Klasifikace spánkových EEG

Abstract

Tato diplomová práce se zabývá aplikaci vlnkové transformace na analýzu spánkových elektroencefalogramů za účelem rozpoznávání spánkových fázi. Teoretická část diplomové práce se zabývá teorií vzniku EEG signálu a jeho analýzou. Dále je tu popsána diagnostická metoda polysomnografie (PSG), při které se zaznamenává současně více funkcí organismu, mezi základní funkce patří elektroencefalogram (EEG), elektromyogram (EMG) a elektrookulogram (EOG). Tato metoda slouží k diagnostice spánkových poruch, a proto je v projektu popsán spánek, spánkové fáze a poruchy spánku. V praktické části je k analýze EEG signálu použita diskrétní vlnková transformace (DWT) a byla zde použita mateřská vlnka Daubechies 4 „db4“a rozklad signálu na úroveň 7. Ke klasifikaci vzniklých dat byla použita dopředná neuronová síť se zpětným šířením chyby.This thesis deals with wavelet analysis of sleep electroencephalogram to sleep stages scoring. The theoretical part of the thesis deals with the theory of EEG signal creation and analysis. The polysomnography (PSG) is also described. This is the method for simultaneous measuring the different electrical signals; main of them are electroencephalogram (EEG), electromyogram (EMG) and electrooculogram (EOG). This method is used to diagnose sleep failure. Therefore sleep, sleep stages and sleep disorders are also described in the present study. In practical part, some results of application of discrete wavelet transform (DWT) for decomposing the sleep EEGs using mother wavelet Daubechies 2 „db2“ are shown and the level of the seven. The classification of the resulting data was used feedforward neural network with backpropagation errors.