SimuSOE

SimuSOE数据集由武汉大学中南医院睡眠医学中心创建，专门用于阻塞性睡眠呼吸暂停低通气综合征（OSAHS）的评估。该数据集包含4428条模拟打鼾音频样本，来自82名成年参与者，涵盖不同睡眠姿势的录音。数据集的创建过程中，参与者在清醒状态下模拟打鼾，以捕捉上呼吸道阻塞的病理特征。SimuSOE数据集主要应用于OSAHS的初步筛查和评估，旨在通过模拟打鼾信号提高诊断效率和准确性。

The SimuSOE dataset was created by the Sleep Medicine Center of Zhongnan Hospital, Wuhan University, and is specifically designed for the evaluation of obstructive sleep apnea-hypopnea syndrome (OSAHS). This dataset contains 4,428 simulated snoring audio samples collected from 82 adult participants, with recordings covering different sleep postures. During the creation of the dataset, participants simulated snoring while awake to capture the pathological features of upper airway obstruction. The SimuSOE dataset is mainly applied to the preliminary screening and evaluation of OSAHS, aiming to improve the efficiency and accuracy of diagnosis via simulated snoring signals.

搜集汇总

数据集介绍

构建方式

SimuSOE数据集的构建方式独特，采用了一种新颖且高效的打鼾收集方法。研究者们采用模拟打鼾，即患者故意发出的打鼾声，来代替自然打鼾声。这种模拟打鼾可以在清醒状态下轻松捕捉，避免了传统睡眠音频收集的耗时问题。数据集包括82名成年参与者的4428条模拟打鼾音频样本，每位参与者在仰卧位和侧卧位下模拟打鼾，并接受了多导睡眠图（PSG）诊断。这些音频样本随后由经验丰富的专家基于PSG数据生成PSG报告，并根据AHI（呼吸暂停低通气指数）对参与者进行诊断和严重程度分类。

特点

SimuSOE数据集的特点在于其模拟打鼾音频样本的多样性，涵盖了仰卧位和侧卧位两种睡眠姿势。这使得数据集能够更全面地捕捉上呼吸道阻塞的特征，有助于提高OSAHS初步筛查的准确性。此外，数据集的构建考虑到了OSAHS在男性和女性中的不同发病率，以及年龄和体重指数（BMI）等因素对OSAHS严重程度的影响，从而使得数据分布更加接近真实情况。

使用方法

SimuSOE数据集的使用方法包括但不限于OSAHS的初步筛查和严重程度的评估。研究者们可以利用数据集中的模拟打鼾音频样本，提取相应的声学特征，并采用机器学习模型进行训练和评估。例如，使用AST模型进行基线实验，结果表明模拟打鼾在清醒状态下可以有效诊断OSAHS，并且结合睡眠姿势信息可以提高筛查的准确性。此外，研究者们还可以进一步探索模拟打鼾在侧卧位下的特征，以及其在严重OSAHS筛查任务中的应用效果。

背景与挑战

背景概述

SimuSOE数据集是在2024年7月由武汉大学的计算机科学学院和睡眠医学中心的研究人员提出的，旨在为阻塞性睡眠呼吸暂停低通气综合征（OSAHS）的评估提供一个模拟打鼾数据集。OSAHS是一种常见的慢性呼吸障碍，由于上气道阻塞而引起。先前的研究通过在睡眠打鼾或语音信号数据集上训练机器学习系统来推进OSAHS的评估。然而，构建用于训练精确和快速OSAHS评估系统的数据集面临挑战，因为1）收集睡眠打鼾耗时；2）语音信号在反映上气道阻塞方面有限。SimuSOE数据集通过引入一种新颖且省时的打鼾收集方法来应对上述问题。特别是，我们采用模拟打鼾，这是一种由患者故意发出的打鼾类型，以取代自然打鼾。实验结果表明，清醒时的模拟打鼾信号可以作为OSAHS初步筛查的有效特征。

当前挑战

SimuSOE数据集相关的挑战包括：1）构建过程中所遇到的挑战，例如，如何有效地收集和记录模拟打鼾信号，以及如何确保数据的质量和准确性；2）所解决的领域问题的挑战，例如，如何利用模拟打鼾信号来准确地评估OSAHS的严重程度，以及如何将睡眠体位信息整合到OSAHS评估模型中，以提高评估的准确性和可靠性。

常用场景

经典使用场景

SimuSOE数据集主要用于阻塞型睡眠呼吸暂停低通气综合征（OSAHS）的初步筛查。通过模拟打鼾的方式，研究人员可以在清醒状态下收集打鼾声音，从而避免了传统睡眠呼吸暂停监测方法中所需的高时间和成本投入。SimuSOE数据集收集了82名成年参与者在仰卧和侧卧位模拟打鼾的声音，并使用多导睡眠图（PSG）对参与者进行OSAHS诊断，以提供打鼾声音与OSAHS严重程度之间的关联。该数据集为OSAHS的初步筛查提供了一个高效、经济的方法。

衍生相关工作

SimuSOE数据集衍生了多项相关工作。首先，该数据集的构建方法为其他疾病的音频信号收集提供了参考。其次，SimuSOE数据集的实验结果表明，模拟打鼾可以有效用于OSAHS的初步筛查，为后续研究提供了依据。最后，SimuSOE数据集的公开和共享，促进了OSAHS研究领域的数据共享和合作，推动了该领域的发展。

数据集最近研究

最新研究方向

SimuSOE数据集的提出，为阻塞性睡眠呼吸暂停低通气综合征（OSAHS）的评估提供了一个新的研究方向。该数据集通过引入模拟打鼾信号，克服了传统睡眠打鼾数据收集耗时和语音信号反映上呼吸道阻塞信息有限的问题。SimuSOE数据集收集了清醒状态下模拟打鼾的音频记录，通过分析这些信号，可以有效地对OSAHS进行初步筛选。研究结果表明，模拟打鼾信号在清醒状态下可以作为OSAHS初步筛选的有效特征。此外，SimuSOE数据集还记录了仰卧位和侧卧位两种体位的模拟打鼾数据，进一步增强了OSAHS评估的准确性。这一研究成果为OSAHS的早期筛查和诊断提供了新的思路和方法，有助于提高OSAHS的检测率和治疗效率。

相关研究论文

• SimuSOE: A Simulated Snoring Dataset for Obstructive Sleep Apnea-Hypopnea Syndrome Evaluation during Wakefulness

  武汉大学计算机科学学院 · 2024年