ارزیابی قابلیت ویژگی‌های زمانی، فرکانسی سیگنال EEG و ویژگی‌های مستخرج از تبدیل بسته موجک در تفکیک مراحل مختلف خواب با استفاده از شبکه SOM

Abstract

<span id="ctl00_MainContent_ucSimpleManuDetail1_lblManuAbstract">سیگنال‌های زیستی مختلف شامل EEG، EOGو EMGبه منظور تشخیص اختلالات خواب در آزمایشگاه‌های خواب ثبت می‌شوند. تحلیل اطلاعات ثبت شده در زمان خواب به‌وسیله متخصص خواب، به صورت شهودی انجام می‌شود. طبقه‌بندی شهودی مراحل خواب به دلیل طولانی بودن ثبت‌ها، کار زمان‌بر و خسته کننده‌ای است. تحلیل خودکار خواب می‌تواند این امر را تسهیل کند. مهم‌ترین گام برای طبقه‌بندی خودکار مراحل خواب، استخراج ویژگی‌های مناسب است. در این تحقیق دو دسته ویژگی از سیگنال EEGاستخراج شدند: دسته اول ویژگی‌هایی هستند که از روی ضرایب تبدیل بسته‌های موجک (WPT) محاسبه شده‌اند و دسته دوم شامل تعدادی از ویژگی‌های فرکانسی و یک ویژگی زمانی یعنی دامنه سیگنال EEGهستند. در ادامه این دو مجموعه از ویژگی‌ها به طور مجزا به‌وسیله شبکه‌های عصبی SOMبه فضای دوبعدی نگاشته شدند. نگاشت به‌دست آمده نشان داد که این ویژگی‌ها در جدا کردن خودکار مراحل خواب بسیار مفیدند. اطلاعات استخراج شده از EEGبیداری و خواب عمیق به دو ناحیه کاملاً مجزا نگاشته شدند. این نگاشت همچنین نشان داد که سیگنالEEGبه‌تنهایی برای جدا کردن کامل مراحل خواب کافی نیست زیرا وقتی اطلاعات مستخرج از سیگنال EEGدر خواب REMو مرحله 1 از خواب NREMبه ناحیه یکسان نگاشت شدند، اطلاعات استخراج شده از سیگنال EEGدر مرحله 2 خواب با سایر مراحل همپوشانی دارد که این نتایج منطبق با تعاریف فیزیولوژی مراحل خواب است.</span>