确定性,可能对位的定性条款使用定量的使用条款(因此在对位使用固定数字阈值)。鉴于这样的背景下,构建系统出现的必要性,能够处理启发式知识和模糊的表情和执行决策从定性的角度。最近的事态发展在人工智能和信号分析可能发挥重要作用,成为解决这个问题的一部分。

分类检测到事件的阻塞性、中央、或混合代表了一个进一步的诊断和自动评分项目的一个额外的挑战。本文分析了几种方法在这方面总结在表5和6。结果显示在表中6,似乎歧视的混合事件代表了最艰巨的任务。只有在Reisch等的工作。46),这个类是最准确地检测到。然而,这只有当Pes(入侵)或FOT信号,他们很少用于临床实践。此外,它被认为混合事件的定义也有争议的手动评分(158年因此得分的这些事件预计将特别受到interscorer变异性的影响。

综合方法代表了另外一种观点。方法分析了在这个类别不涉及监控蒙太奇的简化。与以前的方法相比,他们的目标是帮助临床医生,节省时间和减少PSG的复杂性分析,然而,尽管尊重尽可能完整的标准评分程序。

因此综合方法的发展代表了一个伟大的挑战从软件工程的角度。计算机分析整晚的PSG涉及到大量的数据处理,信息必须有意义的关联在不同频道及时检测模式的临床相关性。处理几个PSG渠道意味着应用程序的不同的分析方法来提取各自感兴趣的事件。工件和派生的一系列之间的交互必须仔细考虑。此外,一个系统被认为是一个支持工具来辅助临床决策,它是可取的,它提供了可翻译的输出。前面一定会接受医学知识的形式实现启发式规则,使知识系统的显式地提供给医生。推理过程和后续的跟踪系统中诊断过程应该启用。

在这方面,从软件工程的角度来看,似乎在信号处理方法更有用的从病人的生物中提取相关信息,人工智能技术更适合提取的特征的分析和解释。具体来说,分析和解释的象征性事件,知识密集型的方法是首选在对位数据驱动的近似。有效,虽然能达到更高的精度和数据密集型的使用方法如支持向量机和神经网络,一个问题是没有任何结果的解释功能。事实上,从用户的角度来看,这些方法最终表现为黑盒。

验证的调查研究关于商业方法在部分已经完成5和汇总结果包含在表中9。分析反映了日益增长的兴趣对便携式设备的设计门诊(家庭)监测。28的研究中,只有3称为1型设备的验证,同时,从剩下的25日,13个处理3型脊髓灰质炎病毒引起的验证设备和12类型4设备。然而,从同一25关于便携式设备,只有9确实包含来自家庭监控的数据。,6进行了对比高峰期家庭和1型实验室登记,1同一晚2型监测作为参考,和2使用同一晚3型脊髓灰质炎病毒引起注册。

敏感性和特异性6研究与家庭监控的高峰期比较1型注册92 - 100和50 - 100之间的不同,分别在实验室条件和79.4之间的-100年和-100年76.5的监控。因此,尽管常识会让家庭登记可能会引入额外的噪声来源和不可靠的自动评分,很难从表的结果提取这样的结论9。它是胡子,不过,这些结果预计将至少internight和interstudy变异性的影响。不是结论性的结果当我们消除interstudy因素看个人对于每一个研究结果。另一方面,文学的一些研究也表明,家庭录音的可靠性,当手动评分是由训练有素的技术人员,类似于取得参加了实验室条件下(159年,160年]。不幸的是,所有的研究都试图使比较同一晚实验室登记和同一晚家庭登记使用相同的系统。这样的研究将显示有趣的数据记录条件是否能有一个真正的重大影响的性能自动评分。

尽管如此,尽管便携设备可能不提供完整的功能全面的方法,他们的优势使病人在家里被监控。筛查诊断可以发布,作为第一个报警或控制,用于从医院分诊减少依赖资源。这意味着减少等待时间,降低成本,增加诊断的数量。家庭的降低成本的研究相比,那些在医院已经开展甚至全脚掌等的研究报道。161年)条件下,支持技术人员需要参加病人的家里。通常,然而,这甚至不是必要的,因为病人可以准备回家监测睡眠中心由训练有素的员工。这种趋势实际上是对增量的便携式监测,实践中越来越重要的角色(虽然没有决定性的(42,162年]),与日益增长的科学团体的支持,已经包括在全球许多睡眠中心的临床常规。

便携式设备的集成到一个智能远程控制平台将是下一步,根据作者,在便携式睡眠监测的发展和扩张。这样一个平台能让医务人员增加通过远程监控病人的随访。事实上,由于高成本与住院PSG,目前的诊断通常是限制的数据有限,如果不仅仅只一夜,登记。这是当前的一个主要限制睡眠研究可能偏见诊断,尤其是在每晚疾病并不明显的情况下(例如,对于一些睡眠异态睡眠)。讨论在桌子在医学领域关于第二个晚上效果,还是监测病人的他/她正常的睡眠环境中完成住院晚上monitoring-accurately反映或可以影响实际的睡眠模式。似乎合理的相信,一个数量的增加监控的夜晚将有助于摆脱一夜偏见效应和帮助想出一个更好的诊断。便携式设备的集成到一个智能远程控制平台所能允许的范围,在这方面,降低成本,让更多的病人定期监测。智慧这个词很重要,然而,因为增加监控最终意味着要分析的数据量增加,因此最终的自动分析过程中必须引入可伸缩。

7所示。结论

贡献对sah的计算机辅助诊断的数量在过去的15年里突出。尽管睡眠医学的相对年轻,分析艺术的状态还有效地表明称为上下文构成字段与一定的成熟度。几种方法进行了分析,重点对不同的诊断子任务的过程,从完整的全面的系统的筛查和早期诊断。的确,如今计算机辅助sah诊断系统已经绕过当前研究前沿与几个解决方案出现在市场。的实际使用这些系统的全自动得分的可能性在现实实践中,但仍然很低。

当前的努力在这些系统的设计重点设计的鲁棒算法可以用来准确地解释数据在动态条件下注册。这应该有助于释放的瓶颈集中住院诊断和减少与测试相关的成本。发展完整全面的方法来处理分析充分PSG也希望帮助临床医生和耗时的得分任务。这些方法也可能有助于揭示新数据和模式来提高诊断的相关性。某些方面需要改进在当前可用的方法必须处理过度敏感的工件和噪声的存在,处理变化的困难出现在信号中,过度依赖阈值,结果缺乏解释,或偏差由于病人依赖和人类的主体性。最近的事态发展在人工智能和信号分析可能发挥重要作用在sah诊断系统的未来发展。

还需要进一步的测试。正确评估当前的实际功能的方法,验证必须扩展增加病人的样本,包括更多的异构情况下,利用标准数据库。验证过程应评估的标准化为了让有意义的比较结果。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究已经被Xunta资助部分德加利西亚下研究项目CN2011/007 CN2012/211和部分由欧盟支持ERDF基金和研究项目下MINECO tin2013 - 40686 p。

引用

1. c . Guilleminault f·l·埃尔德里奇,w . c .疯狂的“失眠和睡眠呼吸暂停:一个新的综合症”,科学,卷181,不。4102年,第858 - 856页,1973年。视图:出版商的网站|谷歌学术搜索
2. t .年轻的时候,m . Palta j·邓普西,j . Skatrud s .韦伯和美国巴德尔,“睡眠呼吸障碍的发生在中年人中,“《新英格兰医学杂志》上,卷328,不。17日,第1235 - 1230页,1993年。视图:出版商的网站|谷歌学术搜索
3. n . m .旁遮普的“成人阻塞性睡眠呼吸暂停综合征的流行病学,”美国胸腔学会学报》上,5卷,不。2、136 - 143年,2008页。视图:出版商的网站|谷歌学术搜索
4. 睡眠心脏健康研究SRC,“睡眠心脏健康研究。阅读中心的操作手册,”科技。众议员vmla - 039 - 02年,凯斯西储大学,2002。视图:谷歌学术搜索
5. n . j .莫泽b·a·菲利普斯·d·t·r·贝瑞和l .哈比森,“呼吸不足,到底是什么呢?”胸部,卷105,不。2、426 - 428年,1994页。视图:出版商的网站|谷歌学术搜索
6. c·r·b·贝瑞·r·布鲁克斯Gamaldo et al .,AASM手册睡眠的得分和相关事件:规则、术语和技术规范(2.0版)达,美国睡眠医学学会,生病,美国,2012年。
7. d . j . Pitson Stradling j . r .,“自主觉醒的标志在睡眠中阻塞性睡眠呼吸暂停患者进行调查,他们的关系脑电图微觉醒,呼吸事件和主观嗜睡,”睡眠研究杂志》,7卷,不。1,53至59页,1998。视图:出版商的网站|谷歌学术搜索
8. r·j·托马斯,“微觉醒睡眠呼吸紊乱:模式和影响,“睡眠,26卷,不。8,1042 - 1047年,2003页。视图:谷歌学术搜索
9. 美国睡眠医学学会睡眠障碍的国际分类,美国睡眠医学学会,第3版,2014年版。
10. c . Guilleminault s·j·康诺利,r . a .剔出“心律失常和传导障碍400年睡眠呼吸暂停综合症患者在睡眠时,“美国心脏病学杂志》上,52卷,不。5,490 - 494年,1983页。视图:出版商的网站|谷歌学术搜索
11. d . j . Gottlieb g . Yenokyan a . b .纽曼et al .,“阻塞性睡眠呼吸暂停和事件的前瞻性研究冠状心脏病和心脏衰竭。睡眠心脏健康研究”,循环,卷122,不。4、352 - 360年,2010页。视图:出版商的网站|谷歌学术搜索
12. 美国歧视,g . Yenokyan d . j . Gottlieb et al .,“阻塞性睡眠低通气和中风事件:睡眠心脏健康研究中,“美国呼吸和重症监护医学杂志》上,卷182,不。2、269 - 277年,2010页。视图:出版商的网站|谷歌学术搜索
13. n . m .旁遮普,b . s . Caffo j·l·古德温et al .,“睡眠呼吸性障碍和死亡率:一项前瞻性群组研究,“《公共科学图书馆·医学》杂志上》第六卷,没有。8篇文章ID 1000132、8页,2009。视图:出版商的网站|谷歌学术搜索
14. k说,a . Storfer-Isser r .用et al .,”引发睡眠呼吸障碍的夜间心律失常事件”,美国心脏病学会杂志》上,54卷,不。19日,1797 - 1804年,2009页。视图:出版商的网站|谷歌学术搜索
15. t . Penzel和r . Conradt共同“以计算机为基础的睡眠记录和分析,睡眠医学评论》,4卷,不。2、131 - 148年,2000页。视图:出版商的网站|谷歌学术搜索
16. n . Netzer a . h . Eliasson c . Netzer和d . a . Kristo“隔夜脉搏血氧测量睡眠呼吸障碍的成年人:复习一下,”胸部,卷120,不。2、625 - 633年,2001页。视图:出版商的网站|谷歌学术搜索
17. j·e·丹尼尔斯·r·m·凯顿m . j . Chappell和t . Tjahjadi”Cadosa:模糊专家系统的鉴别诊断阻塞性睡眠呼吸暂停和相关条件,”专家系统与应用程序,12卷,不。2、163 - 177年,1997页。视图:出版商的网站|谷歌学术搜索
18. p . Levy j·l·Pepin c . Deschaux-Blanc b . Paramelle Brambilla和c,“血氧定量法精度检测呼吸干扰的睡眠呼吸暂停综合症,”胸部,卷109,不。2、395 - 399年,1996页。视图:出版商的网站|谷歌学术搜索
19. l·g·奥尔森,a . Ambrogetti和s . g . Gyulay“无人值守过夜血氧定量法,预测睡眠呼吸障碍”睡眠研究杂志》,8卷,不。1,51-55,1999页。视图:出版商的网站|谷歌学术搜索
20. 美国j . Magalang j . Dmochowski s Veeramachaneni et al .,“预测低通气指数一夜之间从脉搏血氧仪,“胸部,卷124,不。5,1694 - 1701年,2003页。视图:出版商的网站|谷歌学术搜索
21. c . Zamarron p v罗梅罗,j·r·罗德里格斯和f·古德,“血氧定量法光谱分析在阻塞性睡眠呼吸暂停的诊断,“临床科学,卷97,不。4、467 - 473年,1999页。视图:出版商的网站|谷歌学术搜索
22. c . Zamarron f·古德,j . Barcala j·r·罗德里格斯和p . v .罗梅罗“效用的血氧饱和度和心率光谱分析获得脉冲oximetric录音的诊断睡眠呼吸暂停综合症,”胸部,卷123,不。5,1567 - 1576年,2003页。视图:出版商的网站|谷歌学术搜索
23. c c。华和c c。Yu”平滑周期图的氧合血红蛋白饱和度脉搏血氧仪在睡眠呼吸暂停综合症:一个自动化分析,“胸部,卷131,不。3、750 - 757年,2007页。视图:出版商的网站|谷歌学术搜索
24. d . s .时期:恶心,a·莱昂和l·f·克雷斯波,“自动频域分析sah的氧饱和度作为筛查工具,”医学工程学和物理学,34卷,不。7,946 - 953年,2012页。视图:出版商的网站|谷歌学术搜索
25. d·阿尔瓦雷斯r . Hornero d . Abasolo f . del Campo和c . Zamarron“非线性特征的血氧饱和度夜间血氧定量法对阻塞性睡眠呼吸暂停检测”生理测量,27卷,不。4、399 - 412年,2006页。视图:出版商的网站|谷歌学术搜索
26. d·阿尔瓦雷斯r . Hornero m·加西亚f . del Campo和c . Zamarron”提高诊断能力的血氧饱和度在阻塞性睡眠呼吸暂停在一夜之间从脉搏血氧测量检测通过集中趋势测量,”人工智能在医学上第41卷。。1、24里面,2007页。视图:出版商的网站|谷歌学术搜索
27. r . Hornero d·阿尔瓦雷斯d . Abasolo f . del Campo和c . Zamarron”近似熵的效用在一夜之间从脉搏血氧测量数据的诊断阻塞性睡眠呼吸暂停综合症,”IEEE生物医学工程,54卷,不。1,第113 - 107页,2007。视图:出版商的网站|谷歌学术搜索
28. f . del Campo r . Hornero c . Zamarron d e . Abasolo d·阿尔瓦雷斯,“氧饱和度规律在阻塞性睡眠呼吸暂停的诊断分析,“人工智能在医学上,37卷,不。2、111 - 118年,2006页。视图:出版商的网站|谷歌学术搜索
29. j . v .马科斯r . Hornero d·阿尔瓦雷斯f . del Campo和c . Zamarron”四个统计模式识别技术协助评估阻塞性睡眠呼吸暂停的诊断从夜间血氧定量法”医学工程学和物理学没有,卷。31日。8,971 - 978年,2009页。视图:出版商的网站|谷歌学术搜索
30. j . Victor-Marcos r . Hornero d·阿尔瓦雷斯f·d·坎波和m . Aboy”自动检测血氧饱和度的阻塞性睡眠呼吸暂停综合症录音使用线性判别分析,“医学和生物工程和计算机,48卷,不。9日,第902 - 895页,2010年。视图:出版商的网站|谷歌学术搜索
31. j . v .马科斯r . Hornero d·阿尔瓦雷斯f . del Campo m·洛佩兹和c . Zamarron“径向基函数分类器来帮助诊断阻塞性睡眠呼吸暂停综合症的夜间血氧定量法,“医学和生物工程和计算机,46卷,不。4、323 - 332年,2008页。视图:出版商的网站|谷歌学术搜索
32. j . Victor-Marcos r . Hornero d·阿尔瓦雷斯f . del Campo c . Zamarron和m·洛佩兹”实用程序的多层感知器神经网络分类器的诊断阻塞性睡眠呼吸暂停综合症从夜间血氧定量法”计算机在生物医学方法和项目,卷92,不。1,第89 - 79页,2008。视图:出版商的网站|谷歌学术搜索
33. j . Victor-Marcos r . Hornero d·阿尔瓦雷斯m . Aboy和f . del Campo”自动预测低通气指数的夜间血氧定量法录音,”IEEE生物医学工程卷,59号1,第149 - 141页,2012。视图:出版商的网站|谷歌学术搜索
34. d·阿尔瓦雷斯r . Hornero j . Victor-Marcos, f . del Campo”多变量分析血氧饱和浓度在阻塞性睡眠呼吸暂停的诊断记录,“IEEE生物医学工程卷,57号12日,第2824 - 2816页,2010年。视图:出版商的网站|谷歌学术搜索
35. d·阿尔瓦雷斯r . Hornero j . Victor-Marcos, f . del Campo”特征选择使用遗传算法从夜间血氧定量法协助阻塞性睡眠呼吸暂停的诊断,“医学工程学和物理学,34卷,不。8,1049 - 1057年,2012页。视图:出版商的网站|谷歌学术搜索
36. a . a . El-Solh美国j . Magalang m . j . Mador et al .,”神经网络诊断的实用潮式呼吸,”医学工程与技术》杂志上,27卷,不。2,54-58,2003页。视图:出版商的网站|谷歌学术搜索
37. g . c . Gutierrez-Tobal r . Hornero d·阿尔瓦雷斯j . v .马科斯c·戈麦斯和f . Del Campo”低通气指数从气流录音的光谱分析,估算”学报的第34届国际会议的IEEE在医学和生物工程协会(磨床的12),页3444 - 3447,圣地亚哥,加利福尼亚州,美国,2012年9月。视图:出版商的网站|谷歌学术搜索
38. g . c . Gutierrez-Tobal r . Hornero d·阿尔瓦雷斯j . Victor-Marcos和f . del Campo”的线性和非线性分析气流录音帮助睡眠apnoea-hypopnoea综合症诊断,”生理测量,33卷,不。7,1261 - 1275年,2012页。视图:出版商的网站|谷歌学术搜索
39. p . Caseiro r . Fonseca-Pinto, a·安德拉德”筛选阻塞性睡眠呼吸暂停使用简要地分解录音的口鼻气道压力,”医学工程学和物理学,32卷,不。6,561 - 568年,2010页。视图:出版商的网站|谷歌学术搜索
40. 索尔兹伯里j . i . y .太阳,“快速筛选试验对睡眠呼吸暂停使用非线性和非平稳的信号处理技术,”医学工程学和物理学卷,29号3、336 - 343年,2007页。视图:出版商的网站|谷歌学术搜索
41. 美国歧视,r . Budhiraja诉Kapur et al .,“睡眠呼吸事件的得分:信度和效度,”临床睡眠医学杂志》上,3卷,不。2、169 - 200年,2007页。视图:谷歌学术搜索
42. w·w·Flemons m . r . Littner j·a·罗利et al .,“家庭睡眠呼吸暂停的诊断:文献的系统回顾,“胸部,卷124,不。4、1543 - 1579年,2003页。视图:出版商的网站|谷歌学术搜索
43. a .布尔戈斯a .戈尼a Illarramendi, j .贝穆德斯“PDA的实时检测呼吸暂停,”IEEE在生物医学信息技术,14卷,不。4、995 - 1002年,2010页。视图:出版商的网站|谷歌学术搜索
44. e·吉尔·j·m·范盖拉和p .拉古纳,“检测脉冲photoplethysmography信号的振幅波动的减少儿童阻塞性睡眠呼吸暂停综合症的迹象,”生物医学信号处理和控制,3卷,不。3、267 - 277年,2008页。视图:出版商的网站|谷歌学术搜索
45. Macey p·m·j·s·j·李,r·p·k·福特“检测专家系统的呼吸暂停,”人工智能技术的工程应用,11卷,不。3、425 - 438年,1998页。视图:出版商的网站|谷歌学术搜索
46. s . Reisch j . Daniuk h . Steltner K.-H。Ruhle、j·蒂莫和j·古德曼爵士,”检测睡眠呼吸暂停的强迫振荡技术障碍三个标准信号相比,“呼吸,卷67,不。5,518 - 525年,2000页。视图:出版商的网站|谷歌学术搜索
47. J.-L。Pepin, p . Defaye e·文森特·s . Christophle-Boulard r . Tamisier p·利维,“睡眠呼吸暂停使用心电图诊断霍尔特设备包括鼻腔压力(NP)记录:验证视觉和鼻腔压力的自动分析和多导睡眠描记术,”睡眠医学,10卷,不。6,651 - 656年,2009页。视图:出版商的网站|谷歌学术搜索
48. p . Varady t Micsik、美国Benedek和z Benyo,”一个新奇的方法检测呼吸呼吸暂停和呼吸不足事件的信号,”IEEE生物医学工程卷,49号9日,第942 - 936页,2002年。视图:出版商的网站|谷歌学术搜索
49. j .汉H.-B。Shin D.-U。宋,k . s .公园,“窒息事件从单通道检测鼻气流使用二阶导方法,”计算机在生物医学方法和项目,卷91,不。3、199 - 207年,2008页。视图:出版商的网站|谷歌学术搜索
50. h . Nakano t Tanigawa、t·古河道和s . Nishima”自动检测睡眠呼吸障碍从单通道气流纪录,”欧洲呼吸杂志卷,29号4、728 - 736年,2007页。视图:出版商的网站|谷歌学术搜索
51. j·j·w·Shin r·b·贝瑞和m . c . k .邱”模糊评估在持续正压通气治疗睡眠呼吸障碍,”睡眠,21卷,不。8,817 - 828年,1998页。视图:谷歌学术搜索
52. h . Nazeran A·阿尔玛k . Behbehani j·伯克和e·卢卡斯,”一个模糊推理系统检测阻塞性睡眠呼吸暂停,”第23届国际会议的程序IEEE在医学和生物学社会工程,卷2,页1645 - 1648,IEEE, 2001年10月。视图:出版商的网站|谷歌学术搜索
53. a . a . Morsy和k . m . Al-Ashmouny“睡眠呼吸暂停检测使用一个基于自适应模糊逻辑的筛选系统,”第27届国际研讨会论文集,生物医学工程学会(IEEE-EMBS ' 05),第6127 - 6124页,上海,中国,2005年9月。视图:谷歌学术搜索
54. k . m . Al-Ashmouny a . a . Morsy和s . f . Loza”睡眠呼吸暂停检测和分类使用模糊逻辑:临床评估,”第27届国际研讨会论文集,生物医学工程学会(磨床' 05),第6135 - 6132页,上海,中国,2005年9月。视图:谷歌学术搜索
55. b . h . Taha, j·a·邓普西,s m .韦伯et al .,“自动检测和分类睡眠呼吸障碍与传统的多导睡眠图数据,”睡眠,20卷,不。11日,第1001 - 991页,1997年。视图:谷歌学术搜索
56. j.y.田和j .刘问:“呼吸暂停检测基于时间延迟神经网络”第27届国际研讨会论文集,生物医学工程学会(IEEE-EMBS ' 05),第2574 - 2571页,上海,中国,2005年9月。视图:谷歌学术搜索
57. d . Sommermeyer d .邹、l·格罗特和j . Hedner“睡眠障碍性呼吸检测及其中央/阻塞性字符使用鼻插管和手指脉搏血氧计,“临床睡眠医学杂志》上,8卷,不。5,527 - 533年,2012页。视图:出版商的网站|谷歌学术搜索
58. h . Steltner r . Staats, j . Timmer et al .,“自动分析诊断睡眠呼吸暂停的鼻腔压力和强制振荡阻抗,”美国呼吸和重症监护医学杂志》上,卷165,不。7,940 - 944年,2002页。视图:出版商的网站|谷歌学术搜索
59. p . Varady s Bongar, z . Benyo”检测气道阻塞和睡眠呼吸暂停通过分析呼吸运动信号的相位关系,“IEEE仪表和测量,52卷,不。1,2 - 6,2003页。视图:出版商的网站|谷歌学术搜索
60. p . j . Houdt p·p·w·Ossenblok m·g·范Erp et al .,“自动breath-to-breath夜间呼吸障碍的分析记录,”医学和生物工程和计算机卷,49号7,819 - 830年,2011页。视图:出版商的网站|谷歌学术搜索
61. “h . m . Al-Angari和a . v . Sahakian阻塞性睡眠呼吸暂停综合症的自动识别使用支持向量机分类器,”IEEE在生物医学信息技术,16卷,不。3、463 - 468年,2012页。视图:出版商的网站|谷歌学术搜索
62. d·j·沃克斯曼,Graupe, d . w . Carley”自动预测呼吸暂停和呼吸浅慢,使用LAMSTAR人工神经网络,”美国呼吸和重症监护医学杂志》上,卷181,不。7,727 - 733年,2010页。视图:出版商的网站|谷歌学术搜索
63. d·j·沃克斯曼,Graupe, d . w . Carley”自动预测呼吸暂停和呼吸浅慢,使用LAMSTAR人工神经网络,”美国呼吸和重症监护医学杂志》上,卷181,不。7,727 - 733年,2010页。视图:出版商的网站|谷歌学术搜索
64. d . Alvarez-Estevez和诉Moret-Bonillo模糊推理用于检测低通气综合征睡眠窒息事件,“专家系统与应用程序,36卷,不。4、7778 - 7785年,2009页。视图:出版商的网站|谷歌学术搜索
65. y Maali和a . Al-Jumaily”基于遗传模糊方法睡眠低通气检测”,国际机器学习和计算机杂志》上,卷2,不。5,685 - 688年,2012页。视图:出版商的网站|谷歌学术搜索
66. a . Otero p . Felix, m·r·阿尔瓦雷斯”算法分析障碍的录音与可定制的标准,“专家系统与应用程序,38卷,不。8,10133 - 10146年,2011页。视图:出版商的网站|谷歌学术搜索
67. A . Otero p . Felix, s·巴罗和c . Zamarron“结构性知识建议呼吸暂停事件的识别和描述,“应用软计算杂志,12卷,不。1,第526 - 516页,2012。视图:出版商的网站|谷歌学术搜索
68. t . Penzel g·b·穆迪·r·g . Mark a . l . Goldberger和j·h·彼得,”Apnea-ECG数据库”,计算机在心脏病学27卷,第258 - 255页,2000年。视图:谷歌学术搜索
69. 2014年生理网,http://www.physionet.org/。
70. y Ichimaru g . b .喜怒无常,“发展障碍的光盘数据库”,精神病学和临床神经科学,53卷,不。2、175 - 177年,1999页。视图:出版商的网站|谷歌学术搜索
71. t .年轻,l·芬恩,p·e·邦德et al .,“睡眠障碍性呼吸和死亡率:名18后续的威斯康辛州睡眠队列,“睡眠没有,卷。31日。8,1071 - 1078年,2008页。视图:谷歌学术搜索
72. s . f .全b . v .霍华德,c . ib et al .,“睡眠心脏健康研究:设计、基本原理和方法,“睡眠,20卷,不。12日,第1085 - 1077页,1997年。视图:谷歌学术搜索
73. a . BaHammam”比较鼻刺压力和热敏电阻测量检测睡眠呼吸事件,“呼吸,卷71,不。4、385 - 390年,2004页。视图:出版商的网站|谷歌学术搜索
74. r . Farre j·m·蒙特塞拉特·m·Rotger e . Ballester和d . Navajas“热敏电阻和热电偶精度检测hypopnoeas流量测量设备,“欧洲呼吸杂志,11卷,不。1,第182 - 179页,1998。视图:出版商的网站|谷歌学术搜索
75. r . Akerkar和p . Sajja以知识为基础的系统琼斯和Bartlett出版商,米西索加,加拿大,2010。
76. p . Szczepaniak模糊系统在医学,物理,2000。
77. y Maali、a . Al-Jumaily和l .腊克语“Self-advising为睡眠呼吸暂停分类支持向量机,”学报》25日澳大拉西亚的联合会议上人工智能(AI的12),页33,悉尼,澳大利亚,2012年12月。视图:谷歌学术搜索
78. n Sezgin和m . Emin Tagluk“能量特征提取为基础的分类睡眠呼吸暂停综合症,”计算机在生物学和医学,39卷,不。11日,第1050 - 1043页,2009年。视图:出版商的网站|谷歌学术搜索
79. t·阿尔安尼y公共澡堂,r . Fodil f . Lofaso d伊莎贝,“使用隐马尔科夫模型对睡眠障碍性呼吸识别、”仿真建模实践和理论,12卷,不。2、117 - 128年,2004页。视图:出版商的网站|谷歌学术搜索
80. o . Fontenla-Romero Guijarro-Berdinas, A . Alonso-Betanzos诉Moret-Bonillo,“睡眠呼吸暂停分类新方法利用小波和前馈神经网络,”人工智能在医学上,34卷,不。1,第76 - 65页,2005。视图:出版商的网站|谷歌学术搜索
81. m . e . Tagluk m .类似,n . Sezgin,“睡眠呼吸暂停的分类使用小波变换和人工神经网络,”专家系统与应用程序,37卷,不。2、1600 - 1607年,2010页。视图:出版商的网站|谷歌学术搜索
82. Tagluk和n . Sezgin,“睡眠呼吸暂停通过分类子频带的能量信号利用小波神经网络+腹部努力,”医疗系统杂志,34卷,不。6,1111 - 1119年,2010页。视图:出版商的网站|谷歌学术搜索
83. b . Guijarro-Berdinas大肠Hernandez-Pereira, d . Peteiro-Barral”专家分类的混合睡眠呼吸暂停”,专家系统与应用程序,39卷,不。8,7084 - 7092年,2012页。视图:出版商的网站|谷歌学术搜索
84. c . Morgenstern m . Schwaibold w . j . Randerath a . Bolz和r·简”的侵入性和非侵入性的方法自动分化阻塞性和中央呼吸不足,“IEEE生物医学工程卷,57号8,1927 - 1936年,2010页。视图:出版商的网站|谷歌学术搜索
85. a .弗雷德·j·菲利浦- m . Partinen, t . Paiva”PSG-Expert-an为睡眠障碍的诊断专家系统,”研究卫生技术和信息、t . Paiva和t . Penzel Eds。,卷。78年,pp. 127–147, IOS Press, 2000.视图:谷歌学术搜索
86. a . Ugon j·g . Ganascia c·菲利普·h·Amiel p·利维,“如何使用符号融合支持睡眠呼吸暂停综合症诊断,”人工智能在医学:13人工智能在医学会议上,长2011年,流血,斯洛文尼亚,2011年7月2 - 6日。诉讼卷,6747在计算机科学的课堂讲稿45 - 54页。Springer,柏林,德国,2011年。视图:出版商的网站|谷歌学术搜索
87. a . Fernandez-Leal诉Moret-Bonillo,“时间知识的智能诊断睡眠呼吸暂停综合症:一个新的方法,”学报IEEE-EMBS第29届国际年会,在医学和生物工程协会(EMBC ' 07),页1039 - 1042,法国里昂,2007年8月。视图:出版商的网站|谷歌学术搜索
88. A . Fernandez-Leal d . Alvarez-Estevez j . m . Fernandez-Pastoriza诉Moret-Bonillo,“一个框架来处理模糊时序事件,”先进的知识和智能信息和工程系统,页179 - 188,IOS出版社,2012年。视图:谷歌学术搜索
89. g .吉马良斯黄永发。彼得,t . Penzel, A . Ultsch“自动化的时态知识获取的方法应用到睡眠呼吸障碍,”人工智能在医学上,23卷,不。3、211 - 237年,2001页。视图:出版商的网站|谷歌学术搜索
90. m . Cabrero-Canosa m . Castro-Pereiro m . Grana-Ramos et al .,”一个智能系统的检测和解释睡眠呼吸暂停,”专家系统与应用程序,24卷,不。4、335 - 349年,2003页。视图:出版商的网站|谷歌学术搜索
91. m . Cabrero-Canosa大肠Hernandez-Pereira诉Moret-Bonillo,“智能诊断睡眠呼吸暂停综合症,”IEEE,生物医学工程杂志,23卷,不。2、72 - 81年,2004页。视图:出版商的网站|谷歌学术搜索
92. d . Alvarez-Estevez睡眠低通气综合征的诊断:一个全面的方法通过一个智能系统援助医疗决定[博士。论文)大学的一个加盟加盟西班牙,2012年。
93. 诉Moret-Bonillo d . Alvarez-Estevez a Fernandez-Leal, e . Hernandez-Pereira“智能方法分析睡眠呼吸信号和氧饱和度的低通气综合征,”医学信息学杂志,8卷,不。1 - 2014页。视图:出版商的网站|谷歌学术搜索
94. d . Alvarez-Estevez j . m . Fernandez-Pastoriza e . Hernandez-Pereira诉Moret-Bonillo,“睡眠的方法自动分析宏观结构在连续统一体,“专家系统与应用程序,40卷,不。5,1796 - 1803年,2013页。视图:出版商的网站|谷歌学术搜索
95. d . Alvarez-Estevez和诉Moret-Bonillo识别多道睡眠脑电图仪的微觉醒的录音。”IEEE生物医学工程,卷。58岁的没有。1,54 - 63年,2011页。视图:出版商的网站|谷歌学术搜索
96. d . Alvarez-Estevez n . Sanchez-Marono a . Alonso-Betanzos诉Moret-Bonillo,“减少维度在数据库的睡眠脑电图微觉醒,“专家系统与应用程序,38卷,不。6,7746 - 7754年,2011页。视图:出版商的网站|谷歌学术搜索
97. e·h·Shortliffe和b·g·布坎南”的不精确推理模型在医学上,“数学生物科学,23卷,第379 - 351页,1975年。视图:出版商的网站|谷歌学术搜索|MathSciNet
98. 一个。诉Moret-Bonillo Fernandez-Leal, e . Mosqueira-Rey“因果时间约束网络表示时态知识,”专家系统与应用程序,36卷,不。1,27-42,2009页。视图:出版商的网站|谷歌学术搜索
99. d·a·沃特曼一个专家系统指导,addison - wesley, 1986。
100. SensorMedics,Somnostar LabManager运营商的手册和教程,1998年SensorMedics。
101. b·坎普和m . Roessen Polyman:免费(ing)查看器标准EDF(+)录音和生长残痕,”睡眠研究在荷兰g . s . f . Ruijgt t . de Boer诉van Kasteel g . van Luijtelaar和美国Overeem, Eds。卷。18日,页。71 - 73年,荷兰的睡眠研究协会,2007。视图:谷歌学术搜索
102. b·坎普,a . h . Zwinderman b . Tuk h·a·c·Kamphuisen和j·j·l·Oberye“睡眠神经反馈回路的分析:脑电图的慢波microcontinuity,”IEEE生物医学工程卷,47号9日,第1194 - 1185页,2000年。视图:出版商的网站|谷歌学术搜索
103. b·坎普和m . Roessen”欧洲数据格式现在支持视频,”睡眠,36卷,不。7,1111年,页2013。视图:出版商的网站|谷歌学术搜索
104. m·r·费伯r . Millman科波拉et al .,”阿斯达的标准实践:便携式录音的评估阻塞性睡眠呼吸暂停,”睡眠,17卷,不。4、378 - 392年,1994页。视图:谷歌学术搜索
105. s d·皮特曼m·m·麦克唐纳·r·b·福格尔et al .,“障碍评估自动评分的录音在人口怀疑睡眠呼吸障碍,”睡眠,27卷,不。7,1394 - 1403年,2004页。视图:谷歌学术搜索
106. g . Klosch b·坎普,t . Penzel et al .,“多种波动描记和临床数据库器午睡项目”IEEE,生物医学工程杂志,20卷,不。3,51-57,2001页。视图:出版商的网站|谷歌学术搜索
107. m·沃尔茨结识p .安德利·g·格鲁伯et al .,“协议基于视觉和自动检测低通气指数,”学报18国会欧洲睡眠研究协会(esr 06年)2006年9月,奥地利因斯布鲁克。视图:谷歌学术搜索
108. b·巴雷罗g . Badosa s Quintana l . Esteban和j·l·埃雷迪亚”对比自动和手动分析的诊断阻塞性睡眠低通气综合征,”Archivos de Bronconeumologia,39卷,不。12日,第548 - 544页,2003年。视图:出版商的网站|谷歌学术搜索
109. o·阿米尔,d . Barak-Shinar y阿莫斯,m·麦克唐纳s皮特曼和d . p .白色,“自动sleep-analysis系统通过一个标准的医院运营监控,“临床睡眠医学杂志》上》第六卷,没有。1,59 - 63年,2010页。视图:谷歌学术搜索
110. p·r·韦斯特布鲁克·d·j . Levendowski m . Cvetinovic et al .,“呼吸暂停的描述和验证风险评估系统,”胸部,卷128,不。4、2166 - 2175年,2005页。视图:出版商的网站|谷歌学术搜索
111. Ayappa, r·g·诺曼诉Seelall和d·m·拉波波特“验证自我实行无人值守监测睡眠障碍性呼吸,”临床睡眠医学杂志》上,4卷,不。1,26-37,2008页。视图:谷歌学术搜索
112. K.-W。观测。Chan T.-O。陈et al .,“验证研究便携式监测设备确定阻塞性睡眠呼吸暂停综合症的症状的患者人群,“Respirology,14卷,不。2、270 - 275年,2009页。视图:出版商的网站|谷歌学术搜索
113. j·h·菲克·g·h·王寅,j . Wilpert f·s·福克斯,e . g . Hahn,“评价一个便携式录音设备(Somnocheck)用于患阻塞性睡眠呼吸暂停,”呼吸,卷68,不。3、307 - 312年,2001页。视图:出版商的网站|谷歌学术搜索
114. c . a . Nigro s Aimaretti s冈萨雷斯和e . Rhodius”的验证WristOx 3100血氧计的诊断睡眠呼吸暂停综合征、”睡眠和呼吸,13卷,不。2、127 - 136年,2009页。视图:出版商的网站|谷歌学术搜索
115. n . t .阿雅皮特曼,m·麦克唐纳和d . p .白色,“戴设备的评估检测阻塞性睡眠呼吸暂停,”睡眠医学,4卷,不。5,435 - 442年,2003页。视图:出版商的网站|谷歌学术搜索
116. 答:酒吧,g .支柱Dvir, j . Sheffy r . p . Schnall p·李维,“便携设备的评估基于无人在家睡眠研究外周动脉基调,”胸部,卷123,不。3、695 - 703年,2003页。视图:出版商的网站|谷歌学术搜索
117. s d·皮特曼n . t .阿雅m·m·麦克唐纳a Malhotra r·b·福格尔,和d . p .白色,“使用可戴设备基于外周动脉张力测定法诊断阻塞性睡眠呼吸暂停:在实验室和动态验证,”睡眠,27卷,不。5,923 - 933年,2004页。视图:谷歌学术搜索
118. j . Hedner k . Bengtsson-Bostrom y狮子狗,l·格罗特l . Rastam和美国Lindblad,“高血压患病率在阻塞性睡眠呼吸暂停和性:以人群为基础的病例对照研究中,“欧洲呼吸杂志,27卷,不。3、564 - 570年,2006页。视图:出版商的网站|谷歌学术搜索
119. d .邹l·格罗特y狮子狗,Lindblad,和j . Hedner”验证便携式监测设备的睡眠呼吸暂停的诊断基于人口群体使用同步多导睡眠描记术,”睡眠卷,29号3、367 - 374年,2006页。视图:谷歌学术搜索
120. 美国美国美国Ng T.-O。Chan K.-W。et al .,“验证一个便携式录音设备(ApneaLink)确定患阻塞性睡眠呼吸暂停综合症,”内科医学杂志,39卷,不。11日,第762 - 757页,2009年。视图:出版商的网站|谷歌学术搜索
121. m·k·厄尔曼·d·斯图尔特,d . Einhorn n .戈登和大肠有格的“验证ApneaLink的睡眠呼吸暂停的筛选:一种新颖而简单的单通道记录设备,“临床睡眠医学杂志》上,3卷,不。4、387 - 392年,2007页。视图:谷歌学术搜索
122. a . Bahammam m·谢里夫·d·e . Gacuan和美国乔治,“手动和自动评分的准确性评价单一气流通道的高概率的阻塞性睡眠呼吸暂停患者,”医学科学监控,17卷,不。2,MT13-MT19, 2011页。视图:谷歌学术搜索
123. c . a . Nigro e . Dibur s Aimaretti s冈萨雷斯和e . Rhodius”比较的自动分析与人工评分从ApneaLink设备诊断阻塞性睡眠呼吸暂停综合症,”睡眠和呼吸,15卷,不。4、679 - 686年,2011页。视图:出版商的网站|谷歌学术搜索
124. h·陈,a . a .劳y呗,p·汉密尔顿,j . a . Fleetham f·r·阿尔梅达,“评价一个便携式录音设备(ApneaLink)例阻塞性睡眠呼吸暂停的选择,”睡眠和呼吸,13卷,不。3、213 - 219年,2009页。视图:出版商的网站|谷歌学术搜索
125. g·r·Ragette y . Wang Weinreich, h . Teschler”诊断单一气流通道的性能记录(ApneaLink)在家里睡眠呼吸暂停的诊断,“睡眠和呼吸,14卷,不。2、109 - 114年,2010页。视图:出版商的网站|谷歌学术搜索
126. f . Cheliout-Heraut f . Senny f . Djouadi m . Ouayoun和f . Bour“阻塞性睡眠呼吸暂停综合症:比较多导睡眠图基于下巴录音和便携式睡眠监测,“临床神经生理学第41卷。。4、191 - 198年,2011页。视图:出版商的网站|谷歌学术搜索
127. k . Dingli e·l·科尔曼m . Vennelle et al .,“便携设备的评估诊断睡眠呼吸暂停/ hypopnoea综合症,”欧洲呼吸杂志,21卷,不。2、253 - 259年,2003页。视图:出版商的网站|谷歌学术搜索
128. 美国美国美国Ng T.-O。Chan K.-W。et al .,“验证Embletta便携式诊断系统识别患阻塞性睡眠呼吸暂停综合征(群),“Respirology,15卷,不。2、336 - 342年,2010页。视图:出版商的网站|谷歌学术搜索
129. 美国古德里奇和w·c·奥尔”,“生命衣”调查的有效性标准相比,多导睡眠图的检测阻塞性睡眠呼吸暂停,”睡眠医学,10卷,不。1,第122 - 118页,2009。视图:出版商的网站|谷歌学术搜索
130. g·s·卡特,m . a . Coyle和w·b·门德尔松的“便携式心肺系统收集数据的有效性在阻塞性睡眠呼吸暂停患者的家庭环境,”睡眠和催眠》第六卷,没有。2、85 - 92年,2004页。视图:谷歌学术搜索
131. f . j . Ruiz-Lopez b . Fernandez-Suarez j . Guardiola-Martinez Vergara-LaHuerta, j . Latour-Perez和m . Lorenzo-Cruz”质量控制的动态polygraphy使用自动分析,“胸部,卷135,不。1,第200 - 194页,2009。视图:出版商的网站|谷歌学术搜索
132. j·r·r·Nunez德卡斯特罗,大肠由于塔楼et al .,“验证研究多种波动描记筛选器的设备(沥青SC20)在睡眠低通气综合征的诊断,“Archivos de Bronconeumologia,39卷,不。12日,第543 - 537页,2003年。视图:出版商的网站|谷歌学术搜索
133. 格罗弗·s·d·皮特曼,”自动检测睡眠障碍性呼吸使用鼻腔压力监测装置,”睡眠和呼吸,12卷,不。4、339 - 345年,2008页。视图:出版商的网站|谷歌学术搜索
134. m .阴宫崎骏,y Itasaka et al .,“初步研究应用便携式监测诊断阻塞性睡眠呼吸暂停,”奥瑞丝Nasus喉,32卷,不。2、151 - 156年,2005页。视图:出版商的网站|谷歌学术搜索
135. a . Rechtschaffen和羽衣甘蓝,手动术语标准化技术和评分系统的人体的睡眠阶段,我们部门的卫生、教育和福利的公共卫生服务,NIH /宁德1968。
136. p .安德利·g·格鲁伯,s Parapatics et al .,”一个E-health自动睡眠解决方案分类根据Rechtschaffen和羽衣甘蓝:Somnolyzer的验证研究$24\times 7$利用午睡数据库”,Neuropsychobiology,51卷,不。3、115 - 133年,2005页。视图:出版商的网站|谷歌学术搜索
137. c . ib s Ancoli-Israel a Chesson, s . f .全AASM手册睡眠的得分和相关事件:规则、术语和技术规范美国睡眠医学学会韦斯切斯特,生病,美国,2007年。
138. p .安德利果汁,a·莫罗·m·沃尔茨结识et al .,“计算机辅助睡眠的分类根据美国睡眠医学学会的标准:Somnolyzer的发布版本的验证研究$24\times 7$”,Neuropsychobiology,卷62,不。4、250 - 264年,2010页。视图:出版商的网站|谷歌学术搜索
139. a . l . Chesson r·a·费伯j·m·弗莱et al .,”美国睡眠障碍协会审查:对多导睡眠图和相关程序的迹象,”睡眠,20卷,不。6,423 - 487年,1997页。视图:谷歌学术搜索
140. s·d·罗斯,中情局Sheinhait k·j·哈里森et al .,“系统回顾和荟萃分析的文献关于睡眠呼吸暂停的诊断,“睡眠,23卷,不。4、519 - 532年,2000页。视图:谷歌学术搜索
141. n . a .皱摺,s l·特雷西诉Kapur et al .,“阻塞性睡眠呼吸暂停设备out-of-center (OOC)测试:技术评估,”临床睡眠医学杂志》上,7卷,不。5,531 - 548年,2011页。视图:出版商的网站|谷歌学术搜索
142. a·c·Tonelli de Oliveira d·马丁内斯l·f·塞·伐斯冈萨雷斯et al .,他“阻塞性睡眠呼吸暂停综合征的诊断及其与家庭便携式监测结果,“胸部,卷135,不。2、330 - 336年,2009页。视图:出版商的网站|谷歌学术搜索
143. s·d·皮特曼:Tal, g .支柱et al .,“自动检测阻塞性睡眠呼吸事件使用外周动脉张力测定法和血氧定量法”IEEE计算机在心脏病学学报》上27卷,第488 - 485页,2000年。视图:谷歌学术搜索
144. b·坎普,A . Varri A·c·罗莎k·d·尼尔森和j·盖德,”一个简单的格式交换多种波动描记录音器数字化”脑电图与临床神经生理学,卷82,不。5,391 - 393年,1992页。视图:出版商的网站|谷歌学术搜索
145. f . Senny j .注定,r . Poirrier“矢下颌运动分析睡眠呼吸暂停和呼吸不足的进球,”IEEE生物医学工程,55卷,不。1,第95 - 87页,2008。视图:出版商的网站|谷歌学术搜索
146. f . Senny j .注定,r . Poirrier“矢下颌运动睡眠/唤醒标记,”IEEE生物医学工程卷,56号2、303 - 309年,2009页。视图:出版商的网站|谷歌学术搜索
147. c . f . Clarenbach欧森,t·约克·m·科勒和k·e·布洛赫”监测通风便携式呼吸感应体积描记器在运动过程中,“胸部,卷128,不。3、1282 - 1290年,2005页。视图:出版商的网站|谷歌学术搜索
148. 诉卡普兰,j . n张e . w . Russi和k·e·布洛赫,“由计算机辅助检测吸气流量限制在睡眠中呼吸感应体积描记法”欧洲呼吸杂志,15卷,不。3、570 - 578年,2000页。视图:出版商的网站|谷歌学术搜索
149. r . Santos-Silva d e . Sartori诉Truksinas et al .,“验证一个便携式监测系统的诊断阻塞性睡眠呼吸暂停综合症,”睡眠,32卷,不。5,629 - 636年,2009页。视图:谷歌学术搜索
150. m .阴、美国宫崎骏和k .石川”评价3型便携式监测在无人值守家里设置怀疑睡眠呼吸暂停:可能影响其精度的因素,”头颈外科,卷134,不。2、204 - 209年,2006页。视图:出版商的网站|谷歌学术搜索
151. j·t·毛雷尔“睡眠相关呼吸障碍的早期诊断,”GMS在耳鼻喉科学当前的主题,头部和颈部手术,7卷,页1 - 2008。视图:谷歌学术搜索
152. a·c·Fedson人工智能包装,t . Gislason“常用睡眠问卷在流行病学和遗传研究阻塞性睡眠呼吸暂停:复习一下,”睡眠医学评论》,16卷,不。6,529 - 537年,2012页。视图:出版商的网站|谷歌学术搜索
153. A . Abrishami A Khajehdehi f .涌,“筛选问卷的系统评价阻塞性睡眠呼吸暂停,”加拿大《麻醉卷,57号5,423 - 438年,2010页。视图:出版商的网站|谷歌学术搜索
154. 美国k·拉马钱德兰和l·A·约瑟夫“荟萃分析阻塞性睡眠呼吸暂停的临床筛查”麻醉学,卷110,不。4、928 - 939年,2009页。视图:出版商的网站|谷歌学术搜索
155. w·t·McNicholas“诊断阻塞性睡眠呼吸暂停综合症的成年人,”美国胸腔学会学报》上,5卷,不。2、154 - 160年,2008页。视图:出版商的网站|谷歌学术搜索
156. j·a·罗利l . s . Aboussouan和m . s .德尔,”临床预测公式的使用评价阻塞性睡眠呼吸暂停,”睡眠,23卷,不。7,929 - 938年,2000页。视图:谷歌学术搜索
157. m·t·比安奇,”筛查阻塞性睡眠呼吸暂停:贝叶斯重,”开放的睡眠杂志,卷2,不。1,56-59,2009页。视图:出版商的网站|谷歌学术搜索
158. r·b·贝瑞r . Budhiraja d . j . Gottlieb et al .,“得分规则睡眠呼吸事件:2007年发布的更新手册睡眠的得分和相关事件,“临床睡眠医学杂志》上,8卷,不。5,597 - 619年,2012页。视图:出版商的网站|谷歌学术搜索
159. c . ib歧视,a . m . k .吉尔平著et al .,“多导睡眠图中执行无人值守回家与参加实验室设置,“睡眠,27卷,不。3、536 - 540年,2004页。视图:谷歌学术搜索
160. e . Ballester m .塘鹅x维拉et al .,“评价一个便携式呼吸记录除号检测呼吸暂停和hypopnoeas主题从一般人群,“欧洲呼吸杂志,16卷,不。1,第127 - 123页,2000。视图:谷歌学术搜索
161. r .全脚掌,a·吉梅内斯和r . Carpizo”回家睡眠研究的评估睡眠呼吸暂停综合征、”胸部,卷122,不。4、1156 - 1161年,2002页。视图:出版商的网站|谷歌学术搜索
162. s t·库纳m . s .德尔,r . j . Kimoff et al .,”一位官员ATS /发布/ ACCP /人研讨会报告:动态管理的研究重点与阻塞性睡眠呼吸暂停的成年人,“美国胸腔学会学报》上,8卷,不。1,硕士论文,2011页。视图:出版商的网站|谷歌学术搜索

版权

版权©2015迭戈Alvarez-Estevez和文森特Moret-Bonillo。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。