Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único

Abstract

A detecção de doenças que alteram a fisiologia do ser humano, principalmente as que alteram o sono, pode ser feita por meio do estudo do comportamento do sono de uma pessoa, que apresenta estágios que são categorizados como NREM1, NREM2, NREM3 e REM. A categorização destes estágios podem ser feitos por meio de polissonografias, exames que utilizam de vários sinais biomédicos como EEG, EMG e EOG. Como forma de reduzir o número de sinais biomédicos necessários para a determinação dos estágios do sono, este trabalho faz um estudo de como utilizar somente um canal de EEG para determinar os estágios do sono observando somente este sinal e o comportamento de seu espectro. A forma proposta é descarregar o conjunto de dados de EEG dos canais Pz-Oz e os dados de estágios do sono de exames de polissonografia advindos do banco de dados da PhysioNet, realizar com o Python(numpy) a análise da frequência destes sinais de EEG utilizando a Fast Fourier Transform e utilizar os resultados dos sinais processados como forma de parâmetro de entrada para a rede neural artificial, descrita em Python(Keras) rodando como backend a biblioteca TensorFlow, que receberá treinamento supervisionado. Após o treino e validação da rede neural, executar a montagem de hipnogramas, gráfico que mostra o progresso dos estágios do sono durante a noite. A montagem eficiente do hipnograma neste trabalho de forma generalizada, se torna limitada devido a insuficiência de amostras presentes no banco de dados. Neste trabalho há apenas a validação da possibilidade da criação da ferramenta devido aos resultados obtidos.