ApneaSense · 研究

睡眠呼吸中止聲學研究:任務、數字與限制

請將這些工作理解為聲學分類研究,不是 OSA 診斷或篩檢承諾。PSG 標註將 200 秒窗口分成正常或含呼吸中止/低通氣。這與 SomniSense 中顯示的聲學候選時刻,以及未來買方裝置評估,是不同層次。

查看 SDK 評估途徑 →

資料集與評估單位

Paper A 記載 40 位參與者、80 人夜:10 個實驗室 PSG 夜晚及 70 個攜帶式 PSG 夜晚。錄音使用不同消費型手機與平板麥克風。資料包含 13,538 個已標註的 1 秒鼾聲片段及 2,953 個 200 秒呼吸窗口。

呼吸標籤包含 1,498 個正常窗口與 1,455 個含呼吸中止或低通氣的窗口。後者由 1,089 個呼吸中止標籤窗口及 366 個低通氣標籤窗口合併。這是窗口數,不是個別臨床事件數或確診患者數。

每個數字對應各自配置

Paper A:1 秒鼾聲片段分類的五種子平均準確率為 94.29%、F1 為 90.28%。其 200 秒呼吸窗口基線準確率是 83.82%,不能與壓縮結果混用。

Paper E:Pruned 50% + fine-tuning + QAT 的準確率為 88.49%、F1 為 88.06%、參數 9,416 個、模型檔 56.4 KB。壓縮評估以 seed 42 在 2,953 個窗口中採 60/20/20 分層切分;報告測試集為 591 個窗口。

另測 CoreML Pruned 50% + fine-tuning 在 Apple M2 MacBook Pro 的前向推論:平均 0.064 ms、P95 0.076 ms,20 次暖機後測 200 次。不含音訊前後處理。這與 QAT 列不是同一測試配置,也不是買方端到端保證。

尚未證明的部分

論文說明按種子分層切分,並非以參與者隔離的前瞻性臨床試驗。樣本有限,跨裝置、場域與族群的泛化仍需評估。窗口指標不證明候選起止、時長、臨床 AHI 或患者層級篩檢敏感度。

Paper E 說明這是回溯探索研究,資料來源存在限制,包括沒有可取得的正式倫理審查記錄,原同意未明確涵蓋後續研究發表。不能把它描述成已通過正式倫理審查的臨床研究。

方法公開,健康資料不公開

方法與訓練程式碼公開;參與者音訊、標籤及衍生特徵矩陣不提供下載,壓縮程式庫也不提供訓練權重。你可以用有適當授權的資料檢查及執行方法,但無法僅靠公開程式碼獨立重現原始資料集結果。

研究

研究來源保留英文原件。這些是預印本,不代表已通過同儕審查。公開程式碼不包含原始健康資料集或買方 SDK。

Research Square · 來源 DOI · Google Scholar · ORCID

開始前可能想問

88.49% 代表能找出 88.49% 的 OSA 患者嗎?

不是。這是已標註 200 秒窗口的分類準確率,不是患者敏感度、臨床事件邊界準確率,也不是個人夜晚保證。

此處模型分別輸出呼吸中止和低通氣嗎?

此呼吸 benchmark 將兩類標籤窗口合併為一類。它並未證明能由聲音做出各別臨床診斷。

查看 SDK 評估途徑 →