FenixEdu™

Dissertação

{en=ACQUISITION SYSTEM FOR AUTOMATIC SLEEP IDENTIFICATION: The Algorithm} {en=The Algorithm} EVALUATED

Detalhes: {pt=O objectivo desta tese consiste no desenvolvimento de uma ferramenta computacional capaz de automaticamente detectar a fase REM do sono (do inglês "Rapid Eye Movement") através do processamento de sinais fisiológicos adquiridos: electro-miograma (EMG), electro-encefalograma (EEG) e electro-oculograma (EOG). A identificação e classificação do sono são áreas de interesse de grande relevância no campo das neurociências, não só pelos parâmetros de sono capazes de dar informação relevante para identificação e estudo de patologias, mas também pela identificação dos estados de sono e avaliação da sua função. Apesar do recente desenvolvimento de diferentes abordagens, a actual classificação das fases do sono ainda encontra reconhecimento a nível mundial maioritariamente pela avaliação visual de hipnogramas segundo as regras de Rechtschaffen & Kales, sendo esta uma tarefa extremamente difícil e demorada, executada por experientes avaliadores. Dado que os critérios de identificação podem ser objectivamente descritos, podem também ser usados como premissas numa ferramenta matemática, descritos como condições booleanas. Neste contexto, o projecto executado, um detector automático da fase REM do sono, tem grande importância na redução dos custos e tempo envolvido na análise do sono, aumentando subsequentes análises estatísticas. Para este objectivo um sistema de aquisição de sinais biológicos foi desenvolvido. Este sistema adquire sinais de EMG, EEG e EOG com parâmetros adequados, processando os dados em tempo real de acordo com critérios característicos do sono REM, tanto no domínio da frequência como no tempo, exportando o resultado de cada época de 30 segundos num vector de probabilidade de fase REM., en=The goal of this thesis consists in the development of a computational tool capable of automated Rapid Eye Movement (REM) sleep stage detection making use of data acquired from standard sleep analysis sources: electro-myogram (EMG), electro-encephalogram (EEG) and electro-oculogram (EOG). Sleep identification and classification are major research areas in neurosciences not only due to sleep parameters that can reflect a broad range of pathologies, but also by the recognition and quantification of each sleep stage and the evaluation of its purpose. Although different approaches have been developed lately, contemporary sleep classifications still find worldwide acceptance mainly by the visual classification of sleep stages according to Rechtschaffen & Kales rules, which is an extremely difficult and time consuming task that must be performed by experienced human scorers. Since these criteria can be objectively defined they can be used as premises in a mathematical tool, stated as Boolean conditions. In this sense the project here presented, an automatic REM sleep stage detector, is of great value in order to reduce time and costs of the analysis and increase the sensitivity of subsequent statistical analyses. For this purpose an acquisition system for biological signals has been developed. This device acquires EMG, EEG and EOG signals with adequate parameters, processing the data in near real-time according to several characteristic criteria of REM sleep stage in frequency and time domain, exporting the result of each evaluated 30 second epoch in a REM stage probability percentage. }
Keywords: {pt=Estado REM do sono, EEG, EMG, EOG, detecção automática e em tempo real da fase REM do sono, en=REM sleep stage, EEG, EMG, EOG, near real-time REM Automatic detection}

Discussão: dezembro 3, 2007, 11:30