Scoring y análisis del sueño con técnicas de clasificación basadas en proyección sobre estructuras latentes y aprendizaje automático

Abstract

The goal of this project is the use of classifiers based on projection to latent structures and machine learning techniques in order to perform automatic sleep scoring. The main purpose of the classifier is to assign a sleep stage to each 30 seconds phase of polysomnographies from different patients. The feature extraction process has been perfomed by implementing the Discrete Wavelet Transform to the Electroencephalography (EEG), Electrooculography (EOG) and Electromiography (EMG), obtaining series of coefficients related to different frequency bands. These series have been parameterized obtaining a matrix with the explanatory variables, which has been used as input data for different classifiers, comparing their performance.

En este trabajo se propone la aplicación de clasificadores basados en técnicas de proyección sobre estructuras latentes y técnicas de aprendizaje automático, para un scoring automático del sueño. El propósito del clasificador es asignar una fase del ciclo a cada tramo de 30 segundos (epoch) de Polisomnografías de distintos pacientes. Para ello se recurre a la extracción de características de la señal mediante la Transformada Wavelet Discreta sobre el Electroencefalograma (EEG), Electrooculograma (EOG) y Electromiograma (EMG), obteniendo series de coeficientes referentes a distintas bandas de frecuencia. Estas series han sido parametrizadas constituyendo la matriz de variables explicativas, sobre la que se han aplicado distintas herramienta de clasificación, comparando finalmente los resultados obtenidos con cada técnica.

[CA] Les alteracions de l’hàbit de son posseïxen una alta prevalença i ocasionen disfuncions en processos fisiològics bàsics. Un dels passos crítics per a la monitorització i diagnòstic del son és el seu scoring, un procés d’anàlisi per mitjà del que s’assigna una fase del cicle a cada tram de 30 segons (epoch) de la Polisomnografia (PSG). La realització manual bassada en un anàlisi visual dels senyals, sense un protocol quantitatiu establit com a estàndard, comporta variabilitat inter i intraprofessional en el diagnòstic. En aquest treball es proposa l’aplicació de tècniques de projecció sobre estructures latents i d’aprenentatge automàtic, a fi d’obtindre classificadors que assignen una fase del son a cadascuna de les epochs de PSGs pertanyents a pacients distints. Així, doncs, es pretén caracteritzar el son en cada epoch basant-se en criteris quantitatius a fi d’arribar a una metodología que proporcione resultats repetibles, comparables i robustos. Per a aconseguir-ho s’ha realizat una extracció de característiques basades en la morgologia de l’Electroencefalograma (EEG), Electrooculograma (EOG) i Electromiograma (EMG), i en una anàlisi temps-freqüència d’estos senyals. La transformació a l’espai tempsfreqüència s’ha realitzat per mitjà de la Transformada Wavelet Discreta (TWD), obtenint sèries de coeficients referents a distintes bandes espectrals, que han sigut parametritzades. D’aquesta manera s’ha construït una matriu de variables explicatives que posteriorment ha sigut dividida en un conjunt d’entrenament i altre de validació. Prenent les fases assignades per un profesional metge com a referencia, s’han construït i avaluat classificadors basats en les diferents tècniques estudiades, establint una comparació final entre els resultats.