0120 Emulating Human Sleep Spindle Scoring
Notice bibliographique
Résumé
Sleep spindles are a marker of stage 2 NREM sleep, have been linked to the process of learning & memory, and are altered by many neurological diseases. For human clinical polysomnography, the visual scoring of sleep spindles by human experts is generally considered the gold standard, but it is time-consuming, costly and can introduce inter/ra-scorer bias. Automated spindle detection methods are efficient and reproducible, but are not well-correlated with human scoring. Typically, automated detectors find large numbers of false positives (‘hidden spindles’) relative to human scorers. While it is plausible that the false positives are biologically meaningful, these ‘hidden spindles’ present several problems, including: i) Lack of gold standard for ‘hidden spindles’; ii) Lack of agreement between automated detectors for ‘hidden spindles’; iii) ‘Hidden spindles’ can be found throughout NREM, REM and wake, and therefore no longer are consistent with the original concept of the sleep spindle. To reduce the problem of ‘hidden spindles’, we have developed an automated spindle detector (‘A7’) that emulates how a human scores spindles. The ‘A7’ detector relies on the correlation/covariation of the sigma band-passed signal to the original broadband filtered (0.3-30Hz) EEG signal. To test the performance of the detector, we compared it against a gold standard spindle dataset derived from the consensus of a crowd-sourced group of human experts. The by-event performance of the ‘A7’ spindle detector was similar to individual experts (f1 score: 0.70 vs 0.67) against the consensus of a group of human experts. This was 0.17 points higher than other spindle detectors we tested. The ‘A7’ detector is designed to emulate human spindle scoring by minimizing the number of ‘hidden spindles’ detected and thereby detecting spindles that have the highest signal/noise ratio. We provide an open-source implementation of this detector for further use and testing. Funding for this work was provided by the Chaire Pfizer, Bristol-Myers Squibb, SmithKline Beecham, Eli Lilly en psychopharmacologie de l’ Université de Montréal, the Centre de Recherche Hôpital du Sacré-Coeur de Montréal, and the Canadian Institutes of Health Research (CIHR).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».