一种基于深度学习的家用式不宁腿综合症早期诊断系统

摘要

不宁腿综合症是一种常见的睡眠障碍疾病.该文提出一种基于深度学习的家用式不宁腿综合症诊断系统,适用于症状不稳定的早期患者进行日常诊断.该系统硬件部分安装于床体,基于加速度传感器实现非接触式的无感睡眠体动信号采集;软件部分利用深度学习进行信号分类识别——基于Keras框架构建全连接前馈网络,实现共7种睡眠体动类型识别,综合分类准确率可达97.83％.该系统根据上述检测结果评估睡眠过程中周期肢动指数和觉醒指数,评估结果可以作为不宁腿综合症早期诊断的依据.