Seminarium Zakładu Biofizyki

Sen jest niezbędny do prawidłowego funkcjonowania organizmu, a jego zaburzenia mogą być przyczyną dysfunkcji procesów psychicznych i fizjologicznych. U osoby zdrowej sen składa się z następujących po sobie faz NREM i REM, tworzących tzw. cykle snu. Obecnie najczęściej stosowaną techniką oceny parametrów snu jest polisomnografia. Największą jej wadą jest czasochłonna analiza zarejestrowanego sygnału i ograniczona dostępność badania. Dla pewnych zastosowań alternatywą dla pełnego badania PSG może być analiza krzywej fotopletyzmograficznej. Uzyskuje się ją przy użyciu pulsoksymetru, będącego szeroko dostępnym i stosunkowo tanim urządzeniem. Otrzymana krzywa daje informację o zmianach objętości krwi przepływającej przez obserwowane naczynie, a co za tym idzie - o skurczach mięśnia sercowego. Wykonano analizę czasowo-częstotliwościową sygnału z pulsoksymetru i pochodnego sygnału HRV. Uzyskano w ten sposób dane o zmienności czasowej cech sygnału powiązanych ze zmiennością udziału komponentów współczulnego i przywspółczulnego w aktywności autonomicznego układu nerwowego. Wykorzystano je do konstrukcji algorytmu nadzorowanego uczenia maszynowego, przyjmując jako punkt odniesienia klasyfikację wykonaną równolegle do badania przez system diagnostyki snu Alice firmy Philips. Omówię proces przygotowania wektora cech na potrzeby algorytmu oraz uzyskane wartości trafności i kappy Cohena dla przygotowanego klasyfikatora.

Sleep is vital for proper functioning of human body and its disorders may lead to dysfunction of psychological and physiological processes. A healthy person's sleep consists of so called sleep cycles, made up of alternating NREM and REM stages. Nowadays the most common technique applied in sleep parameters evaluation is polysomnography. The main disadvantages of this technique are that the analysis of recorded signal is time-consuming and that it is not widely accessible. Alternatively, one can try to prepare a hypnogram using only photoplethysmographic signal, which can be obtained using relatively cheap and accessible pulse oximeter. The photoplethysmographic curve visualises changes in blood flow in observed blood vessel, hence one can observe the contractions of heart muscle on it. A time-frequency domain analysis has been conducted for the PPG signal and HRV signal, derived from PPG. The result was a vector of signal features, reflecting strength of sympathetic and parasympathetic components of the autonomic nervous system for each time epoch. Following feature extraction, a supervised machine learning algorithm was constructed. Sleep staging conducted by sleep diagnostics system Alice by Philips was used as the ground truth. I will talk about the process of feature extraction and the performance of constructed algorithm in terms of accuracy and Cohen's kappa of the classifier.