EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 3.0

ApneaWhisper: Transformer-Based Audio Segmentation for Fine-Grained Non-Invasive Sleep Apnea Detection

Yunu Kim, Myeongbin Kim, Jaemyung Shin iD, Minsam Ko iD

Nature and Science of Sleep · 2025-10 · Volume 17 · 2455-2468

DOI: 10.2147/nss.s553774 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Nature and Science of Sleep, 2025-10. Verfasst von Yunu Kim und 3 weiteren Autor:innen. Beteiligte Einrichtung: Department of Applied Artificial Intelligence, Hanyang University ERICA, Ansan, Gyeonggi-do, Republic of Korea. Die Arbeit wurde bisher 9-mal zitiert (Crossref) und nennt 38 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 3.0).

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Schlagwörter

Stichwörter der Autor:innen

audio segmentationdeep learningsleep apneasleep breathingtransformerwhisper

Autor:innen und Institutionen

  • Department of Applied Artificial Intelligence, Hanyang University ERICA, Ansan, Gyeonggi-do, Republic of Korea.
  • DelightRoom, Seoul, Republic of Korea.

ORCID-Profile: Jaemyung Shin, Minsam Ko

Zitieren

APA

Kim, Y., Kim, M., Shin, J., & Ko, M. (2025). ApneaWhisper: Transformer-Based Audio Segmentation for Fine-Grained Non-Invasive Sleep Apnea Detection. Nature and Science of Sleep, Volume 17, 2455-2468. https://doi.org/10.2147/nss.s553774

Vancouver

Kim Y, Kim M, Shin J, Ko M. ApneaWhisper: Transformer-Based Audio Segmentation for Fine-Grained Non-Invasive Sleep Apnea Detection. Nature and Science of Sleep. 2025;Volume 17:2455-2468. doi:10.2147/nss.s553774

BibTeX
@article{Kim2025,
  author = {Kim, Yunu and Kim, Myeongbin and Shin, Jaemyung and Ko, Minsam},
  title = {ApneaWhisper: Transformer-Based Audio Segmentation for Fine-Grained Non-Invasive Sleep Apnea Detection},
  journal = {Nature and Science of Sleep},
  year = {2025},
  volume = {Volume 17},
  pages = {2455--2468},
  doi = {10.2147/nss.s553774}
}
Kostenlos starten →