На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации)

Свежие комментарии

  • Владимир
    Риск снижается, но все равно в итоге приводит к 100 % смертности.Инфаркт миокарда ...

Вести с полей: видеокарты помогут в анализе сна

Нарушения сна становятся все более и более частой проблемой жителя современного города. И анализ стадий сна на полисомнографическом исследовании становится все более и более актуальным не только для науки, но и для повседневной клинической практики. Ученые из Саратовского государственного университета имени Н.

Г. Чернышевского и московского Национального медицинского исследовательскогого центра профилактической медицины предложила автоматизированный алгоритм для детектирования различных стадий сна на основе частотно-временного анализа биофизических сигналов, записанных во время ночного мониторинга с использованием технологии параллельных вычислений на графических процессорах (GPU). Работа была представлена на XXIV съезде Физиологического Общества имени И. П. Павлова в Санкт-Петербурге, главными инфопартнерами которого стали портал Neuronovosti.Ru и объединенная редакция порталов Indicator.Ru и Inscience.News.

alt
Полисомнографическое исследование. Clinique Somnomed/Wikimedia Commons 

Как пишут авторы работы, несмотря на значительные успехи в области разработки автоматических алгоритмов детектирования стадий сна в медицинских целях, эти алгоритмы почти не применяются на практике из-за низкого уровня точности, который, в свою очередь, связан с высокой вариабельностью полисомнографических записей и из-за большого времени, которое приходится затрачивать алгоритму на анализ.Новый метод использует возможности параллельных вычислений на GPU и основан на использовании методов непрерывного вейвлетного преобразования. Как сообщается авторами работы, новая методика показала свою работоспособность и относительно высокое качество: совпадение с разметкой врача-сомнолога составило 81 процент, что никак не уступает алгоритмам-предшественникам, но значительно сокращает время, затраченное на анализ, благодаря использованию GPU. Авторы считают, что тренировка алгоритма на ЭЭГ конкретного пациента перед сном позволит еще повысить точность исследования.  

Текст: Алексей Паевский

Съезд посвящен 300-летию Российской академии наук и включен в инициативу «Работа с опытом» Десятилетия науки и технологий.

Материал подготовлен при финансовой поддержке Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий».

Adblock test (Why?)

Ссылка на первоисточник

Картина дня

наверх