Classificação dos estágios do sono utilizando análise espectral e redes neurais convolutivas

Abstract

Distúrbios do sono como apneia do sono, insônia e hipersônia idiopática estão associados aos maiores problemas de saúde da sociedade moderna e afetam a saúde e a qualidade de vida das pessoas, ocasionando depressão, estresse, diabetes, déficit de atenção, obesidade, problemas cardiovasculares, entre outros. No entanto, o processo para detecção de distúrbios do sono é um processo moroso e caro, pois há necessidade de profissionais especializados, que tenham capacidade. Através de exames como a polissonografia, é possível identificar sinais que possam indicar uma disfunção na atividade fisiológica do paciente. Este terá de avaliar vários canais captados no exame e identificar os estágios do sono (REM, N1, N2,N3). Desta forma, é capaz de determinar um diagnóstico para um paciente. Por conseguinte, o principal objetivo deste trabalho é contribuir com o estudo da classificação automática dos estágios do sono, a partir de um estudo comparativo entre os trabalhos relacionados a rotulação dos estágios. Nesse trabalho, foi utilizado o método multitaper uma vez que ele supera algumas das limitações da análise convencional da transformada de Fourier, ao reduzir o bias de estimação obtendo múltiplas estimativas de uma mesma amostra. Além disso, converter o sinal em imagem e assim utilizá-los como entrada para Redes Neurais Convolutivas que têm se mostrado muito eficazes na classificação de imagens. Neste trabalho foram realizados dois experimentos onde o primeiro utilizou um único sinal EEG o Fpz-Cz e o segundo utilizou um único sinal EEG C4-A1, assim utilizados na geração de imagens e para classificação a rede convolutiva Inception-V3 que no primeiro experimento obteve 0.8726% de acurácia, 0.8736% de precisão, 0.8742% sensibilidade e 0.8684% de F1-score e no segundo obteve 0.8595% de precisão, 0.8604% sensibilidade, acurácia de 86% e 0.8576% de F1-score.