จุลสารนวัตกรรม ฉบับที่ 74 – นวัตกรรมจากสถาบัน เรื่อง แบบจำลองการเรียนรู้เชิงลึกชื่อ ZleepAnlystNet สำหรับการจำแนกระดับการนอนหลับโดยอัตโนมัติจากข้อมูลสัญญาณไฟฟ้าสมองช่องเดียว

        แบบจำลองการเรียนรู้เชิงลึก (Deep learning model) ที่มีชื่อว่า ZleepAnlystNet เป็นแบบจำลองใหม่ที่ออกแบบมาเพื่อตรวจวัดระดับการนอนหลับ (Sleep stage classification) โดยใช้สัญญาณไฟฟ้าสมอง (Electroencephalography: EEG) เพียง 1 ช่องสัญญาณ ในตัดสินใจ มีสถาปัตยกรรมเป็น โครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional neural network: CNN) ร่วมกับโครงข่ายประสาทเทียมหน่วยความจำระยะสั้นระยะยาวแบบสองทาง (Bidirectional Long short-term memory: BiLSTM) ซึ่งเป็นโครงข่ายประสาทเทียมแบบวนกลับ (Recurrent neural network: RNN) ชนิดหนึ่ง โดย CNN ทำหน้าที่สกัดข้อมูลสำคัญ (Feature extraction) และ BiLSTM ทำหน้าที่ประมวลผลข้อมูลจากลำดับ (Sequence) เพื่อจำแนกระดับการนอนหลับจากข้อมูลสำคัญที่เรียงเป็นลำดับแล้ว แบบจำลอง ZleepAnlystNet นี้ถูกเทรนด้วยกระบวนการเทรนรูปแบบใหม่ที่นำเสนอ เรียกว่า กระบวนการเทรนแยกส่วน (Separating training) ซึ่งแบบจำลอง ZleepAnlystNet นี้ให้ประสิทธิภาพที่สูงในการจำแนกระดับการนอนหลับโดยใช้สัญญาณไฟฟ้าสมองเพียง 1 ช่องสัญญาณ และมีศักยภาพในการนำไปใช้โดยทั่วไป (Generalization) อีกด้วย ดังนั้น สถาปัตยกรรมของ ZleepAnlystNet และ Separating training จึงรองรับการนำแบบจำลองไปใช้งานต่อไปได้ โดยสามารถนำแบบจำลอง ZleepAnlystNet ไปใช้ในการช่วยจำแนกการนอนหลับในผู้ที่เข้ารับการตรวจการนอนหลับที่โรงพยาบาล ส่งผลให้ระยะเวลาการจำแนกระดับการนอนหลับที่ปกติจะใช้ผู้เชี่ยวชาญการตรวจการนอนหลับจำแนกลงได้ และเพิ่มขีดความสามารถในการตรวจการนอนหลับขึ้นได้