An automatic method was developed f

An automatic method was developed for detecting unintentional sleep onset. The automatic method is based on a two-channel electro-oculography
(EOG) with left mastoid (M1) as reference. An automatic estimation of slow eye movements (SEM) was developed and used as the main criterion
to separate sleep stage 1 (S1) from wakefulness. Additionally synchronous electroencephalographic (EEG) activity of sleep stages 1 and 2 was
detected by calculating cross-correlation and amplitude difference in the 1.5–6 Hz theta band between the two EOG channels. Alpha power 8–12 Hz
and beta power 18–30 Hz were used to determine wakefulness. Unintentional sleep onsets were studied using data from four separate maintenance
of wakefulness test (MWT) sessions of 228 subjects. The automatic scoring of 30 s sleep onset epochs using only EOG was compared to standard
visual sleep stage scoring. The optimal detection thresholds were derived using data from 114 subjects and then applied to the data from different
114 subjects. Cohen’s Kappa between the visual and the new automatic scoring system in separating wakefulness and sleep was substantial (0.67)
with epoch by epoch agreement of 98%. The sleep epoch detection sensitivity was 70% and specificity 99%. The results are provided with a 1 s
delay for each 30 s epoch. The developed method has to be tested in field applications. The advantage of the automatic method is that it could be
applied during online recordings using only four disposable self-adhesive self-applicable electrodes.

ผลลัพธ์ (ไทย) 1:

วิธีการอัตโนมัติได้รับการพัฒนาสำหรับการตรวจสอบเริ่มมีอาการนอนหลับตั้งใจ วิธีการอัตโนมัติตามแบบสองช่อง electro-oculography(EOG) กับ mastoid ซ้าย (M1) เป็นการอ้างอิง พัฒนา และใช้เป็นเงื่อนไขหลักการประเมินโดยอัตโนมัติของการเคลื่อนไหวช้าตา (SEM)แยกขั้นตอนป 1 (S1) จาก wakefulness กิจกรรม (EEG) นอกจากนี้แบบซิงโครนัส electroencephalographic ขั้นตอนป 1 และ 2 ถูกตรวจพบ โดยการคำนวณความกว้างและความสัมพันธ์ระหว่างความแตกต่างในวงทีตา 1.5-6 Hz ระหว่างสองช่องทาง EOG อัลฟาพลังงาน 8-12 Hzและพลังงานบีตา 18 – 30 Hz ใช้กำหนด wakefulness ตั้งใจนอน onsets ได้ศึกษาโดยใช้ข้อมูลจากบำรุงรักษาแยก 4รอบเวลาในการทดสอบ (MWT) wakefulness 228 เรื่อง คะแนนโดยอัตโนมัติของ 30 s ปเริ่ม epochs ใช้เฉพาะ EOG ถูกเปรียบเทียบกับมาตรฐานภาพนอนหลับระยะให้คะแนน ขีดจำกัดการตรวจสอบที่ดีที่สุดขึ้นมาโดยใช้ข้อมูลจากวิชา 114 และใช้ข้อมูลจากที่ต่าง ๆวิชา 114 กัปปะของโคเฮนระหว่างภาพและใช้ระบบอัตโนมัติให้คะแนนใหม่ในแยก wakefulness และนอนหลับได้พบ (0.67)กับข้อตกลงยุคโดยยุค 98% ความไวต่อการตรวจสอบยุคปได้ 70% และ specificity 99% ผลมี 1 sความล่าช้าในแต่ละยุค s 30 วิธีการพัฒนาได้ถูกทดสอบในการใช้งานฟิลด์ ข้อดีของวิธีการอัตโนมัติคือ ว่า มันอาจจะapplied during online recordings using only four disposable self-adhesive self-applicable electrodes.

ผลลัพธ์ (ไทย) 3:

วิธีการโดยอัตโนมัติได้รับการพัฒนาเพื่อการตรวจหาเผลอหลับการโจมตี วิธีการอัตโนมัติขึ้นอยู่กับช่องสองโรง oculography
( eog ) กับขมับซ้าย ( M1 ) เป็นตัวอ้างอิง แบบอัตโนมัติของการเคลื่อนไหวของตาช้า ( SEM ) เป็นโปรแกรมที่ใช้เป็นเกณฑ์หลักที่จะแยกเวที
นอน 1 ( S1 ) จากการตื่นตัวนอกจากนี้ในเวลาเดียวกัน electroencephalographic ( EEG ) กิจกรรมของการนอนหลับระยะ 1 และ 2 ถูกตรวจพบโดยการคำนวณความแตกต่าง cross-correlation
และความกว้างขวางใน 1.5 – 6 Hz Theta วงระหว่างสอง eog ช่องทาง อัลฟาพลังงาน 8 – 12 Hz
และเบต้าอำนาจ 18 – 30 Hz ถูกใช้เพื่อตรวจสอบการตื่นตัว ผู้ป่วยนอนตั้งใจศึกษาโดยใช้ข้อมูลจากสี่แยกการบำรุงรักษา
ทดสอบการตื่นตัว ( mwt ) เซสชันของ 228 คน โดยอัตโนมัติคะแนน 30 นอนหลับเริ่มยุคสมัยโดยใช้เพียง eog เปรียบเทียบกับมาตรฐาน
ภาพนอนขั้นตอนการให้คะแนน ธรณีประตูตรวจจับที่ดีที่สุดได้โดยใช้ข้อมูลจาก 114 คนและจากนั้นใช้ข้อมูลจากที่แตกต่างกัน
114 คนโคเฮนเป็นกัปปะระหว่างภาพและระบบการให้คะแนนใหม่โดยอัตโนมัติในการตื่นตัวและนอนเป็นรูปธรรม ( 0.67 )
กับยุค โดยยุคสัญญา 98% นอนให้ความไวและความจำเพาะการเป็น 70% ถึง 99% ผลลัพธ์ให้กับ 1 S
หน่วงเวลา 30 วินาทีสำหรับแต่ละยุคสมัย วิธีการที่พัฒนาขึ้นได้ถูกทดสอบในการใช้งานภาคสนามประโยชน์ของวิธีการอัตโนมัติคือว่ามันอาจจะใช้ในการบันทึกการใช้ออนไลน์
4 ทิ้งกาวตนเองใช้ขั้วไฟฟ้า