Меню
Главная
Авторизация/Регистрация
 
Главная arrow Медицина arrow Автоматизированный поиск событий сна "сонное веретено"

Автоматизированный поиск событий сна "сонное веретено"


Автоматизированный поиск событий сна «сонное веретено»

Актуальность проведения полисомнографических (далее ПСГ) исследований уже не вызывает каких-либо сомнений. Во время сна в организме человека происходят процессы, которые подчас невозможно выявить в периоды его бодрствования, однако именно информация о данных процессах способна помочь врачу констатировать то или иное расстройство, влияющее на повседневную жизнь человека. ПСГ исследование подразумевает целый комплекс мер по получению разнообразных физиологических показателей человека, таких, например, как: показатели электрической активности мозга (ЭЭГ), параметры дыхания на основе сигналов рекурсии и потока дыхания (РД, ПД), тонуса мышц и двигательных проявлений на основе сигнала электромиограммы (ЭМГ), параметры движения глаз на основе сигналов электроокулограммы (ЭОГ), динамики частоты сердечных сокращений (ЧСС), храпа, положения тела, сатурации кислорода (SpO2) и другие [7-9].

Дальнейшим шагом является анализ ПСГ исследования, который включает в себя, в том числе расстановку «событий сна». Под термином «событие сна» понимается изменение на одном или ряде отведений амплитудно-частотных характеристик в течение определенного периода времени. Расставленные события сна, а также собранная информация об их количестве, длительности и пр. позволяет врачу констатировать то или иное явление, происходящее во время сна, на основе которого в последующем и будет поставлен диагноз.

Однако задача расстановки событий является весьма нетривиальной задачей. По своей природе ПСГ исследования являются весьма длительными (8-12 часов), в связи с этим полный анализ исследования занимает весьма продолжительное время. Отсюда и возникла необходимость автоматизировать поиск событий и возложить на плечи врача более аналитическую работу, постановку диагноза.

В данной статье речь пойдет об автоматизации процесса поиска события сна «сонное веретено». Данное событие регистрируется на каналах ЭЭГ, чаще всего проявляется в лобных и центральных отведениях. Событие является показателем 2-ой стадии сна и может использоваться для ее классификации, на сигнале проявляется как волна частотой 11-16 Гц длительностью более 0, 5 секунды, чаще всего с максимальной амплитудой в центре волны (Рис. 1.) [6].

Сонное веретено

Рис. 1. - Сонное веретено

Поскольку данное событие имеет более явное проявление в изменении частотной характеристики, нежели амплитудной (поиск и анализ амплитудной характеристики может привести к получению ложных данных, хотя может быть использован для уточнения полученных результатов), первым этапом будет определение применения преобразования Фурье на всем исследовании с заданными окном и шагом. Для каждого окна определяется доминирующая частота (Рис. 2.). В данном случае использовалось окно в 2 секунды с шагом в 0, 5 секунды.

Исследуемый участок данных (слева) и значения доминирующих частот для исследуемого участка (справа)

Рис. 2. - Исследуемый участок данных (слева) и значения доминирующих частот для исследуемого участка (справа)

сон полисомнографический гистограмма автоматический

Также стоит упомянуть, что в ходе предварительной обработки для каждого интервала, в котором производится быстрое преобразование Фурье, сохраняются значения доминирующей частоты, и позиция интервала относительно начала исследования.

Далее для определения значения частоты сонного веретена построим гистограмму распределения доминирующих частот (Рис. 3.)[1, 2]

Гистограмма значений доминирующих частот

Рис. 3. - Гистограмма значений доминирующих частот

Максимальное значение на гистограмме в диапазоне от 11 до 16 Гц [6] в ряде случаев и будет являться значением частоты сонного веретена. В дальнейшем, сравнивая значения доминирующих частот заранее подготовленных данных с полученным значением частоты сонного веретена, определяются фрагменты исследования, предположительно являющиеся сонными веретенами. Затем производятся объединения событий, расположенных друг к другу ближе заданного значения. На последнем этапе отсекаются интервалы, не удовлетворяющие условиям длительности события, затем происходит расстановка событий.

Исследуемый участок с автоматически установленными событиями сна

Рис. 4. - Исследуемый участок с автоматически установленными событиями сна

В качестве развития данного алгоритма расстановки событий разрабатывается механизм, основанный на известном факте, об изменении амплитуды сигнала (постепенное увеличение с максимумом в центре события). Хотя, как видно из примера (Рис. 4.), описанный в статье метод позволяет получать приемлемые результаты, данная доработка позволит производить более точное позиционирование маркеров и отсекать некоторые ложные результаты. Описание модифицированного механизма будет рассмотрено в последующих статьях.

Литература

  • 1. Буряк А.О., Захаров Е.С. Построение алгоритмов распознавания событий сна на основе исследования гистограмм // Инженерный вестник Дона, 2012, №4 URL: ivdon.ru/magazine/archive/n4p1y2012/1106
  • 2. Буряк А.О., Захаров Е.С. Применение метода анализа гистограмм для поиска события сна «Движение тела» // Инженерный вестник Дона, 2013, №3. URL: ivdon.ru/ru/magazine/archive/n3y2013/1855
  • 3. Скоморохов А.А., Захаров Е.С. Полисомнографические исследования и задача автоматизированного построения гипнограммы // Известия ТРТУ. Темат. Выпуск: Медицинские информационные системы.. 2006. №11. С. 135 - 138.
  • 4. Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии). Таганрог: Изд-во ТРТУ, 1996. 368 с.
  • 5. Agarwal, R. and J. Gotman, 2001. Computer-assisted sleep staging. Transactions on Biomedical Engineering, # 12, p. 1412-1423.
  • 6. The AASM Manual for the Scoring of Sleep and Associated Events, 2007. American Academy of Sleep Medicine, pp: 59 pages.
  • 7. Chokroverty, Su., 2009. Sleep Disorders Medicine:Basic Science, Technical Considerations, and Clinical Aspects. Boston: Butterworth-Heinemann, pp: 1994.
  • 8. Teofilo, L., 2008. Sleep Medicine. Oxford University Press, pp: 720.
  • 9. Цыган В.Н., Богословский М.М., Апчел В.Я., Князькин И.В. и др. Физиология и патология сна. СПб.: СпецЛит, 2006. 160 с.
  • 10. Вахрамов И.А. Сон и двигательная активность. СПб: Наука, 1980. 152 с.
 
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
 
Предметы
Банковское дело
Бухучет и аудит
География
Журналистика
Информатика
История
Культурология
Литература
Маркетинг
Математика, химия, физика
Медицина
Менеджмент
Недвижимость
Охрана труда
Педагогика
Политология
Право
Психология
Религиоведение
Сельское хозяйство
Социология
Спорт
Техника
Товароведение
Философия
Финансы
Экология
Экономика
Этика и эстетика
Прочее