Alvás alatti légzészavarok detektálása

Szalma, János (2018) Alvás alatti légzészavarok detektálása. BA/Bsc, Szegedi Tudományegyetem.

	PDF 2018_Szalma_János_N2ZBZQ_SZ.pdf Hozzáférés joga: SZTE designated computers only Download (1MB)
	PDF 2019_szalma_janos_biralati_lap.pdf Hozzáférés joga: Repository staff only Download (1MB)

Abstract

A poliszomnográfia egy teszt, amit alvás alatti problémák felismeréséhez, diagnózisok felállításához végeznek. Ezek gyakran ébredést okozó légzési problémák, amik jól jellemzik az alvás minőségét. Közülük néhány, mint például az apnoea jellegzetes tulajdonságokkal bír, így észrevétele viszonylag könnyű. Ezzel szemben a RERA (respiratory effort related arousal) sokkal gyengébb jellegzetességekkel rendelkezik. Egy nemzetközi verseny keretein belül rendelkezésre állt az egész estés poliszomnogramja 1893 személynek. Ennek a fele annotálva volt ébredési helyekkel és alvás fázisokkal, lehetővé téve gépi tanuló algoritmusok alkalmazását. A vizsgálatban résztvevők számos fiziológiai jelét rögzítették olyan módszerekkel mint: elektroenkefalográfia, elektromiográfia, elektrokardiográfia, elektrookulográfia illetve oxigén szaturáció mérése. Az adatfeldolgozás során 20 másodperces ablakok segítsével lett feldolgozva a tanító adatbázis egy része. Az ablakok úgy lettek megválasztva, hogy ébredési és normál alvási szakaszokat is tartalmazzanak. Ezután jelfeldolgozási módszerekkel egy 250 attribútumból álló jellemzőhalmaz lett meghatározva és implementálva Matlabban. Ennek a kiértékelésére véletlen döntési erdő szolgált, majd a modell egyszerűsítésére számos jellemző szelekciós módszer került felhasználásra, amivel 38 jellemzőre sikerült szűkíteni a 250-et, ugyanazt az eredményt elérve. A véletlen döntési erdő nem képes a szekvenciális adatok időbeliségének a leírására, így erre egy négy állapotot ismerő rejtett Markov-modell lett alkalmazva. A négy állapot a normál alvás, az ébredés eleje, az ébredés közepe, az ébredés vége és ezután a ciklus elölről kezdődik. A döntési erdő által adott osztályvalószínűségek rejtett Markov-modellel való alkalmazása során a Viterbi algoritmus adta meg a legvalószínűbb szekvenciát, a Viterbi utat. Ezekkel a módszerekkel detektálásra kerültek apnoeák/hypopnoák, RERAk, az összes ébredés és egyéb diagnosztikai értékek. A kiértékeléshez olyan mércék lettek alkalmazva, mint a ROC görbe alatti terület, PRC görbe alatti terület, pontosság, relatív hiba. Az apnoeak/hypopnoek felismerése hozta a legjobb eredményt: 0.910 ROC görbe alatti terület és 0.815 PRC görbe alatti terület.

English title

Detection of breathing-related sleep disorders

Institution

Szegedi Tudományegyetem

Faculty

Faculty of Science and Informatics

Department

Szoftverfejlesztés Tanszék

Discipline

Natural Sciences

Institute

Informatikai Intézet

Specialization

molekuláris bionika mérnöki

Supervisor(s)

Item Type:	Thesis (BA/Bsc)
Uncontrolled Keywords:	poliszomnográfia, gépi tanulás, jelfeldolgozás, apnoea, RERA
Subjects:	01. Natural sciences 01. Natural sciences > 01.02. Computer and information sciences
Depositing User:	TTIK szerkesztő
Date Deposited:	2019. Sep. 24. 07:19
Last Modified:	2023. Nov. 11. 20:01
URI:	https://diploma.bibl.u-szeged.hu/id/eprint/73711

Actions (login required)

View Item