Analýza spánkové dynamiky pomocí elektrofyziologických příznaků

Simple item page
but.committeeprof. Ing. Martin Černý, Ph.D. (předseda) doc. Ing. Radim Kolář, Ph.D. (místopředseda) Ing. Oto Janoušek, Ph.D. (člen) Ing. Andrea Němcová, Ph.D. (člen) Ing. Vratislav Čmiel, Ph.D. (člen) Ing. Martin Lamoš, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Doc. Kolář položil otázku: Dala by se využít i jiná metoda spektrální analýzy? Dal by se použít čistě pásmový filtr? Zkoušel jste využít kombinaci jednotlivých příznaků? Ing. Němcová položila otázku: Dovedete si představit, že by vaše metoda mohla fungovat v domácím prostředí? Student obhájil diplomovou prácia odpověděl na otázky členů komise a oponenta.cs
but.jazykangličtina (English)
but.programBioinženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMívalt, Filipen
dc.contributor.authorLampert, Frederiken
dc.contributor.refereeJanoušek, Otoen
dc.date.accessioned2023-06-09T06:53:52Z
dc.date.available2023-06-09T06:53:52Z
dc.date.created2023cs
dc.description.abstractTáto práca sa zaoberá metódami detekcie spánku pomocou elektrofiziologických príznakov, bez dostupnosti anotácií v podobe hypnogramov. Vyhodnocovanie spánku pomocou polysomnografických (PSG) dát je časovo apersonálne náročný proces, ktorý sa odohráva zväčša vnemocničnom prostredí. Moderné implantabilné zariadenia schopné kontinuálneho snímania azdieľania dát otvárajú možnosť dlhodobého akontinuálneho monitorovania spánkovej aktivity upacientov snurologickými chorobami v domácom prostredí. Súčasné metódy na spánkovú detekciu využívajú intrakraniálne elektroencefalografické (iEEG) spánkové klasifikátory, ktoré sú tvorené a validované na štandardných polysomnografických dátach. Tie však nie sú vždy kdispozícii čo vedie kpotrebe vyvinutia metódy spánkového hodnotenia, ktorá by bola schopná analyzovať spánok pomocou elektrofyziologických príznakov aj bez dostupnosti anotácií v podobe hypnogramov ato obecne z malého počtu zvodov. Za týmto účelom bola navrhnutá metóda spánkového hodnotenia, ktorá vyhodnocuje spánok na základe výkonu elektroencefalografické (EEG) signálu v spektrálnej oblasti pomocou metrík zvaných Power in Band (PIB) metriky. V tejto práci bol analyzovaný výkon vdelta pásme (0,5-4 Hz), keďže EEG signál má vňom najvyššiu amplitúdu azároveň je jeho aktivita najviac výrazná počas N2 aN3 spánkových cyklov, ktoré sú najviac zastúpené vspánku počas noci, takže poskytujú najlepšiu informáciu orozložení spánku počas noci. Scieľom validácie PIB metrík boli taktiež predstavené štandardné metriky založené na hypnogramoch. Tieto metriky boli následne implementované do programovacieho prostredia Python a aplikované na dva voľne dostupné datasety, Dreem Open Dataset-Healthy (DOD-H) a Dreem Open Dataset-Obstructive (DOD-O) obsahujúce polysomnografické merania 25 zdravých jedincov (DOD-H dataset) a56 jedincov so syndrómom spánkového apnoe (OSA)(DOD-O dataset). Výsledky analýz boli vyhodnotené pomocou vizuálnej analýzy vo forme boxplotov, korelačných matíc a štatistických testov. Z výsledkov analýz vyplýva, že navrhnuté PIB metriky majú schopnosť rozlišovať medzi fyziologickým a patofyziologickým spánkom, avšak ich schopnosť rozlišovať niektoré aspekty spánku sa líši od štandardných metrík založených na hypnogramoch. Ztoho vyplýva, že PIB metriky nenahrádzajú štandardné metriky, ale skôr ponúkajú inú perspektívu na analýzu spánku.en
dc.description.abstractThis thesis concerns with sleep assessment methods using electrophysiological features without the availability of annotations in the form of hypnograms. Sleep evaluation using polysomnographic (PSG) data is time-consuming process, that requires trained personnel and is usually done in a hospital environment. Novel implantable neural devices capable of continuous data recording and streaming open up possibilities of longitudinal and continual monitoring of sleep activity in a home environment for patients with neural diseases. Current state-of-the-art methods for longitudinal sleep analysis utilizes automated intracranial electroencephalography (iEEG) sleep classifiers developed and validated using clinical gold-standard PSG annotations. However, PSG is not always feasible to perform which leads to the necessity for a sleep assessment method, which could analyse sleep using electrophysiological features without the availability of goldstandard PSG annotations generally from a small number of electrodes. For this purpose a novel sleep assessment method was developed, which evaluates sleep based on the power of electroencephalographic (EEG) signal in the spectral bands with employment of the metrics called Power in Band (PIB) metrics. In this work power in the delta band (0.5-4 Hz) was used, as it has the highest amplitude among all of the bands and is the most prominent during the non-REM sleep states, therefore giving the most relevant information about the composition of sleep during the night. Moreover, standard hypnogram-based metrics were introduced for the purpose of the PIB metrics validation. These metrics were incorporated into (Python) programming language and applied on two publicly-available datasets Dreem Open Dataset-Healthy (DOD-H) and Dreem Open Dataset-Obstructive (DOD-O) containing polysomnographic recordings of 25 healthy subjects (DOD-H) and 56 subjects suffering from obstructive sleep apnea (OSA) (DODO dataset). The results of the analysis were evaluated by visual analysis in terms of boxplots, correlation matrices and statistical tests. From the results, it is possible to assume, that proposed PIB metrics have the ability to differentiate between physiologic and pathophysiologic sleep, although their ability to discriminate between some aspects differs from the metrics based on the hypnogram annotations. This implies the fact, that PIB metrics do not substitute the standard hypnogram-based metric, but rather provide different perspective on the sleep assessment.cs
dc.description.markAcs
dc.identifier.citationLAMPERT, F. Analýza spánkové dynamiky pomocí elektrofyziologických příznaků [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other150877cs
dc.identifier.urihttp://hdl.handle.net/11012/210214
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectSpánková analýzaen
dc.subjectPolysomnografia (PSG)en
dc.subjectElektroencefalografia (EEG)en
dc.subjectAASMen
dc.subjectSpánkové poruchyen
dc.subjectEpilepsiaen
dc.subjectSleep assessmentcs
dc.subjectPolysomnography (PSG)cs
dc.subjectElectroencephalography (EEG)cs
dc.subjectAASMcs
dc.subjectSleep disorderscs
dc.subjectEpilepsycs
dc.titleAnalýza spánkové dynamiky pomocí elektrofyziologických příznakůen
dc.title.alternativeSleep dynamics analysis using electrophysiological featurescs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-08cs
dcterms.modified2023-06-08-16:02:23cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid150877en
sync.item.dbtypeZPen
sync.item.insts2023.06.09 08:53:52en
sync.item.modts2023.06.09 08:12:11en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.93 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
7.04 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_150877.html
Size:
4.7 KB
Format:
Hypertext Markup Language
Description:
review_150877.html
Download
Collections
2023