Алгоритм и устройство для бесконтактной регистрации нарушений дыхания во сне на дому

Автор: Анищенко Леся Николаевна, Смирнова Евгения Семеновна, Коростовцева Людмила Сергеевна, Бочкарв Михаил Викторович, Свиряев Юрий Владимирович, Бугаев Александр Степанович

Журнал: Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление @vestnik-rosnou-complex-systems-models-analysis-management

Рубрика: Современные методы медицинской диагностики и коррекции состояния человека

Статья в выпуске: S, 2020 года.

Бесплатный доступ

Разработка эффективных бесконтактных портативных способов выявления нарушений дыхания во сне, которые могут указывать на наличие различных состояний, угрожающих здоровью, является актуальной задачей медицины сна. В работе представлено устройство для дистанционного длительного бесконтактного мониторинга сна на основе метода биорадиолокации. Данный прибор был протестирован на базе сомнологической лаборатории. Сигнал биорадиолокатора регистрировался синхронно с данными полисомнографии при оценке ночного сна, по результатам которой квалифицированный сомнолог оценивал наличие нарушений дыхания во сне, их характер и степень тяжести по индексу апноэ-гипопноэ (количество остановок дыхания в час сна). Всего в экспериментах приняли участие 14 добровольцев, как здоровых, так и имеющих нарушения дыхания во сне. Предложенный в данной работе алгоритм обработки биорадиолокационных данных состоял из стадий предобработки, формирования пространства признаков и обучения классификатора. Предобработка сигнала подразумевала синхронизацию полисомнографического и биорадиолокационного сигналов, исключение из рассмотрения фрагментов биорадиолокационного сигнала, содержащих артефакты движения, фильтрацию биорадиолокационного сигнала с целью выделения паттерна дыхания, оценку частоты дыхания для межартефактных периодов. Для формирования вектора признаков было использовано скользящее окно шириной 5 с без перекрытия. Каждый параметр, входящий в состав вектора признаков, оценивался в трех диапазонах частот: 0,05...0,5 Гц, 0,5...2 Гц, более 2 Гц. Кроме того, для выделенных из паттерна дыхания длительностей дыхательного цикла, продолжительности вдоха и выдоха рассчитывались максимум, минимум, стандартное отклонение, медиана, асимметрия, эксцесс и среднее значение. В качестве классификатора был использован Cat Boost Classifier. Точность и БГмера для данного классификатора на тестовой выборке составили 67,25 и 68,25 % соответственно. Несмотря на то, что предложенный алгоритм завышает значение индекса апноэ-гипопноэ, степень тяжести синдрома обструктивного апноэ сна определяется при помощи него верно (кроме пограничных случаев). Результаты могут быть использованы при создании новых методов дистанционного выявления нарушений дыхания во сне пользователем на дому.

Еще

Бесконтактная диагностика, биорадиолокация, машинное обучение, медицина сна, нарушения дыхания во сне

Короткий адрес: https://readera.org/148309598

IDR: 148309598   |   DOI: 10.25586/RNU.V9187.20.05.P.086

Список литературы Алгоритм и устройство для бесконтактной регистрации нарушений дыхания во сне на дому

  • Doukas C., Petsatodis T., Boukis C., and Maglogiannis I. Automated sleep breath disorders detection utilizing patient sound analysis. Biomedical Signal Processing and Control, 2012, vol. 7, pp. 256-264.
  • Young T., Peppard P.E., Gottlieb D.J. Epidemiology of obstructive sleep apnea: a population health perspective. Journal of Thoracic Disease, 2020, vol. 12, no. 9.
  • Levy P., Kohler M.,McNicholas W.T. Obstructive sleep apnoea syndrome. Nat Rev Dis Primers, 2015, no. 1, pp. 1-21.
  • Kapur V., Strohl K.P., Redline S. Underdiagnosis of sleep apnea syndrome in U.S. communities. Sleep Breath, 2002, no. 6, pp. 49-54.
  • Young T., Skatrud J., Peppard P.E. Risk factors for obstructive sleep apnea in adults. JAMA, 2004, no. 291, pp. 2013-2016.
Статья