准确率超商用系统
以AASM标准为基准，在临床数据上实现比Philip Sleepware G3 Somnolyzer系统更高的分期一致性与泛化能力。
程涵蓉 · Yang, Yifei · 冯洋 · 王兴军
Computers in Biology and Medicine 2024
在相同104名受试者上，CNN整体准确率81.81%，高于Somnolyzer的77.07%，且F1和Cohen's kappa也更高，说明自动分期可以更接近人工评分。
仅使用左侧眼电（EOG）单通道信号的CNN模型，在分期指标上仍小幅优于Somnolyzer，降低了设备复杂度和佩戴负担。
在263名受试者、OSA患病率不同的交叉验证数据集上，CNN准确率仍超过80%，说明模型不只在训练分布内有效。