dc.contributor.advisor | Prior, Cesar Augusto | |
dc.creator | Weirich Junior, Nelson Roberto | |
dc.date.accessioned | 2022-07-06T19:53:23Z | |
dc.date.available | 2022-07-06T19:53:23Z | |
dc.date.issued | 2022-02-17 | |
dc.date.submitted | 2022 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/25247 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa
Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2022. | por |
dc.description.abstract | Sleep apnea is a sleep disorder characterized by partial or total obstruction of airflow in the respiratory
tract. This leads to reduced blood oxygenation, inducing awakening. In the long term, it
leads the person to develop other diseases that affect their health and social well-being. However,
the diagnostic process is known and performed through the polysomnography, where bioelectrical
and physiological signals are collected from the patient during a night’s sleep. Analysing
bioelectrical signals is a complex task that involves signal processing; currently, however, there
are computational tools in the field of artificial intelligence that aim to assist such analysis. In
view of this, this research aimed to study a new technique for predicting sleep apnea, through
the processing of only electroencephalogram (EEG) signals. To achieve this goal, EEG signals
from the open access polysomnography database were used from the University Hospital St. Vincent,
University of Dublin. This database is composed of polysomnography exam notes from
25 participants – 21 males and 4 females; mean age 50 (± 10) years, totalling 25 full-night
polysomnograms (PSGs) with two EEG channels (C3-A2 and C4-A1). The database presents
also notes of apnea respiratory events that occurred during the exam. The database was organized,
grouping, in a single file, the EEG signal data and the annotations of respiratory events.
With this data prepared, the signals were divided into frequency bands and the features that characterize
them were extracted, in order to train the machine learning models. The study presented
results that reveal the possibility of being able to identify sleep apnea only with EEG signals,
thus facilitating the process of analysis and diagnosis of the syndrome. The Gradient Boosting
algorithm, which had the best performance in this work, presented 79.56% of sensitivity, 90.59%
of specificity and 84.96% of accuracy. Thinking about the continuity of the work, it is suggested
to improve the generated models, focusing on the selection of attributes and the study of other
algorithms. Finally, these studies can be a source of resources for practical applications, such as
tools to support professionals in sleep apnea exams and studies. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Engenharia biomédica | por |
dc.subject | Apneia do sono | por |
dc.subject | Eletroencefalografia | por |
dc.subject | Inteligência artificial | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Processamento de sinais | por |
dc.subject | Biomedical engineering | eng |
dc.subject | Sleep apnea | eng |
dc.subject | Electroencephalography | eng |
dc.subject | Artificial intelligence | eng |
dc.subject | Machine learning | eng |
dc.subject | Signal processing | eng |
dc.title | Estudo de algoritmos de aprendizado de máquina na predição de apneia do sono por sinais de EEG | por |
dc.title.alternative | Study of machine learning algorithms in the prediction of sleep apnea from EEG signals | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.description.resumo | Apneia do sono é um distúrbio do sono caracterizado pela obstrução parcial ou total do fluxo
de ar no trato respiratório. Isso leva a redução da oxigenação sanguínea, induzindo ao despertar.
A longo prazo, leva a pessoa a desenvolver outras doenças que afetam sua saúde e bem-estar
social. Contudo, o processo de diagnóstico é conhecido e realizado através de exame de polissonografia,
onde são coletados sinais bioelétricos e fisiológicos do paciente em uma noite de
sono. Analisar sinais bioelétricos é uma tarefa complexa que envolve processamento de sinais;
atualmente existem, porém, ferramentas computacionais no campo da inteligência artificial que
visam auxiliar tal análise. À vista disso, esta pesquisa teve por objetivo estudar uma nova técnica
para predição de apneia do sono, através do processamento de, apenas, sinais de eletroencefalograma
(EEG). Para alcançar tal objetivo, foram utilizados sinais de EEG do banco de dados
de polissonografia, de livre acesso, do Hospital Universitário St. Vincent da Universidade de
Dublin. Esse banco é composto por anotações de exames de polissonografia de 25 participantes
— 21 masculinos e 4 femininos; média de idade 50 (± 10) anos totalizando 25 polissonogramas
(PSGs) de noite completa com dois canais de EEG (C3–A2 e C4–A1). O banco apresenta
também anotações de eventos respiratórios de apneia ocorridos durante o exame. O banco de
dados foi organizado, agrupando, em um só arquivo, os dados de sinais de EEG e as anotações
dos eventos respiratórios. Com esses dados preparados, os sinais foram divididos em bandas de
frequência e extraídos os atributos que os caracterizam, de modo a treinar os modelos de aprendizado
de máquina. O estudo apresentou resultados que revelam a possibilidade de conseguir
identificar apneia do sono apenas com sinais de EEG, facilitando, assim, o processo de análise
e diagnóstico da síndrome. O algoritmo Gradient Boosting, que obteve o melhor desempenho
neste trabalho, apresentou 79,56% de sensibilidade, 90,59% de especificidade e 84,96% de acurácia.
Pensando na continuidade do trabalho, sugere-se aprimorar os modelos gerados, com foco
na seleção de atributos e estudo de outros algoritmos. Por fim, esses estudos podem ser fonte
de recursos para aplicações práticas, como ferramentas de apoio a profissionais em exames e
estudos de apneias do sono. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
dc.publisher.unidade | Centro de Tecnologia | por |