“`html
Исследователи из Университета Стэнфорда предлагают SleepFM: первую мульти-модальную модель основы для анализа сна
Сон – важный физиологический процесс, связанный с общим здоровьем. Однако точная оценка сна и диагностика нарушений сна остаются сложными задачами из-за необходимости интерпретации многомодальных данных, обычно получаемых с помощью полисомнографии (PSG). Текущие методы мониторинга и анализа сна часто полагаются на обширную ручную оценку обученных техников, что занимает много времени и подвержено изменчивости. Исследователи из Университета Стэнфорда и Технического университета Дании представили SleepFM для полного учета богатства записи сна.
Практические решения и ценность
Методы анализа сна, использующие модели глубокого обучения, в основном включают в себя сверточные нейронные сети (CNN), обученные на исходных данных PSG. Хотя эти модели могут автоматизировать некоторые аспекты анализа сна, часто требуется улучшение производительности, особенно при работе с многомодальными данными из различных физиологических источников. SleepFM – первая мульти-модальная модель основы для анализа сна, которая решает ограничения существующих моделей. SleepFM использует большой набор данных записей PSG от более чем 14 000 участников для изучения надежных вложений через контрастное обучение (CL). Модель использует новый подход к контрастному обучению, который улучшает производительность последующих задач по сравнению со стандартным парным CL.
Исследователи создали обширный набор данных PSG, включающий 100 000 часов записей, и использовали многоэтапную предварительную обработку для сохранения важных характеристик сигнала. Архитектура SleepFM включает три 1D CNN, каждая генерирующая вложения для различных модальностей (сигналы активности мозга, ЭКГ и дыхательные сигналы). Эти CNN основаны на архитектуре EfficientNet, оптимизированной для эффективности и уменьшения сложности. Инновационная структура контрастного обучения позволяет модели изучать представления, выравнивая каждую модальность с агрегированным представлением остальных модальностей, поощряя всестороннее изучение многомодальных данных.
В ходе оценки производительности SleepFM продемонстрировала значительные улучшения по сравнению с конволюционными нейронными сетями. Для классификации стадий сна модель логистической регрессии, обученная на вложениях SleepFM, достигла макро AUROC 0,88 по сравнению с 0,72 у CNN, и макро AUPRC 0,72 по сравнению с 0,48. При обнаружении нарушений дыхания во сне SleepFM также превзошла CNN, показав AUROC 0,85 и AUPRC 0,77. Кроме того, SleepFM превзошла в извлечении соответствующих записей из различных модальностей, показав 48% вероятность верного выбора среди 90 000 кандидатов. Эти результаты подчеркивают способность модели эффективно улавливать богатые многомодальные представления сна.
В заключение, предложенная модель решает проблемы мониторинга сна и диагностики нарушений и значительно превосходит традиционные CNN в различных задачах, связанных со сном. Инновационный подход контрастного обучения и надежная кураторская работа с набором данных подчеркивают потенциал всестороннего мульти-модального моделирования для продвижения анализа сна. Превосходная производительность SleepFM в классификации стадий сна и обнаружении нарушений дыхания во сне, а также надежная обобщенность к внешним наборам данных, делают ее многообещающим инструментом для улучшения исследований сна и клинических приложений.
Проверьте статью и GitHub. Вся заслуга за это исследование принадлежит исследователям этого проекта. Также не забудьте подписаться на нас в Twitter.
Присоединяйтесь к нашему Telegram-каналу и группе LinkedIn.
Если вам нравится наша работа, вам понравится наш новостной бюллетень.
Не забудьте присоединиться к нашему 45k+ ML SubReddit.
Исследователи из Университета Стэнфорда предлагают SleepFM: первую мульти-модальную модель основы для анализа сна
Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте Researchers at Stanford University Propose SleepFM: The First Multi-Modal Foundation Model for Sleep Analysis.
Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизации: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.
Определитесь какие ключевые показатели эффективности (KPI): вы хотите улучшить с помощью ИИ.
Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI.
На полученных данных и опыте расширяйте автоматизацию.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями о ИИ в нашем Телеграм-канале t.me/itinainews или в Twitter @itinairu45358.
Попробуйте AI Sales Bot https://itinai.ru/aisales Этот AI ассистент в продажах, помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.
Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab itinai.ru будущее уже здесь!
“`
