Sistema automático de detecção do sono utilizando células de carga

• Autor(a) principal: Santos, Lucas Moraes dos
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UCS
• Texto Completo: https://repositorio.ucs.br/11338/6321
• topic: Distúrbios do sono; Sono - Aspectos fisiológicos; Sono - Qualidade; Bioinformática; Engenharia biomédica

A qualidade do sono de uma pessoa está diretamente associada à sua saúde. Em vista disso, o monitoramento do sono é um excelente recurso para o diagnóstico e acompanhamento de diversas doenças. A polissonografia, padrão-ouro para monitoramento do sono, é amplamente utilizado em clínicas especializadas em medicina do sono. Porém, por ser um método intrusivo e caro, sua utilização contínua e a longo prazo torna-se inviável. Atualmente, existem diversas técnicas de monitoramento do sono, não-intrusivas, em estudo e desenvolvimento. Elas buscam remover a necessidade de intervenção do usuário ao dispositivo. Uma dessas técnicas faz o uso de células de carga posicionadas sob os suportes da cama, como um método alternativo e não- intrusivo para monitoramento do sono. A partir dos sinais adquiridos, podem ser extraídas informações sobre o ritmo respiratório, ritmo cardíaco e os movimentos da pessoa, informações estas que podem auxiliar no processo de detecção do sono. Diante do exposto, o presente trabalho apresenta o desenvolvimento de um sistema de detecção do sono baseado em aprendizado de máquina, capaz de determinar se um indivíduo está no estado de vigília ou sono, a partir de medições advindas de células de carga acopladas aos suportes do leito. O sistema foi avaliado com base nos resultados obtidos para 39 pacientes, resultando em uma sensitividade (classe acordado) de 50,1% e especificidade (classe dormindo) de 53,1%. Após aplicação de um filtro mediana sobre o sinal advindo da classificação, houve um aumento de 2,8% na sensitividade que ficou em 51,5%, enquanto na especificidade obteve-se 54,8%, que representa um aumento de 3,2% (sic).