Automatic sleep staging based on classifícation methods

Detalhes bibliográficos
Autor(a) principal: Machado, Fátima
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/30813
Resumo: Dissertação de Mestrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra
id RCAP_9d0e0d53929122684c21dc1b0f33e48b
oai_identifier_str oai:estudogeral.uc.pt:10316/30813
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Automatic sleep staging based on classifícation methodsEngenharia biomédicaCiências da SaúdeTecnologiaSonoEstadosClassificaçãoAlgoritmoDissertação de Mestrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia da Universidade de CoimbraDuring the sleep the brain generates different types of waves depending on the brain stage. To characterise these brain states, the two structures exist: the macrostructure and microstructure. The macrostructure is composed by five sleep stages (designated by N3, N2, N1, REM, W) whose classification is based on the present wave types. The microstructure is characterised by transitional states and the Cyclic Alternating Pattern (CAP) is an example of it. CAP is a periodic cerebral activity prevalent during NREM sleep-stage and composed by A-phases (A1, A2 or A3) and B-phases. The visual scoring of macro- and microstructure are important elements for the diagnosis and prognosis of some diseases. Although this task of both is a time consuming process, which demands automatic scoring. This thesis proposes different classifications methods (discriminate classifiers, kNN and SVM) to detect automatically the sleep stages and A-phases. The classifiers are validated with a dataset that comprise 30 patients. For sleep stages the better model is SVM which obtained an accuracy off 72%, the sensitivities for the each sleep stage are 62%, 54%, 73%, 83% and 69% for W, N1, N2, N3 and REM stages. Regarding the CAP staging the best classifier method is also SVM with an accuracy of 71%, the sensitivities are 76%, 58%, 44% and 24% for B, A1, A2 and A3, respectively. The prediction of A-phases with the SVM yield the best results to date.Durante o sono o c´erebro gera diferentes tipos de ondas, dependo do estado em que se encontra. Para caracterizar estes estados cerebrais existem duas estruturas: a macroestrutura e microestrutura. A macroestrutura ´e composta por cinco diferentes estados de sono (designados por N3, N2, N1, REM, W), cuja classifica¸c˜ao ´e baseada de acordo com o tipo de onda gerado. A microestrutura ´e caracterizada por estados transicionais, sendo um exemplo o Padr˜ao C´ıclico Alternante (CAP). O CAP ´e uma actividade cerebral peri´odica prevalente durando o estado de sono NREM e composto por fases A (A1, A2 e A3) e fases B. O estadiamento visual da macro e microestrutura s˜ao importante para o diagn´ostico e progn´ostico de algumas doen¸cas. Contudo, esta tarefa ´e um processo bastante demorado para ambas as estruturas, o que gera uma necessidade de um estadiamento autom´atico. Esta tese prop˜oes diferentes m´etodos de classifica¸c˜ao (classificadores discriminantes, k-NN e SVM) para detectar automaticamente os diferentes estados de sono e as fases A. Estes classificadores s˜ao validados com uma amostra composta por 30 pacientes. Para os estados de sono o melhor modelo ´e o SVM que obt´em uma taxa de sucesso de 72% e de sensibilidades para cada estado de sono W, N1, N2, N3 e REM de 62%, 54%, 73%, 83% e 69%, respectivamente. Quanto ao estadiamento do CAP o melhor m´etodo de classifica¸c˜ao ´e tamb´em o SVM com uma taxa de sucesso de 71% e sensibilidades de 76%, 58%, 44% e 24% para as fases B, A1, A2 e A3. As sensibilidades obtidas por este ´ultimo m´etodo s˜ao muito acima das encontradas na literatura at´e `a data.2015-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/30813http://hdl.handle.net/10316/30813TID:201535572engMachado, Fátima / Automatic sleep staging based on classifícation methodsMachado, Fátimainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-01-21T17:34:20Zoai:estudogeral.uc.pt:10316/30813Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:00:26.657718Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Automatic sleep staging based on classifícation methods
title Automatic sleep staging based on classifícation methods
spellingShingle Automatic sleep staging based on classifícation methods
Machado, Fátima
Engenharia biomédica
Ciências da Saúde
Tecnologia
Sono
Estados
Classificação
Algoritmo
title_short Automatic sleep staging based on classifícation methods
title_full Automatic sleep staging based on classifícation methods
title_fullStr Automatic sleep staging based on classifícation methods
title_full_unstemmed Automatic sleep staging based on classifícation methods
title_sort Automatic sleep staging based on classifícation methods
author Machado, Fátima
author_facet Machado, Fátima
author_role author
dc.contributor.author.fl_str_mv Machado, Fátima
dc.subject.por.fl_str_mv Engenharia biomédica
Ciências da Saúde
Tecnologia
Sono
Estados
Classificação
Algoritmo
topic Engenharia biomédica
Ciências da Saúde
Tecnologia
Sono
Estados
Classificação
Algoritmo
description Dissertação de Mestrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra
publishDate 2015
dc.date.none.fl_str_mv 2015-10
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/30813
http://hdl.handle.net/10316/30813
TID:201535572
url http://hdl.handle.net/10316/30813
identifier_str_mv TID:201535572
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv Machado, Fátima / Automatic sleep staging based on classifícation methods
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133895043579904

Registros relacionados