iSleep: Continuous, binocular pupil tracking in sleep and reduced consciousness for physiological monitoring, predictions and interventions
Notice bibliographique
Résumé
Abstract Monitoring pupil dynamics is a key tool in understanding arousal. Pupil size can serve as a biomarker for the autonomic nervous system balance as well as for identifying brain states. While internal states can also be self-reported when awake, automated detection and non-invasive monitoring is crucial during sleep and reduced consciousness. Here, we introduce iSleep, an innovative pupil tracking and analysis framework for sleep in humans. It features comfortable, humidified eye-tracking goggles and a platform for integrated analysis and prediction capabilities. We show that iSleep allows safe and continuous access to binocular pupil size and ocular dynamics during sleep and anesthesia. iSleep reveals that pupillary fluctuations correlate tightly with brain activity, heartbeat, and breathing, and can reliably predict brain states. Pupil constrictions reflect parasympathetic drive and likely serve a protective function for deep sleep stability; while dilations indicate arousals. Unexpectedly, we observed a decoupling of binocular movements during periods of sleep, indicating alterations in reflexes which usually govern voluntary eye movements. Finally, iSleep was tested in surgery patients under general anesthesia, revealing dynamic pupil changes to noxious stimuli, suggesting the potential for nociception monitoring during surgeries. In summary, iSleep offers an easy-to-use, robust alternative to read out brain states during sleep and anesthesia, opening new avenues in monitoring, diagnostics, and treatments, previously obscured by closed eyelids.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».