Диссертация (1026108), страница 10
Текст из файла (страница 10)
Настройкагиперпараметров осуществлялась отдельно для полного набора признаков иподмножества, состоящего только из респираторных признаков.Тестирование качества определения структуры сна осуществлялось наполном наборе данных в 625 испытуемых с помощью скользящего контроляпо 5 блокам. Полученные результаты представлены в Таблице 11. Крометого, в Таблице 11 представлены лучшие известные автору результатыпредставленные в литературе на момент написания диссертации.Таблица 11.Сравнение качества определения структуры сна на основе анализа сигналовРИП и РИП+ЭКГСигналКол-во испытуемых Каппа КоэнаДанная работаРИПДанная работаЭКГ, РИПLong et al., 2014 [67]РИПFonseca et al., 2015 [65] ЭКГ, РИП62562548480,470,500,410,49± 0,12± 0,12± 0,14± 0,13Как видно из Таблицы 11, результаты определения структуры снана основе анализа дыхательных движений сравнимы с результатамиопределения структуры сна на основе анализа дыхательных движений иВСР.
Таким образом, установлено что даже при использовании контактныхстандартных методов регистрации, анализ дыхательных движений даётсравнимый с совместным анализом ВСР и дыхательных движений результат.Следовательно,усложнениебесконтактнойрегистрациисостоянийфоноцелевойАПКсцельюсердцебиенияобстановкииобеспеченияустойчивойразличныхвозможныхантропоморфныхпараметровдляиспытуемого представляется нецелесообразным.762.4Выводы по главе 21. Установленно, что определение структуры сна потенциально возможноосуществить на основе анализа активности головного мозга, движенийглазных яблок, ВСР или паттерна дыхания.
Анализ двигательной активностиили электрической активности мышц могут быть использованы совместно сдругими методами для повышения качества разделении бодрствования и снаили определения ФБС.2. Установлено, что изменения паттерна дыхания во время сна обусловленыследующими факторами: снижением влияния или отсутствием некоторыхвходныхстимуловреспираторногоцентра,действующихвовремябодрствования (эмоциональные стимулы, сознательный контроль, влияниецентров бодрствования и др.); атонией скелетных мышц во время ФБС;увеличением сопротивления верхних дыхательных путей; снижением уровняметаболизма; уменьшением чувствительности хеморецепторов.3. Сформулированыследующиемониторингаструктурымониторингаисна,специфичноститребованияввидузадачи:кметодамвысокойдлительногопродолжительностиобеспечениемаксимальногокомфорта для пациента; простота эксплуатации; низкая стоимость;обеспечение приватности.4.
Проведён анализ технологий регистрации физиологических сигналов,которые потенциально применимы для длительного мониторинга сна.Показано, что БРЛ соответствует требованиям, предъявляемым к методамдлительного мониторинга структуры сна.5. Разработан алгоритм определения структуры сна на основе анализа ВСР,зарегистрированной с помощью ЭКГ. Разработан алгоритм определенияструктуры сна на основе анализа дыхательных движений и ВСР,зарегистрированных РИП и ЭКГ соответственно. Сравнительный результат77эффективности обоих алгоритмов показал, что даже при использованииконтактных стандартных методов регистрации, анализ дыхательныхдвижений даёт сравнимый с совместным анализом ВСР и дыхательныхдвижений результат, что подтверждается анализом литературных данных.Сделан вывод, что усложнение АПК с целью обеспечения устойчивойбесконтактной регистрации сердцебиения для различных возможныхсостоянийфоноцелевойобстановкииантропоморфныхиспытуемого представляется нецелесообразным.параметров78Глава 3.
Разработка методов учёта особенностей структуры сна3.1Особенности структуры снаВ литературе преобладает классификация эпох как независимыхсобытий. Аналогичный подход был использован в разделе 2.3 при разработкеалгоритма определения структуры сна по кардиореспираторным параметрам.Однако при рассмотрении структуры сна (Рис. 3.1) как единого целого,а не набора независимых эпох, можно выделить ряд закономерностей,учёт которых при классификации может существенно улучшить качествоопределения структуры сна.Рис. 3.1.
ГипнограммаВыявлены следующие особенности структуры сна:– сон имеет циклическую структуру;– каждый цикл сна состоит из ФМС и ФБС;– доля ГС в цикле последовательно уменьшается в течение сна;– доля ФБС в цикле последовательно увеличивается в течение сна;– доля ПС в цикле последовательно увеличивается в течение сна;– окончание цикла часто сопровождается микропробуждениями;79– начало и конец записи характеризуется наличием ПБ;– принадлежность эпохи к той или иной стадии сна или ПБ зависит отклассов соседних эпох.Таким образом, очевидно что априорная вероятность принадлежностиэпохи к тому или иному классу меняется в зависимости от положения эпохи взаписи.
Под априорными вероятностями в данном контексте будем пониматьраспределение вероятностей принадлежности эпохи к одному из классов{, , , }, которое было оценено только на основе позиции эпохи и данныхоб испытуемом, без использования признаков, извлечённых из сигналов.В данной главе представлены 5 методов, разработанных в ходедиссертационного исследования, которые позволяют принять во вниманиечасть особенностей структуры сна с целью улучшения качества еёавтоматического определения.3.2Нормализованный индекс эпохиКак было указано выше, представленность стадий изменяется втечение сна. Простейшим способом учесть данный факт является введениенового признака в описание эпохи, который характеризует её положение взаписи.
Поскольку продолжительность сна может быть различна, необходимопронормировать индекс эпохи. Введём, новый признак — индекс эпохи:=× 100,где — порядковый номер эпохи в записи, — общее количество эпох взаписи.Не смотря на простоту и очевидность данного подхода, применениеиндекса эпохи в качестве признака для классификации эпох в работах,80посвящённых разработке методов длительного мониторинга сна, найдено небыло.Данный метод использовался в работах [27; 28], опубликованныхсовместно с Анищенко Л.Н., Коростовцевой Л.С., Бочкаревым М.В.,Свиряевым Ю.В., Ивашовым С.И. Идея и реализация метода принадлежатавтору диссертации.3.3Оценка априорных вероятностей в течение ночиВторой метод заключается в непосредственной оценке априорныхвероятностей в течение всей ночи на основе анализа частоты встречаемостистадий в зависимости от индекса эпохи.Для оценки распределения априорных вероятностей в течение ночибыли использованы 1636 ПСГ записей из крупнейшей открытой базы ПСГзаписей Sleep Heart Health Study (SHHS) [144; 145].
Данная база состоит издвух частей: SHHS1 — данные 5793 человек прошедших ПСГ исследованияв 1995–1997 гг., и SHHS2 — данные 2651 участников SHHS1 прошедшихповторное ПСГ исследование в 2001–2003 гг. Для оценки априорныхвероятностей были использованы данные из обеих частей. Критериемисключения служило наличие НДВС. Характеристики выборки представленыв Таблице 12, а гендерно-возрастной состав на Рис. 3.2.Пусть — это индекс эпохи округлённый до ближайшего большегоцелого, таким образом может принимать значения от 1 до 100; — этоколичество эпох с = принадлежащих классу , где ∈ {,,,}, тогдаможно оценить априорную вероятность принадлежности эпохи с индексом81Рис.
3.2. Гендерно-возрастной состав выборкиТаблица 12.Характеристики выборки (N = 1636)Количество эпохЗаписей SHHS1Записей SHHS2Мужчины:женщиныВозраст (лет)Бодрствование (%)ФБС (%)Поверхностный сон (%)Глубокий сон (%)Эффективность сна (%)17607631130506404:123260,77 ± 11,51(39,00 − 90,00)29,38 ± 12,42(2,62 − 82,99)14,58 ± 5,90(0,00 − 35,73)42,31 ± 11,92(6,48 − 93,64)13,73 ± 8,83(0,00 − 51,38)76,19 ± 17,27(36,54 − 99,05) = классу следующим образом:= ∑︀.∈{,,,} В итоге распределение априорных вероятностей в течение сна выглядитследующим образом (Рис. 3.3). Полученное распределение согласуетсяс его теоретическими качественными оценками: априорная вероятность82принадлежности эпохи к ПБ максимальна в начале и в конце записи;априорная вероятность принадлежности к ГС выше в первой половине сна;а априорная вероятность принадлежности к ФБС выше во второй половинесна.Рис. 3.3.
Изменение априорных вероятностей в течение записиТаким образом, к вектору признаков каждой эпохи можно добавить4 новых признака, описывающих априорные вероятности для эпохиосновываясь на её положении в записи { , , , }.Использование априорных вероятностей, оценённых похожим образом,встречается в многочисленных работах [61–63; 65–67] как параметрлинейного дискриминантного анализа при классификации эпох сна.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
