Show simple item record

dc.creatorSilveira, Thiago Lopes Trugillo da
dc.date.accessioned2019-01-23T10:33:39Z
dc.date.available2019-01-23T10:33:39Z
dc.date.issued2016-01-25
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/15433
dc.description.abstractThe correct sleep stage classification allows sleep experts to diagnose and treat disorders such as apnea, narcolepsy and insomnia. Such task is classically performed by sleep medicine experts, where one or more physiological signals are visually inspected. Since electroencephalogram (EEG) signals are considered good indicators for sleep analysis, they are widely used for sleep stage scoring. Although, the adequate sleep classification for a single night of sleep can demand from two to four hours of analysis, being frequently performed by two experts. The current study presents a novel decision support system, aiming to facilitate this experts’ task. The proposed methodology is based on the multi-resolution analysis of a single EEG channel through the application of the discrete wavelet transform (DWT). Methodologies which consider only one EEG channel for sleep scoring have reduced computational cost and the related acquisition equipments are easier to use in comparison with the multi-channel ones. Afterwards the signal decomposition by DWT, statistical features from sleep related brain rhythms are extracted and feed a classifier. Random forests are used for classification task in the current study. A set of 39 signals corresponding to 20 volunteers of a public database is considered. The performance of the proposed method is evaluated through techniques such as cross-validation, where accuracies keep higher than 90% and kappa coefficient higher than 0.8 are achieved for 2 to 6 states of sleep stages. The introduced method achieves better, or at least comparable, results when compared with state-of-the-art studies in all analyzed scenarios.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectTransformada wavelet discreta (DWT)por
dc.subjectClassificação do sonopor
dc.subjectSinais de eletroencefalograma (EEG)por
dc.subjectDiscrete wavelet transform (DWT)eng
dc.subjectSleep classificationeng
dc.subjectElectroencephalogram (EEG) signalseng
dc.titleClassificação de estágios de sono através da aplicação de transformada wavelet discreta sobre um único canal de eletroencefalogramapor
dc.title.alternativeSleep stages classification through application of the discrete wavelet transform on a single electroencephalogram channeleng
dc.typeDissertaçãopor
dc.description.resumoA correta classificação dos estágios de sono possibilita que especialistas possam diagnosticar e tratar distúrbios como apneia, narcolepsia e insônia. Tal tarefa é classicamente feita por médicos do sono, na qual um ou mais sinais fisiológicos são visualmente inspecionados. Por serem considerados bons indicadores para análise do sono, sinais de eletroencefalograma (EEG) são amplamente utilizados como entrada para tal procedimento. Entretanto, a classificação adequada de uma noite de sono pode demorar de duas a quatro horas de análise, além de ser frequentemente realizada por um par de especialistas. O presente trabalho apresenta um novo sistema de apoio à decisão, com o objetivo de facilitar a tarefa destes especialistas. A metodologia proposta é baseada na análise multirresolução de um único canal de EEG através da aplicação da transformada wavelet discreta (DWT). Métodos que consideram apenas um canal de EEG para classificação de estágios de sono têm reduzido custo computacional e os dispositivos de aquisição envolvidos são mais simples de usar em comparação com aqueles que consideram vários canais. Após a decomposição do sinal através da DWT, características estatísticas de ritmos cerebrais relacionados ao sono são extraídas e alimentam um classificador. Neste trabalho, florestas aleatórias são utilizadas para classificação. Em testes, é considerado um conjunto de 39 sinais correspondente a 20 voluntários de um banco de dados público. O desempenho do método proposto é avaliado através de técnicas como validação cruzada, na qual são atingidas acurácias maiores do que 90% e coeficientes kappa maiores do que 0.8 para as classificações de 2 a 6 estados de estágios de sono. O método proposto atinge resultados melhores do que, ou ao menos comparáveis a, de outros trabalhos no estado da arte em todos os cenários analisados.por
dc.contributor.advisor1Kozakevicius, Alice de Jesus
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1143985671114403por
dc.contributor.referee1Baratto, Giovani
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9054887406340022por
dc.contributor.referee2Becker, Carla Diniz Lopes
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6270631588851891por
dc.creator.Latteshttp://lattes.cnpq.br/3925632508523050por
dc.publisher.countryBrasilpor
dc.publisher.departmentCiência da Computaçãopor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.publisher.unidadeCentro de Tecnologiapor


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 International
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International

O Manancial - Repositório Digital da UFSM utiliza a versão 4.1 do software DSpace.
Av. Roraima, 1000. Cidade Universitária "Prof. José Mariano da Rocha Filho".
Bairro Camobi. CEP: 97.105-900. Santa Maria, RS, Brasil.