Automatic detection of physiological events in sleep
Result description
Sleep is a very important part of our life. However, there are many sleep disorders that lead to sleep deprivation. Sleep disorders include, for example, sleep apnea. This disorder is examined by a polysomnograph in the sleep lab. Subsequent diagnosis is done by the doctor and is very time-consuming. The aim of this study is to implement an automatic physiological event detector which will significantly accelerate the diagnosis of sleep disorders. The detector is based on sleep scanning manual parameters from the American Academy of Sleep Medicine (AASM). The algorithm retrieves polysomnographic data from BrainScope from EASYS2. The airflow signal in front of the nose is filtered through the upper pass at 0.165 Hz, using a second-order IIR filter. Boundaries against artefacts are provided by the Tukey IQR method. Apnea is detected by two floating windows. The detection of periodic limb movements is performed by the peak threshold detection in the EMG against the resting value. These detected events are then written to the original file. The results show that the parameters for the detection of apnea from the AASM manual are in practice limited. These parameters were adjusted according to the results of the ROC analysis, in which detection was performed for different parameter settings. According to this analysis, the threshold for decreasing amplitude for the detection of apnea from 90% to 30% was reduced for use in practice. In such settings, the overall average sensitivity was 24% and the positive predictive value was 9%.
Keywords
The result's identifiers
Result code in IS VaVaI
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Automatická detekce fyziologických událostí ve spánku
Original language description
Spánek je velice důležitá součást našeho života. Existuje však mnoho poruch spánku, které vedou ke spánkové deprivaci. K poruchám spánku patří například spánková apnoe. Tato porucha se vyšetřuje polysomnografem ve spánkové laboratoři. Následnou diagnostiku provádí lékař a je velice časově náročná. Cílem práce je implementovat automatický detektor fyziologických událostí, který výrazně urychlí diagnostiku spánkových poruch. Detektor vychází z parametrů manuálu pro skórování spánku od Americké akademie spánkové medicíny (AASM). Algoritmus načítá polysomnografická data přístroje BrainScope z programu EASYS2. Signál proudění vzduchu před nosem je filtrován horní propustí s mezní frekvencí 0,165 Hz, pomocí IIR filtru druhého řádu. Ohraničení vůči artefaktům je zajištěno Tukeyho IQR metodou. Apnoe je detekováno pomocí dvou pohyblivých oken, které vypočítávají mediánovou hladinu vůči které se detekce vztahuje. Detekce periodických pohybů končetin je provedena prahovou detekcí špiček v EMG vůči klidové hodnotě, která je vypočítána efektivní hodnotou. Tyto detekované události se následně zapisují do originálního souboru. Polysomnografická data, použitá pro tuto práci, byla získána v rámci rutinního diferenciálně diagnostického postupu poskytování zdravotní péče o pacienty s poruchami spánku v rámci Oddělení poruch spánku, Národního ústavu duševního zdraví (NUDZ), Topolová 748, Klecany. Z výsledků vyplývá, že parametry pro detekci apnoe z AASM manuálu mají v praxi svá omezení. Tyto parametry byly upraveny podle výsledků ROC analýzy, při které byla prováděna detekce pro různá nastavení parametrů. Podle této analýzy se pro využití v praxi snížil práh poklesu amplitudy pro detekci apnoe z 90 % na 30 %. Při takovémto nastavení byla celková průměrná senzitivita 24 % a pozitivní prediktivní hodnota 9 %.
Czech name
Automatická detekce fyziologických událostí ve spánku
Czech description
Spánek je velice důležitá součást našeho života. Existuje však mnoho poruch spánku, které vedou ke spánkové deprivaci. K poruchám spánku patří například spánková apnoe. Tato porucha se vyšetřuje polysomnografem ve spánkové laboratoři. Následnou diagnostiku provádí lékař a je velice časově náročná. Cílem práce je implementovat automatický detektor fyziologických událostí, který výrazně urychlí diagnostiku spánkových poruch. Detektor vychází z parametrů manuálu pro skórování spánku od Americké akademie spánkové medicíny (AASM). Algoritmus načítá polysomnografická data přístroje BrainScope z programu EASYS2. Signál proudění vzduchu před nosem je filtrován horní propustí s mezní frekvencí 0,165 Hz, pomocí IIR filtru druhého řádu. Ohraničení vůči artefaktům je zajištěno Tukeyho IQR metodou. Apnoe je detekováno pomocí dvou pohyblivých oken, které vypočítávají mediánovou hladinu vůči které se detekce vztahuje. Detekce periodických pohybů končetin je provedena prahovou detekcí špiček v EMG vůči klidové hodnotě, která je vypočítána efektivní hodnotou. Tyto detekované události se následně zapisují do originálního souboru. Polysomnografická data, použitá pro tuto práci, byla získána v rámci rutinního diferenciálně diagnostického postupu poskytování zdravotní péče o pacienty s poruchami spánku v rámci Oddělení poruch spánku, Národního ústavu duševního zdraví (NUDZ), Topolová 748, Klecany. Z výsledků vyplývá, že parametry pro detekci apnoe z AASM manuálu mají v praxi svá omezení. Tyto parametry byly upraveny podle výsledků ROC analýzy, při které byla prováděna detekce pro různá nastavení parametrů. Podle této analýzy se pro využití v praxi snížil práh poklesu amplitudy pro detekci apnoe z 90 % na 30 %. Při takovémto nastavení byla celková průměrná senzitivita 24 % a pozitivní prediktivní hodnota 9 %.
Classification
Type
O - Miscellaneous
CEP classification
—
OECD FORD branch
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Result continuities
Project
GA17-20480S: Temporal context in analysis of long-term non-stationary multidimensional signal
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2018
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Basic information
Result type
O - Miscellaneous
OECD FORD
Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Year of implementation
2018