SleepFM - スタンフォード大学のオープンソースのマルチモーダル睡眠分析モデル - AiBoss

SleepFMとは何ですか？

SleepFMは、スタンフォード大学が開発したオープンソースのマルチモーダル睡眠分析モデルです。14,000人以上の参加者から得られた100,000時間分の睡眠データに基づき、脳活動、心電図（ECG）、呼吸信号を統合することで、包括的な睡眠健康評価を提供します。睡眠分析の効率と精度向上を目指し、睡眠段階分類と睡眠障害検出の精度を最適化するために、対照学習技術を採用しています。SleepFMは、臨床診断や研究に役立てることができ、個人の睡眠健康管理のためのウェアラブルデバイスに統合することも可能です。オープンソースであるため、睡眠医学分野における強力な研究・応用プラットフォームとなります。

SleepFMの主な機能

睡眠段階分類覚醒、浅い睡眠、深い睡眠、レム睡眠など、個人の睡眠段階を自動的に分析し、分類します。
睡眠障害呼吸検査睡眠中の呼吸異常（無呼吸や低換気など）を特定する。
人口統計属性予測生理学的信号から個人の年齢と性別を予測する。
データ取得生理学的信号に対応する他のモード信号を取得します。
臨床補助これは、臨床医が睡眠モニタリングデータを分析する際に役立ち、診断効率を向上させます。
健康管理これは、個人の睡眠健康状態をモニタリングおよび管理するためのウェアラブルデバイスに組み込むことができる。
研究および医薬品開発睡眠関連の臨床研究および薬剤有効性モニタリングを支援します。

SleepFMの技術原則

マルチモーダルデータ融合これは、脳、心臓、肺からそれぞれ得られるBAS、ECG、呼吸信号を組み合わせ、19のデータチャンネルをカバーする。
対照学習フレームワークSleepFMは、ペアワイズ対照学習（CL）とリーブワンアウト対照学習（CL）という2つの対照学習フレームワークを探求します。ペアワイズ対照学習は、異なるモダリティからの正の一致ペアを潜在空間内で近づけ、負の一致ペアを遠ざけます。一方、リーブワンアウト対照学習は、対照学習サンプルを構築する際に、2つの入力と残りの入力を組み合わせることで、断片から3つのサンプルペアを構築します。
自己主導型事前トレーニングSleepFMは自己教師あり学習法を採用しており、事前学習段階ではラベル付きデータに依存しません。その代わりに、設計されたデータ拡張戦略と対照的な損失関数を通してデータ表現を学習します。
下流タスクのパフォーマンス向上事前学習済みの表現は、睡眠段階の分類や睡眠時無呼吸（SDB）の検出など、さまざまな下流タスクに使用されます。SleepFMは、従来のエンドツーエンドで学習された畳み込みニューラルネットワーク（CNN）よりも優れた性能を発揮します。

SleepFMのプロジェクトアドレス

GitHubリポジトリ：https://github.com/rthapa84/sleepfm-codebase
arXiv技術論文：https://export.arxiv.org/pdf/2405.17766

SleepFMの応用事例

臨床診断これは、医師や睡眠専門医が睡眠モニタリングデータを迅速かつ正確に分析するのに役立ち、診断の効率と精度を向上させます。
睡眠研究睡眠医学の研究では、臨床試験データの分析や薬剤効果のモニタリングに加え、睡眠パターンや睡眠障害の研究も行います。
健康管理これはウェアラブルデバイスやスマートホームシステムに組み込むことができ、個人の睡眠の質をモニタリングし、改善するのに役立ちます。
医薬品開発新薬開発や臨床試験において、睡眠の質に対する薬剤の効果を評価するために用いられる。
教育と訓練医学教育においては、睡眠生理学や睡眠障害の特定について学生や医療従事者が学ぶための教材として活用されている。
遠隔医療遠隔医療環境では、医療機関から遠く離れた患者に対して、睡眠モニタリングおよび分析サービスが提供される。