dc.creator | Silveira, Thiago Lopes Trugillo da | |
dc.date.accessioned | 2019-01-23T10:33:39Z | |
dc.date.available | 2019-01-23T10:33:39Z | |
dc.date.issued | 2016-01-25 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/15433 | |
dc.description.abstract | The 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.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Transformada wavelet discreta (DWT) | por |
dc.subject | Classificação do sono | por |
dc.subject | Sinais de eletroencefalograma (EEG) | por |
dc.subject | Discrete wavelet transform (DWT) | eng |
dc.subject | Sleep classification | eng |
dc.subject | Electroencephalogram (EEG) signals | eng |
dc.title | Classificação de estágios de sono através da aplicação de transformada wavelet discreta sobre um único canal de eletroencefalograma | por |
dc.title.alternative | Sleep stages classification through application of the discrete wavelet transform on a single electroencephalogram channel | eng |
dc.type | Dissertação | por |
dc.description.resumo | A 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.advisor1 | Kozakevicius, Alice de Jesus | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1143985671114403 | por |
dc.contributor.referee1 | Baratto, Giovani | |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/9054887406340022 | por |
dc.contributor.referee2 | Becker, Carla Diniz Lopes | |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/6270631588851891 | por |
dc.creator.Lattes | http://lattes.cnpq.br/3925632508523050 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Ciência da Computação | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |