Non-contact assessment of obstructive sleep apnea cardiovascular biomarkers using photoplethysmography imaging
Notice bibliographique
Résumé
Obstructive sleep apnea (OSA) affects 20% of the adult population, and is associated with cardiovascular and cognitive morbidities. However, it is estimated that up to 80% of treatable OSA cases remain undiagnosed. Cur- rent methods for diagnosing OSA are expensive, labor-intensive, and involve uncomfortable wearable sensors. This study explored the feasibility of non-contact biophotonic assessment of OSA cardiovascular biomarkers via photoplethysmography imaging (PPGI). In particular, PPGI was used to monitor the hemodynamic response to obstructive respiratory events. Sleep apnea onset was simulated using Muller's maneuver in which breathing was obstructed by a respiratory clamp. A custom PPGI system, coded hemodynamic imaging (CHI), was positioned 1 m above the bed and illuminated the participant's head with 850 nm light, providing non-intrusive illumination for night-time monitoring. A video was recorded before, during and following an apnea event at 60 fps, yielding 17 ms temporal resolution. Per-pixel absorbance signals were extracted using a Beer-Lambert derived light transport model, and subsequently denoised. The extracted hemodynamic signal exhibited dynamic temporal modulation during and following the apnea event. In particular, the pulse wave amplitude (PWA) decreased during obstructed breathing, indicating vasoconstriction. Upon successful inhalation, the PWA gradually increased toward homeostasis following a temporal phase delay. This temporal vascular tone modulation provides insight into autonomic and vascular response, and may be used to assess sleep apnea using non-contact biophotonic imaging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».