Métodos de reducción de dimensión aplicados al análisis de las etapas del sueño

Abstract

[ES] En este proyecto se implementarán varias técnicas para reducir la dimensionalidad de los datos fisiológicos utilizados para clasificar las etapas del sueño en sujetos con trastornos del sueño. Los datos consistirán en características extraídas de señales electroencefalográficas (EEG) y electrocardiográficas (ECG) medidas de los sujetos mientras duermen. El sueño pasa por un ciclo compuesto por varias etapas: vigilia, etapa 1, etapa 2, etapa 3 y sueño de movimientos oculares rápidos (REM). Estas etapas tienen un comportamiento diferente que se captura en señales fisiológicas. El ciclo del sueño se repite varias veces por la noche y se utiliza la proporción de las duraciones de las diferentes etapas, así como el contenido de las señales fisiológicas, para determinar los trastornos del sueño. La cantidad de características que se pueden extraer de las señales de EEG y ECG puede ser muy alta en comparación con la cantidad de registros de datos. En estas condiciones, los resultados de la clasificación de las etapas del sueño podrían producir un ajuste excesivo del modelo de clasificación a los datos y ser inválidos. Para hacer frente a este problema, se deben aplicar métodos de reducción de dimensiones para obtener datos para la clasificación con un número menor de características que el original. Este proyecto implementará varios casos de clasificación utilizando un número diferente de características y el índice de precisión de la clasificación se utilizará para evaluar la calidad de los resultados, en combinación con la información de anotaciones clínicas.

[EN] This project will implement several techniques to reduce the dimensionality of physiological data used to classify stages of sleep in subjects with sleep disorders. The data will consist of features extracted from electroencephalographic (EEG) and electrocardiographic (ECG) signals measured from subjects while sleeping. The sleep pass through a cycle composed by several stages: wake, stage 1, stage 2, stage 3, and rapid eye movement (REM) sleep. Those stages perform different behavior that is captured in physiological signals. Sleep cycle is repeated several times at night and the proportion between stage duration as well as the content of physiological signals is used to determine sleep disorders. The number of features that could be extracted from the EEG and ECG signals can be very high compared to the number of data records. In these conditions, results of sleep stage classification could produce an overfitting of the classification model to the data and be invalid. To deal with this problem, dimension reduction methods should be applied to obtain data for classification with a smaller number of features than the original one. This project will implement several classification cases using different number of features and the classification accuracy index will be used to evaluate the quality of the results, in combination with clinical annotation information.