このエントリーをはてなブックマークに追加
Clip to Evernote

抽象
不眠症は、対象が睡眠中に問題に遭遇する睡眠障害である。本研究の目的は、チャネルROC-LOCを使用してEEG 信号に適用されたPSDアプローチの時間周波数分析を使用して、健常者または罹患者からの不眠症イベントを識別することです。本研究では、人間の脳波信号の属性と波形について考察します。この研究の目的は、睡眠のさまざまな段階の領域における変化のシグナルスペクトル分析の形で結果を引き出すことです。解析と計算は、各EEGセグメントのPSDの睡眠のすべての段階で行われます。結果は、EEG信号のデルタ、シータ、アルファおよびベータセグメントに基づいて不眠症事象を認識する可能性を示している。
前の記事次の記事
略語
脳波脳波図ROC-LOC中央右と中央左PSDパワースペクトル密度
キーワード
不眠症の分類脳波信号の解析PSDの推定
1 。前書き
人間の脳の複雑さは学術研究の最もよく文書化された分野の一つです。今日では、複数の技術は、記録するために存在して脳波、パターンを脳波は、そのうちの一つです。脳波に基づく信号を通して、複雑な内部メカニズムとそれらの心理的および精神医学的障害との関連についてのより良い理解を確立することができます [1]。
不眠症または不眠症は、眠りに落ちることまたは望まれる限り眠り続けることができない睡眠障害である。不眠症は以下の特徴があります。
1。
頻繁に夜中に起きます。
2。
早起き。
3。
一般的な疲労感。
4。
赤字の集中力。
5。
日中ゆっくりとリフレッシュしない気分。
不眠症の症例は過去数年間で急激な上昇を見ており、痛みや疲労と相まって都市社会で最も一般的な疾患の1つです。不眠症の症例は驚くほどのレベルにありますが、それについての認識は、被害者と医師の両方にとって、最悪のレベルにあります。問題をさらに複雑にしているのは、標準的な処理として広く受け入れられているフォームがないという事実です[2]。
不眠症に対するDSM-5基準には以下のものが含まれる:[13]。

以下の症状の1つ(または複数)に関連した、睡眠の量または質に対する不満の主な苦情:

睡眠を開始するのが難しい。(小児では、これは介護者の介入なしに睡眠を開始するのが困難であることとして現れるかもしれません。)

頻繁な目覚め、または目覚めの後に眠りに戻る問題によって特徴付けられる睡眠を維持することの困難。(小児では、これは介護者の介入なしに眠りに戻るのが困難であることを示す可能性があります。)

眠りに戻れない早朝の目覚め。
一般的な不眠の夜は誰にでも起こり、不眠症は緊張や騒音に対する有機体の自然な反応であるという誤用を招きます。しかし、不眠症は他の疾患の症状ではなく、他の病状に続発します。不眠症による効果は以下の通りです。
1。
昼間の眠気。
2。
過激な気分。
3。
労働災害の可能性が高まりました。
4。
機械を効果的に操作できない。
5。
運転中に集中力を失います。
2 。不眠症の分類
2.1 。病因によると
2.1.1。不眠症
不眠症が認識されていない身体的(痛み)、影響を及ぼしている(うつ病/不安)、環境的(夜間の騒音)または物質的(薬物)の原因である場合、その状態は不眠症障害と呼ばれる。
2.1.2。併発性不眠症
これは、喘息、鬱病、関節炎、癌、または腹痛などのフィットネス状態など、何か他の原因で犠牲者が睡眠障害を抱えているときです。疼痛; 服用中の薬 またはアルコールのような使用されている材料[3]。
2.2 。睡眠パターンによると
2.2.1。入眠不眠症
犠牲者が眠りにつくのに長い時間がかかるが、いったん睡眠が始まると暗闇の中を通して眠ることができるとき
2.2.2。睡眠維持不眠症
患者が夜間に定期的に目を覚ますと睡眠が細分化されるとき[4]。
2.3 。期間に応じて
2.3.1。一過性不眠症
1週間以内の耐久性 これは人口の間で最も一般的で広範な形式です。
2.3.2。急性不眠症
1〜4週間持続します。それはストレス要因と関係がありますが、一時的な不眠症よりも長持ちします。
2.3.3。慢性不眠症
4週間以上持続し、本質的には生物の原因、例えば長期の身体的または精神的な病気によるものか、または明白な根本的な原因がない場合があります[2]。
3 。主題の詳細と記録されたデータ
この研究では、合計25人のボランティア被験者が選ばれました[5] 。9人の被験者は不眠症の睡眠障害に罹患しており、16人の被験者は正常群と呼ばれた。性別、年齢、各段階の睡眠時間などの被験者の詳細を調べた。両群の主題の人口統計をそれぞれ表1、表2に示す。
表1。普通の人がデータを記録しました。
S. 件名 S0睡眠段階の睡眠時間 S1睡眠段階の睡眠時間 S2睡眠段階の睡眠時間 S3睡眠段階の睡眠時間 S4睡眠段階の睡眠時間 レム睡眠段階の睡眠時間
G P ID A 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間
1 F N1 37 22:09:33 22時10分33秒 06:19:33 06:20:33 23時29分33秒 23:30:33 00:35:03 00:36:03 22時40分33秒 22時41分33秒 23時36分33秒 23時37分33秒
2 M N2 34 22時19分06秒 22時20分06秒 00:44:06 00:45:06 23時20分06秒 23時21分06秒 22時47分06秒 22時48分06秒 22時52分06秒 22時53分06秒 00:20:36 00:21:36
3 F N3 35 23時10分42秒 23時11分42秒 04時57分42秒 04時58分42秒 23時55分12秒 23時56分12秒 23時20分42秒 23時21分42秒 23時25分12秒 23時26分12秒 01:00:42 01:01:42
4 F N4 25年 22時36分37秒 22時37分37秒 06:41:37 06:42:37 23時54分07秒 23時55分07秒 03:33:07 03:34:07 00:29:07 00:30:07 01:07:37 01:0/8:37
5 F N5 35 22時49分48秒 22時50分48秒 22時53分18秒 22時54分18秒 00:01:18 00:02:18 00:52:48 00:53:48 01:05:48 01:06:48 01:18:48 01:19:48
6 M N6 31 22時38分39秒 22時39分39秒 NA NA 23:03:39 23:04:39 01:03:39 01:04:39 00:34:39 00:35:39 23時58分09秒 23時59分09秒
7 M N7 31 22時21分11秒 22時22分11秒 06:27:41 06:28:41 00:00:41 00:01:41 03:21:41 03:22:41 23:04:11 23:05:11 00:31:11 00:32:11
8 F N8 42 22時17分41秒 22時18分41秒 05:58:41 05:59:41 00:00:41 00:01:41 22時56分41秒 22時57分41秒 23:06:41 23:07:41 00:23:41 00:24:41
9 M N9 31 22時56分13秒 22時57分13秒 23時15分43秒 23時16分43秒 23時43分13秒 23時44分13秒 23時49分13秒 23時50分13秒 23時52分43秒 23時53分43秒 00:38:43 00:39:43
10年 M N10 23 23時24分52秒 23時25分52秒 NA NA 23時58分22秒 23時59分22秒 01:34:22 01:35:22 00:04:52 00:05:52 01:12:52 01:13:52
11 F N11 28年 22時37分16秒 22時38分16秒 NA NA 23:08:46 23:09:46 00:38:16 00:39:16 23時36分16秒 23時37分16秒 00:17:16 00:18:16
12年 M N12 29年 15時14分22秒 15時15分22秒 NA NA 15時30分52秒 15時31分52秒 15時38分52秒 15時39分52秒 15時55分22秒 15時56分22秒 16時34分22秒 16時35分22秒
13年 F N13 24 NA NA NA NA NA NA NA NA NA NA NA NA
14年 F N14 35 NA NA NA NA NA NA NA NA NA NA NA NA
15年 M N15 34 22:00:22 22時01分22秒 22時14分52秒 22時15分52秒 22時28分52秒 22時29分52秒 22時34分52秒 22時35分52秒 NA NA 23時46分22秒 23時47分22秒
16 F N16 41 22時35分17秒 22時36分17秒 NA NA 23時58分17秒 23時59分17秒 NA NA NA NA 23時50分17秒 23時51分17秒
表2。不眠症患者はデータを記録した。
SL NO。 患者の詳細 S0睡眠段階の睡眠時間 S1睡眠段階の睡眠時間 S2睡眠段階の睡眠時間 S3睡眠段階の睡眠時間 S4睡眠段階の睡眠時間 レム睡眠段階の睡眠時間
ID GEN 年齢(歳) 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間 始まる時間 終了時間
1 INS1 M 54 22時32分28秒 22時33分28秒 23:00:28 23時01分28秒 23時12分28秒 23時33分28秒 23時45分28秒 23時46分28秒 該当なし 該当なし 00:23:28 00:24:28
2 INS2 F 58 18時27分38秒 18時28分38秒 該当なし 該当なし 23時24分38秒 23時25分38秒 00:17:38 00:18:38 該当なし 該当なし 00:54:38 00:55:38
3 INS3 M 82 22時50分12秒 22時51分12秒 23時57分12秒 23時58分12秒 01:20:12 01:21:12 02:50:12 02:51:12 03:10:12 03:11:12 03:56:12 03:57:12
4 INS4 F 58 21時36分34秒 21時37分34秒 該当なし 該当なし 01:46:34 01:47:34 22時36分34秒 22時37分34秒 23時40分34秒 23時41分34秒 22時50分34秒 22時51分34秒
5 INS5 F 59 18時01分48秒 18時02分48秒 23:30:48 23時31分48秒 23時33分48秒 23時34分48秒 05:56:48 01:03:48 05:57:48 00:11:48 01:03:48 01:04:48
6 INS6 F 54 23時40分47秒 23時41分47秒 01:00:47 01:01:47 00:00:47 00:01:47 01:36:47 01:37:47 00:10:47 00:11:47 00:57:47 00:58:47
7 INS7 F 47 20:00:14 20時01分14秒 05:51:14 05:52:14 23時28分14秒 23時29分14秒 23時55分14秒 23時56分14秒 22時18分14秒 22時19分14秒 23時17分14秒 23時18分14秒
8 INS8 M 64 22時44分34秒 22時45分34秒 23時38分34秒 23時39分34秒 02:21:34 02:22:34 05:09:34 05:10:34 該当なし 該当なし 02:09:34 02:10:34
9 INS9 M 72 22時37分44秒 22時38分44秒 23時15分44秒 23時16分44秒 23時21分44秒 23時22分44秒 23時39分44秒 23時40分44秒 02:38:44 02:39:44 02:40:44 02:41:44
4 。脳波信号の解析
4.1 。EEGデータを読み込む
MATLABワークスペースのphysionet.org [5] からのEEG信号のロードとさまざまな信号の名前Load(matName)コマンドは、ワークスペースに ‘val’という名前の信号を与えます。
図1は全信号を示しており、時間基準である。信号は1分です[6]。
図1
高解像度画像をダウンロード(714KB)フルサイズの画像をダウンロード
図1。S0ステージの完全なEEG信号
4.2 。脳波信号の抽出
前のトピックで説明したように、すべてのチャンネルが1つの信号に織り込まれているEEG信号を使用しました。その図1から、我々はすべての不眠症の犠牲者の異なる共通チャンネルを抽出しました。
ROC-LOC、C4-P4、C4-A1、F4-C4、ECG1-ECG2、EMG1-EMG2、P4-O2 [6]、[7]。
ここに示されているチャネルはC4-A1とROC-LOCです。図2は周波数ベースです。ここでは、サンプリング周波数は256 Hzです。
図2
高解像度画像をダウンロードする(250KB)フルサイズの画像をダウンロード
図2。周波数ごとに異なる抽出信号。
4.3 。脳波信号から睡眠段階を抽出
今度は図3は時間の点に基づいています。クリップされた信号の持続時間は、S0 睡眠段階のためのそれぞれのチャンネルのEEG信号からなる 1 分(60 秒)です。
図3
高解像度画像をダウンロード(252KB)フルサイズの画像をダウンロード
図3。S0 睡眠段階について時間に基づいて異なる信号を抽出した。
4.4 。EEG信号のフィルタリング
クリッピングされた各信号は前処理された後、ハニングウィンドウローパスフィルタを通過して、最終的にノイズを示す高周波成分が除去されます。これは、EEG信号の大部分が25 Hzの範囲内に制限されるためです。したがって、 ハニング窓の形状を持つカットオフ周波数25 Hz の次数200のFIRフィルタ設計に基づくフィルタは、各睡眠セージのローパスフィルタリング用に設計されています[6]、[8]。
図4は、異なるチャネルに対するフィルタリングされた信号を示しています。
図4
高解像度画像をダウンロード(222KB)フルサイズの画像をダウンロード
図4。S0 睡眠段階のために異なるフィルタリングされた信号を抽出した。
4.5 。元の信号とフィルタ処理された信号の比較
元の波形とフィルタ処理された波形の違いを図5に示します。フィルタリング方法として、ゼロ位相フィルタリングであるMATLAB関数 ‘filtfilt’が使用されています[6]。元の波形とフィルタ処理された波形の両方が1:1000の比率でカットされ、両方の信号の微妙な違いが詳しくわかります。
図5
高解像度画像をダウンロード(263KB)フルサイズの画像をダウンロード
図5。元の波形とフィルタ処理された波形の間のわずかな違い
4.6 。パワースペクトル密度の推定
PSDの改良された推定量は、Welchによって提案されたものです。この方法は、時系列データを(おそらく重なり合う)セグメントに分割し、各セグメントの修正ピリオドグラムを計算し、そしてPSD推定値を平均することからなる。結果は、WelchのPSD推定値です。Welchの方法は、ツールボックス内にWelch法によって実装されています。PSDは周波数スペクトルに関して信号電力を与えるので、スペクトル電力を分配するために周波数スロットの数を特定することを必要とする。これはFFTポイント数(NFFT)と呼ばれます。図6は、電力表示されているスペクトル密度の異なるチャネルの(PSD)[6] 、[9] 、[12] 。
図6
高解像度画像をダウンロードする(311KB)フルサイズの画像をダウンロード
図6。異なるチャンネルのPSDを示す図。
5 。結果と議論
睡眠症状を持たない正常症例の正規化パワー(P norm)を分析し、S0期の病理学的症例と比較する[10]、[11] 。正規化電力は、完全な電力のうち、特定のEEGアクティビティの割合を示します。それで、それは特定のEEG活動の平均パワーをとる代わりに特徴の検出の測定のより良い指標を与えることがわかった。我々は16人の正常症例と9人の不眠症症例を取り、そして結果を比較した[6]。
表3によると、正常例のデルタ活動正規化パワーは0.58-0.76の範囲であり、不眠症ケースの0.81-0.89の範囲であることから、正常例の正規化パワーは不眠症と比較して低いことがわかります。犠牲者。
表3。デルタアクティビティの正規化パワー。
ステージS0 通常1 通常2 通常3 不眠症1 不眠症5 不眠症6
P_delta(正規化) 0.58457 0.766656 0.75848 0.8999 0.81859 0.8732
同様に、標準化されたシータ活動度数についても、正常例のPnormは0.17〜0.28と高く、不眠症の場合は0.078〜0.16の範囲であり、低い値です(表4を参照)。
表4。シータ活動の正規化された力。
ステージS0 通常1 通常2 通常3 不眠症1 不眠症6
P_theta(正規化) 0.28546 0.17031 0.19047 0.078008 0.11943
以下のためにアルファ活性不眠症のケースの範囲は、すなわち0.006から0.02まで低くしながら、通常の場合の正規化パワーが高い0.04から0.12の範囲である(表5)。
表5。アルファアクティビティの正規化された力。
ステージS0 通常1 通常2 通常3 不眠症1 不眠症5 不眠症6
P_alpha(正規化) 0.12228 0.058187 0.04643 0.02153 0.01366 0.0066697
表6 によると、正常例のベータ放射能の正規化された検出力は0.004〜0.007の範囲で高く、不眠症の場合は0.0005〜0.0007の範囲であり、通常の場合と比較してかなり低い値です。
表6。ベータアクティビティの正規化パワー。
ステージS0 通常1 通常2 通常3 不眠症1 不眠症5 不眠症6
P_ベータ(正規化) 0.0076992 0.004942 0.0046171 0.00056601 0.00067993 0.00070318
表4、表5、表6は、不眠症患者が、それぞれ、EEG信号のシータ波、アルファ波およびベータ波に対して低い正規化パワーを有することを示している。表3は、不眠症患者がEEG信号のデルタ波に対して高い正規化パワーを有することを示している。
6 。結論
私たちは、提示さEEGは ROC-LOCのチャネルを使用してのPSDに基づいて正常な個体と不眠症の被害者との間の比較を信号と正常のために、我々は短い時間のアプローチを利用、不眠症の被害者を検出するための範囲を定義した周波数解析EEG信号に適用されるPSDのを。この方法は、現在使用されているグラフィカルな検出方法に代わるものです。過去に、我々は急速な眼球運動行動障害を診断しました、そして、将来の研究はてんかん発作のような他の病気と他の睡眠障害のためにこの技術の採用に焦点を合わせます。パワースペクトル密度の短時間周波数分析に基づいて、結果は、EEG信号のデルタ、シータ、アルファおよびベータセグメントに基づいて不眠症事象を認識する可能性を示している。
競合する利益
MMSは研究者です。他の作者は彼らが競合する利益を持っていないと宣言します。
著者の貢献
MMSは実験用のアルゴリズムを設計し、実験を実行してデータを分析しました。GSとSHSは私を助け、私の仕事の間私を導きます。著者全員が最終原稿を読み、承認しました。
参考文献
[1]
Chouvarda、I、et al。不眠症の種類と睡眠の微細構造の動態 医学と生物学の社会(EMBC)の工学、2013年の議事録第35回IEEEの国際会議。IEEE; 2013年
Google Scholar
[2]
Chouvarda、Ioanna、等。生理学的データ解析に基づく不眠症治療の評価 医学と生物学の社会における工学、2007(EMBS 2007)、で:IEEEの第29回年次国際会議の議事録。IEEE; 2007年
Google Scholar
[3]
モハMaroof Siddiqui著、ら。
EEG信号は睡眠障害を診断するための主要な役割を果たす
Int。J.Electron。計算します。サイ。工学 、2 (2 )(2013 )、PP。503 – 505
Scopus Google Scholarでレコードを表示する
[4]
Chouvarda、I、et al。不眠症におけるCAP睡眠睡眠微細構造分析のための新しい方法論的側面 医学と生物学社会における工学(EMBC)、:IEEEの2011年年次国際会議の議事録。IEEE; 2011年
Google Scholar
[5]
< http://physionet.org/cgi-bin/atm/ATM >
Google Scholar
[6]
モハMaroof Siddiqui著、ら。
EEG信号(ROC ‐ LOC)に適用したPSDアプローチの短時間周波数分析を用いた急速眼球運動行動障害の検出
バイオメイド。結果 、26 (3 )(2015 )、PP。587 – 593
Scopus Google Scholarでレコードを表示する
[7]
Krajca V、Petranek S、Paul K、Matousek M、Mohylova J、Lhotska L.構造時間プロファイルを使用した新生児脳波における睡眠段階の自動検出、2005年IEEE医学医学生物学会議録、第27回年次大会(上海) 、2005年9月1〜4日。
Google Scholar
[8]
RU Acharyaさん、O. ファウスト、N. Kannathal 、T. チュア、S. ラクシュミーナーラーヤン
様々な睡眠段階におけるEEG信号の非線形解析
計算します。メソッドプログラム バイオメイド。、80 (2005 )、頁。37 – 45
CrossRef Google Scholar
[9]
D. 劉、Z. パン、SR ロイド
瞳孔サイズ及びEEGに基づく閉塞性睡眠時無呼吸及びナルコレプシーを検出するためのニューラルネットワーク法
IEEE Trans。ニューラルネットワーク 、19 (2008 )、PP。308 – 318
Scopus Google Scholarでレコードを表示する
[10]
LD Iasemidis
てんかん発作の予測と管理
IEEE Trans。バイオメイド。工学 、50 (2003 )、頁549 – 558
Scopus Google ScholarのCrossRef ビューレコード
[11]
AT Tzallas 、MG Tsipouras 、DI Fotiadis脳波における
てんかん発作の検出
IEEE Trans。Inf。テクノル。バイオメイド。、13 (5 )(2009 )
Google Scholar
[12]
モハMaroof Siddiqui著、ら。
EEG信号に適用されたPSDの短時間周波数分析の助けを借りた周期的四肢運動の検出
抽出、4 (11 )(2015 )
Google Scholar
[13]
睡眠覚醒障害
精神障害の診断および統計マニュアル:DSM-5 (第5版)、アメリカ精神医学会、ワシントンDC (2013 )
Google Scholar
ブラジル睡眠協会の責任の下での査読。
要約を見る
©2016ブラジル睡眠協会。Elsevier BVによる制作とホスティング

https://www.sciencedirect.com/science/article/pii/S1984006316300487