Automatic Sleep Staging and Longitudinal EEG Biomarkers in REM Sleep Behavior Disorder
연구 내용
비침습 센서인 비강 압력 신호로 수면 단계를 자동 분류하고, iRBD에서 종단 qEEG 변화를 분석해 인지저하 위험 관련 바이오마커를 도출하는 연구
수면다원검사 수준의 복잡도를 줄이기 위해 비강 압력 단일 차원 신호로 수면 단계를 분류하는 딥러닝 구조를 설계합니다. 다중 커널 합성곱과 bidirectional long short-term memory 조합을 통해 시간-주파수 패턴을 학습하고, 3-클래스 및 4-클래스 수면 상태를 자동 예측합니다. 또한 고립 REM 수면 행동장애(iRBD) 환자를 대상으로 5년 추적 자료에서 상대 파워 기반 qEEG 변화를 정량 분석하여 인지 상태 변화와 연관되는 전도(느려짐) 양상을 평가합니다. 이와 같이 분류 정확도와 종단적 임상 의미를 함께 연결하는 연구를 수행합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구에서는 수면다원검사의 센서 부담을 낮추기 위해 비강 압력 신호만으로 수면 단계를 분류하는 모델을 개발했습니다. 이후에는 자동 분류를 넘어, iRBD 환자에서 종단적으로 어떤 주파수 대역과 뇌 영역의 변화가 인지저하와 연관되는지 정량 평가하는 방향으로 확장되었습니다. qEEG 스펙트럴 분석과 통계적 종단 모델링을 적용하여 시간에 따른 EEG slowing 양상을 확인하고, 빠른 대역 변화가 예측 지표로 활용될 가능성을 제시했습니다. 두 축은 비침습 수면 평가의 구현과 임상 바이오마커 후보 탐색을 동시에 뒷받침하도록 구성되었습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Automatic Sleep Stage Classification Using Nasal Pressure Decoding Based on a Multi-Kernel Convolutional BiLSTM Network
1274 Longitudinal Changes in Resting-state EEG in Isolated REM Sleep Behavior Disorder