Signal processing approaches for sleep quality analysis in suspected sleep disorder patients

06/17/2021

O sono faz parte do ritmo circadiano e é caracterizado por sequências de estados associados a funções do sistema nervoso autónomo. É um processo fisiológico complexo inerente a cada indivíduo e usualmente cobre aproximadamente um terço da vida. A qualidade do sono é um dos fatores mais relevantes que afetam a saúde física e mental e as queixas relacionadas ao sono são das causas mais comuns que levam à procura de atendimento médico, sendo apenas superadas pela sensação de dor. O sono não restaurador é tipicamente associado à presença de um distúrbio relacionado ao sono, como a apneia do sono. A polissonografia é o exame padrão para estudos do sono, sendo necessária a monitorização de vários sinais fisiológicos que são tipicamente visualmente analisados para avaliar os resultados. No entanto, este processo é lento e dispendioso, propenso a erros, devido à fadiga, e indisponível a uma grande parte da população mundial. Outra dificuldade na análise do sono é a falta de consenso relativo à definição da qualidade do sono, enquanto o termo é amplamente utilizado por médicos, pesquisadores e pelo público. Esta é tipicamente baseada em questionários, quantidade de sono, fatores ambientais, índices derivados de fatores fisiológicos, intervenções farmacológicas, parâmetros polissonográficos e presença de distúrbios do sono. No entanto, a correspondência entre medidas objetivas do sono e a avaliação subjetiva da qualidade do sono é consideravelmente baixa. De forma a obter alternativas para lidar com essas restrições, esta pesquisa concentra-se no desenvolvimento de algoritmos de classificação automática para estimar a qualidade do sono e na implementação das abordagens mais adequadas, em dispositivos económicos. Para tal, revisões de literatura foram realizadas e três abordagens foram identificadas como caminhos adequados para a examinação da qualidade do sono. O primeiro considerou o exame de métricas do sono e as métricas relacionadas com o padrão alternante cíclico de eletroencefalograma foram selecionadas como as melhores para estimar a qualidade do sono. A segunda abordagem considerou a avaliação da presença de distúrbios relacionados com o sono, teorizando que a ocorrência de tais distúrbios pode ser um dos principais contribuintes para a má qualidade do sono. Desta forma, a apneia do sono foi considerada neste trabalho como o distúrbio mais relevante a ser abordado, por ser um dos distúrbios mais prevalentes e que na maior parte dos casos não é diagnosticado. A última abordagem foi proposta neste trabalho e considerada que a combinação de métricas de qualidade do sono e a deteção de distúrbios relacionados ao sono podem fornecer uma melhor estimativa da qualidade global do sono. Vários algoritmos, baseados em aprendizagem de máquina para reconhecimento de padrões, foram desenvolvidos para estimar as métricas estudadas, testando múltiplos sensores para medir os sinais fisiológicos. Especificamente, foram desenvolvidos modelos para o exame dos sinais do eletroencefalograma e eletrocardiograma, propondo novas abordagens para a análise da qualidade do sono. Os melhores modelos foram posteriormente implementados nos dispositivos de monitorização desenvolvidos. Verificou-se que o desempenho dos algoritmos está em linha com o valor médio do acordo entre especialistas, analisando os mesmos dados, indicando que os algoritmos desenvolvidos podem ser úteis para o diagnóstico médico. Sleep is part of the circadian rhythm and is characterized by sequences of stages with autonomous nervous system functions that are related to it. It is a complex physiological process inherent to each individual and commonly covers nearly one-third of the lifespan. Sleep quality is one of the most relevant factors that affects physical and mental health and sleep-related complaints are the second most common cause to seek medical attention, superseded only by the feel of pain. Non-restorative sleep is commonly associated with the presence of a sleep-related disorder such as sleep apnea. Full night polysomnography is the standard for sleep studies, requiring monitoring multiple physiological signals that are commonly analyzed by visual examination to score the results. However, this process is slow and expensive, prone to errors due to fatigue of the scorer, and unavailable to a large portion of the world population. Another difficulty in sleep analysis is the lack of a definitional consensus about what is sleep quality while the term is widely used by clinicians, researchers, and the public. It is commonly based on self-rating indexes, the duration of sleep, environmental factors, physiologically derived indices, pharmacologic interventions, polysomnographic parameters, and occurrence of sleep disorders. Nevertheless, correspondence between objective sleep measurements and the person’s subjective assessment of the sleep quality is considerably low. To address these constraints, this research focuses on developing automatic algorithms to estimate sleep quality and implement the most suited approaches in cost-effective devices. Therefore, literature reviews were conducted and three approaches were identified as suitable paths to implement the sleep quality examination. The first considered the examination of sleep metrics and the electroencephalogram cyclic alternating pattern related metrics were selected as the most suitable. The second approach was to assess the presence of sleep related disorders, theorizing that the occurrence of such disorders can be a key contributor to poor sleep quality. Therefore, sleep apnea was considered in this work as the most relevant disorder to be addressed since it is one of the most prevalent disorders that is majorly undiagnosed. The last approach was hypothesized in this work and considered that the combination of sleep quality metrics and the detection of sleep related disorders could provide a better estimation of global sleep quality. Several algorithms, based on machine learning for pattern recognition, were developed to estimate the studied metrics, testing multiple sensors to measure the physiological signals. Specifically, models were developed for the examination of the electroencephalogram and electrocardiogram signals, proposing new approaches for sleep quality analysis. The best models were then implemented in the developed home monitoring devices. It was verified that the algorithms' performance is in the same range as the average specialist agreement, indicating that the developed algorithms could be useful for medical diagnosis.

Authors in the community:

• 

  F

  Fábio Rúben Silva Mendonça

  ist188575

Supervisors of this institution:

• 

  J

  João Paulo Salgado Arriscado Costeira

  ist12390

101676549

Dotoramento em Engenharia Electrotécnica e de Computadores

electrical-engineering-electronic-engineering-information-engineering - Electrical engineering, electronic engineering, information engineering

Keywords

• Sleep quality
• cyclic alternating pattern
• sleep apnea
• machine learning
• home monitoring devices
• Qualidade do sono
• padrão alternante cíclico
• apneia do sono
• aprendizagem de máquina
• dispositivos de monitoramento doméstico

eng - English

Instituto Superior Técnico

Financing entity

arditi

Financing entity

União Europeia

Financing entity

Regiao Autonoma da Madeira