MobileNetV2：一种轻量化的家用睡眠呼吸暂停筛查分类模型

本研究针对家用睡眠呼吸暂停筛查领域的准确性不足问题，提出了一种基于心电图（ECG）和呼吸信号特征的轻量级神经网络模型。该模型能够有效检测睡眠阶段和相关呼吸异常，最终实现了高达0.978的睡眠呼吸暂停（OSA）检测准确率，显示出其在家用健康监测方面的广泛应用潜力。