Содержание к диссертации
Введение
Глава 1. Постановка задачи исследования 12
1.1 Сон и полисомнография 12
1.2 Нарушения сна 18
1.3 Методы диагностики нарушений сна 23
1.4 Аналитический обзор литературы 28
1.5 Формальная постановка задачи определения структуры сна и обоснование критерия качества её решения 34
1.6 Выводы по главе 1 41
Глава 2. Исследование физиологических сигналов и методов их регистрации, потенциально применимых для длительного мониторинга структуры сна 42
2.1 Анализ изменений физиологических параметров в течение сна 42
2.2 Анализ методов регистрации физиологических сигналов, потенциально применимых к задаче 46
2.3 Исследование возможности определения структуры сна человека на основе анализа дыхательных движений
2.3.1 Введение 54
2.3.2 Предобработка сигналов 58
2.3.3 Извлечение признаков из сигнала ВСР 60
2.3.4 Извлечение признаков из сигнала РИП 67
2.3.5 Классификация и результаты 74
2.4 Выводы по главе 2 76 Стр.
Глава 3. Разработка методов учёта особенностей структуры сна 78
3.1 Особенности структуры сна 78
3.2 Нормализованный индекс эпохи 79
3.3 Оценка априорных вероятностей в течение ночи 80
3.4 Математическая модель оценки априорных вероятностей 83
3.5 Эвристические правила 89
3.6 Двухступенчатая классификация 91
3.7 Выводы по главе 3 92
Глава 4. Разработка биотехнической системы длительного автоматического бесконтактного определения структуры сна человека 93
4.1 Экспериментальные исследования по совместной регистрации биорадиолокационных сигналов и полисомнографии 93
4.2 Разработка алгоритма определения артефактов и дыхательных циклов на биорадиолокационном сигнале 96
4.3 Исследование пространства признаков и методов классификации 101
4.4 Апробация методов учёта особенностей структуры сна 108
4.5 Исследование качества определения структуры сна и возможности диагностики инсомнии на основе биорадиолокационного мониторинга 110
4.6 Разработка требований к биотехнической системе длительного бесконтактного мониторинга структуры сна человека 115
4.7 Выводы по главе 4 119
Основные выводы и заключение по диссертационной работе 121
Список литературы
- Методы диагностики нарушений сна
- Исследование возможности определения структуры сна человека на основе анализа дыхательных движений
- Математическая модель оценки априорных вероятностей
- Апробация методов учёта особенностей структуры сна
Введение к работе
Актуальность темы
Нарушения сна широко распространены в общей популяции и часто остаются недиагностированными. Так, инсомния, в зависимости от используемой методологии исследования, отмечается у 6–48% популяции (Ohayon, 2002), а обструктивное апноэ сна наблюдается у 1–5% женщин и 3–8% мужчин (Punjabi, 2008), при этом около 80% случаев апноэ так и остаются недиагностированными (Jennum, 2009). Согласно Европейскому социальному исследованию, 25% населения России в возрасте 41–65 лет отмечают у себя наличие беспокойного сна, а доля людей старше 65 лет с симптомами инсомнии составляет 50% (Dregan, 2011).
Помимо широкой встречаемости, нарушения сна, сопровождаясь проявлением дневной сонливости, значительно увеличивают риск несчастных случаев (Akerstedt, 2002) и ДТП (Pandi-Perumal, 2006; Connor, 2002), что обусловливает социальную значимость этой группы патологических состояний. Кроме того, снижение продолжительности и качества сна в краткосрочной перспективе влияет на самочувствие, работоспособность, дневную сонливость и усталость, а в долгосрочной — повышает риск возникновения сердечно-сосудистых заболеваний, ожирения, сахарного диабета и депрессии (Ferrie, 2011).
Структура сна является ключевым измеряемым диагностическим показателем при определении нарушений сна. «Золотым стандартом» определения структуры сна является полисомнография (ПСГ), по результатам которой врач, визуально анализируя электроэнцефалограмму (ЭЭГ), электроокулограмму (ЭОГ) и электромиограмму (ЭМГ), классифицирует каждую эпоху (30-секундный интервал записи) как период бодрствования (ПБ), фазу быстрого сна (ФБС) или одну из стадий фазы медленного сна (ФМС).
Согласно Международной классификации нарушений сна 3-го пересмотра, хроническая инсомния определяется как нарушение инициации или поддержания сна, происходящее не менее 3 раз в неделю в течение не менее чем 3 месяцев. На настоящий момент для оценки наличия инсомнии и выраженности её симптомов применяются опросники и дневники сна. Однако, в многочисленных исследованиях показано, что способности человека к объективной оценке сна ограничены, и в большинстве случаев субъективная оценка сна значительно отличается от объективных показателей (Carskadon et al., 1976; Lung et al., 2013). В некоторых случаях это приводит к парадоксальной инсомнии, когда, несмотря на то что объективно измеренные продолжительность и структура сна соответствуют норме, пациент сообщает о трудностях в инициации и поддержании сна. В клинической практике также применяются и объективные методы оценки продолжительности и структуры сна — ПСГ и актиграфия. Однако ПСГ, в силу высокой трудоёмкости и
стоимости, неприменима для длительной оценки структуры сна, в то время как актиграфия позволяет только отделить сон от бодрствования.
Использование устройств для длительного мониторинга структуры сна представляет интерес не только для диагностики инсомнии и других нарушений сна, но также для профилактики, что особенно актуально в группах высокого риска, и контроля эффективности терапии. Кроме того, подобный мониторинг может помочь в организации режима сна-бодрствования, увеличить внимание пациента к своему здоровью и мотивировать его на соблюдение гигиены сна. Согласно опросу (PWC HRI Physician and Consumer Surveys, 2010), 35% врачей хотели бы иметь возможность длительного мониторинга структуры сна своих пациентов на дому, что лишь немногим менее доли врачей (36%), считающих полезным иметь возможность следить за количеством потреблённых пациентами калорий.
Таким образом, существует потребность в инструментах для длительного мониторинга структуры сна как здоровых людей, с целью профилактики и соблюдения гигиены сна, так и людей с нарушениями сна, для диагностики, отслеживания динамики заболевания и коррекции терапии. В связи с этим, разработка средств для длительного автоматического определения структуры сна является актуальной задачей.
Цель работы: разработка программного-аппаратного комплекса для длительного автоматического определения структуры сна человека.
Для достижения поставленной цели были сформулированы и решены следующие задачи:
-
исследование и обоснование выбора физиологических сигналов, на основе анализа которых будет определяться структура сна, и метода их регистрации;
-
разработка комплекса алгоритмов определения структуры сна человека;
-
разработка биотехнической системы (БТС) для длительного автоматического определения структуры сна человека;
-
доклиническое исследование эффективности разработанных средств и методов.
Методы исследования
Поставленные задачи решались на основе теории биотехнических систем, методов цифровой обработки сигналов, теории машинного обучения, теории вероятности и математической статистики.
Основные положения, выносимые на защиту:
1. Автоматическое определение структуры сна взрослого практически здорового человека со средним качеством 0,47 каппы Коэна по сравнению с ПСГ возможно осуществить на основе анализа дыхательных движений.
2. Для автоматического определения структуры сна как практически
здоровых испытуемых, так и испытуемых с инсомнией, на
основе биорадиолокационного (БРЛ) мониторинга необходимо
сформировать пространство признаков, описывающее эпоху сна,
состоящее из:
– характеристик двигательной активности;
– спектральных характеристик БРЛ сигнала;
– характеристик дыхательных циклов (ДЦ);
– характеристик регулярности дыхательного паттерна.
3. В результате апробации показано, что предложенная БТС
обеспечивает определение структуры сна человека со средним
качеством 0,5 каппы Коэна по сравнению с ПСГ как для практически
здоровых испытуемых, так и для испытуемых с инсомнией.
Научная новизна:
-
Разработан алгоритм определения артефактов и ДЦ на БРЛ сигнале, позволяющий идентифицировать ДЦ с точностью 96% и чувствительностью 98% на длительных записях БРЛ мониторинга сна.
-
Разработаны методы учёта особенностей структуры сна, позволяющие повысить качество определения структуры сна как для практически здоровых испытуемых, так и для испытуемых с инсомнией.
-
Обоснован набор характеристик эпох сна, позволяющий осуществлять их автоматическую классификацию на основе БРЛ мониторинга.
-
Разработана БТС, определяющая структуру сна со средним качеством 0,5 каппы Коэна по сравнению с ПСГ.
Практическая значимость диссертационной работы заключается в разработке и апробации метода автоматического определения структуры сна человека на основе бесконтактного биорадиолокационного мониторинга с качеством, не уступающим методам определения структуры сна человека, представленным в литературе, по кардиореспираторным параметрам, зарегистрированным с помощью контактных датчиков.
Результаты работы внедрены в научную работу ФГБУ «СЗФМИЦ им. В.А. Алмазова» Минздрава России, ИЭФБ им. И.М. Сеченова и МГТУ им. Н.Э. Баумана.
Апробация работы
Основные результаты работы докладывались и обсуждались на: научном семинаре факультета «Биомедицинская техника» МГТУ им. Н.Э. Баумана (г. Москва, 2016); Annual International Conference of the IEEE Engineering in Medicine and Biology Society (Milan, Italy, 2015; Orlando, USA, 2016); Российско-Германской конференции по биомедицинской инженерии (г. Санкт-Петербург, 2014; г. Суздаль, 2016); Congress of the
European Sleep Research Society (Tallinn, Estonia, 2014; Bologna, Italy, 2016); SPIE Symposium on Defense and Security, XVIII Radar Sensor Techonology Conference (Baltimore, USA, 2014); научном семинаре «Радиолокационные системы малой и сверхмалой дальности» (г. Москва, 2014 г.); научном семинаре Microwave Sensing, Signals and Systems Group, Delft University of Technology (г. Делфт, Нидерланды, 2015 г.); научном семинаре Institute for the Electromagnetic Sensing of the Environment (г. Неаполь, Италия, 2013); Молодёжной школе-конференции с международным участием «Сон - окно в мир бодрствования» (г. Ростов-на-Дону, 2013 г., г. Санкт-Петербург, 2015 г.).
Материалы диссертации использовались в ходе исследований, проводимых в рамках грантов РФФИ (14-07-31151 мол_а, 16-07-01096 а, 15-07-02472 а), грантов Президента Российской Федерации для государственной поддержки молодых российских учёных-кандидатов наук (MK-889.2014.9, МК-7812.2015.7), гранта Фонда содействия инновациям (11402р/17221), гранта EU FP7 AMISS (PIRSES-GA-2010-269157).
За работы, которые являются частью данной диссертации, автору присуждена стипендия Президента Российской Федерации молодым учёным и аспирантам и стипендия Президента Российской Федерации для обучения за рубежом студентов и аспирантов.
Публикации. Основные результаты по теме диссертации изложены в 22 печатных изданиях, в том числе в 3 статьях в журналах, рекомендованных ВАК РФ для публикации материалов диссертаций на соискание учёных степеней кандидата и доктора наук, в 1 патенте на полезную модель и 1 свидетельстве об официальной регистрации программ для ЭВМ.
Объем и структура работы. Диссертация состоит из введения, четырех глав и заключения. Полный объем диссертации составляет 138 страниц текста с 53 рисунками и 24 таблицами. Список литературы содержит 159 наименований.
Методы диагностики нарушений сна
Номенклатура нозоологий сна, их классификация и диагностические критерии представлены в двух общепринятых руководствах: Международная классификация нарушений сна 3-го пересмотра (ICSD-3, International Classification of Sleep Disorders – third edition), изданная в 2014 г. AASM; Диагностическое и статистическое руководство по психическим расстройствам 5-го пересмотра (DSM-5, Diagnostic and Statistical Manual of Mental Disorders – fifth edition), изданное в 2013 г. Американской психиатрической ассоциацией. Согласно ICSD-3, нозологии сна делятся на следующие группы: – инсомнии; – нарушения дыхания во сне (НДВС); – гиперсомнии; – расстройства цикла «сон – бодрствование»; – парасомнии; – расстройства движения во сне; – другие расстройства сна. К гиперсомниям относятся нарушения сна, приводящие к его избыточной продолжительности. В ICSD-3 выделяются следующие гиперсомнические нозологии: нарколепсия I и II типа; идиопатическая гиперсомния; синдром Клейне-Левина; гиперсомния вследствие заболеваний; гиперсомния вследствие приёма лекарственных средств; гиперсомния, ассоциированная с психическими расстройствами; синдром недостаточного сна. Одна из наиболее клинически значимых гиперсомний — нарколепсия — встречается у 0,02–0,06% общей популяции [36].
ICSD-3 выделяет следующие расстройства цикла «сон–бодрствование»: синдром задержки фазы сна; синдром опережающей фазы сна; нерегулярный цикл «сон–бодрствование»; не 24-часовой цикл «сон–бодрствование»; расстройство цикла «сон–бодрствование» при сменной работы; синдром смены часовых поясов; неуточненное расстройство цикла «сон–бодрствование». Эпидемиология данной группы патологических состояний не вполне ясна ввиду недостаточности данных в литературе. Так, распространённость в Японии оценивается в 0,13% [37] от общей популяции, а среди европейских подростков в 0,4% [38].
Расстройства движения во сне включают: синдром беспокойных ног; синдром периодических движений конечностей; ночные судороги; бруксизм; расстройство с ритмичными движениями во сне; доброкачественные миоклонии сна младенцев; проприоспинальные миоклонии засыпания; расстройство движения во сне вследствие других заболеваний; расстройство движений во сне вследствие приёма лекарственных препаратов; неуточненное расстройство движений во сне. Наиболее распространенным нарушением движения во сне является синдром беспокойных ног, который встречается у 0,1–2,7% общей популяции [39].
К парасомниям относятся нежелательные события, происходящие во время инициации сна, пробуждения или в течении сна. Парасомнии делятся на ассоциированные с ФМС и ФБС. К парасомниям, ассоциированным с ФМС, относят: пробуждение со спутанным сознанием; снохождения; ночные страхи; расстройства пищевого поведения; ассоциированные со сном. К парасомниям, ассоциированным с ФБС относят: расстройства поведения в ФБС; сонный паралич; кошмары. Кроме того, выделяют такую категорию как «другие парасомнии», к которым относятся: синдром «взрывающейся головы»; галлюцинации связанные со сном; ночной энурез; парасомнии вследствие других заболеваний; парасомнии вследствие приёма лекарственных препаратов; неуточненную парасомнию. Распространённость парасомний в общей популяции оценивается от 0,4% для расстройства пищевого поведения, ассоциированного со сном, до 2,8% для ночных кошмаров [40].
ICSD-3 выделяет следующие НДВС: синдром обструктивного апноэ сна; синдром центрального апноэ сна; расстройства с гиповентиляцией во сне; расстройства с гипоксемией во сне. Наиболее распространённым НДВС является синдром обструктивного апноэ сна, которое встречается у 4% мужчин и 2% женщин [36]. Наличие НДВС диагностируется при индексе апноэ-гипопноэ (ИАГ) 5. ИАГ — среднее количество эпизодов апноэ (остановки дыхания) и гипопноэ (значимое снижение дыхательного потока) в час.
Инсомния — «это клинический синдром, характеризующийся наличием повторяющихся нарушений инициации, продолжительности, консолидации или качества сна, возникающих несмотря на наличие достаточного количества времени и условий для сна и проявляющихся нарушениями деятельности различного вида» [41].
Оба руководства, ICSD-3 и DSM-5, включают в качестве диагностических критериев инсомнии частоту (не менее 3 раз в неделю) и продолжительность (не менее 3 месяцев) нарушения сна. В ICSD-3 используется термин «хроническая инсомния» (chronic insomnia disorder), в то время как в DSM-5 «инсомния» (insomnia disorder). Эта категория заменила такие нозологии, существующие в предыдущих редакциях данных руководств, как «первичная инсомния» и «вторичная инсомния», ввиду того, что зачастую невозможно достоверно установить причинно-следственную связь между инсомнией и коморбидными состояниями [36].
Исследование возможности определения структуры сна человека на основе анализа дыхательных движений
Как показано в разделе 1.1 в ходе смены фаз и стадий сна происходят изменения в сигналах ЭЭГ, ЭОГ и ЭМГ, на основе анализа которых и проводится определение структуры сна во время ПСГ. Однако в литературе отмечается, что во время сна происходят изменения во многих системах организма [32], таким образом выбор сигналов, на основе анализа которых может быть определённа структура сна, не ограничивается используемыми в ПСГ.
Баланс автономной нервной системы (АНС) в течение сна меняется [90]. Так, ФМС характеризуется последовательным снижением активности симпатической АНС (СНС) и увеличением активности парасимпатической АНС (ПНС). В тонической ФБС идёт увеличение парасимпатической активности, а в физической симпатической [32]. Изменения в АНС приводят к изменениям многих физиологических параметров, в частности ЧСС и ВСР.
ЧСС и ВСР последовательно снижается в течение стадий ФМС, ВСР в ФБС значительно увеличивается. Кроме того, в ФБС нередки эпизоды тахикардии и брадикардии. В фазическую ФБС может происходить значительное увеличение ЧСС. АД ведёт себя схожим образом, оно снижается в течение ФМС и возрастает в фазическую ФБС. Изменения, происходящие в сердечно-сосудистой системе во время сна, весьма значительны, что послужило причиной включения в стандарт суточного мониторирования ЭКГ и АД требования фиксации времени сна во избежание постановки неверного диагноза [91].
Частота и паттерн дыхания также значимо изменяются в течение сна вследствие изменения факторов влияющих на регуляцию дыхания. Дыхание регулируется дыхательным центром, который модулирует эфферентные импульсы к дыхательным мышцам и мышцам верхних дыхательных путей. Дыхательный центр обеспечивает генерацию дыхательного ритма и паттерна, их адаптацию к потребностям организма и поведенческим реакциям, поддерживает физиологический уровень 2 и 2 в крови.
Дыхательный центр располагается в продолговатом мозге и состоит из нескольких групп нейронов: преинспираторные, ранние инспираторные, полные инспираторные, поздние инспираторные, постинспираторные, экспираторные [92]. Гармоничная совместная работа всех типов нейронов приводит к регулярному и плавному паттерну дыхания.
Регуляция дыхания обеспечивается дыхательным центром благодаря информации поступающей по афферентным путям от механорецепторов и хеморецепторов. Схема регуляции дыхания представлена на Рис. 2.1. Хеморецепторы подразделяются на центральные и периферические. Первые располагаются в продолговатом мозге, а вторые в дуге аорты и каротидном синусе. Центральные хеморецепторы реагирует на изменение содержание 2 в крови через изменение pH внеклеточной жидкости. Периферические хеморецепторы реагирует на уменьшение парциального давления кислорода 2 в артериальной крови, и, в меньшей степени, на увеличение парциального давления углекислого газа в артериальной крови 2.
Следующие типы механорецепторов принимают участие в регуляции дыхания: рецепторы растяжения лёгких, ирритантные рецепторы слизистой оболочки дыхательных путей, J-рецепторы. Рецепторы растяжения лёгких расположены в гладких мышцах бронхов и трахеи, они реагируют на увеличение объёма лёгких. Ирритантные рецепторы реагируют на быстрые изменения объёма лёгких, а также на попадание в воздухоносные пути пыли, паров едких веществ и холодного воздуха. J-рецепторы расположены в ткани альвеол и реагируют на изменение артериального давления, увеличение объёма интерстициальной жидкости в лёгких.
Помимо механо- и хемо- рецепторов в регуляции дыхания участвуют также и высшие центры мозга, что проявляется в произвольном изменении дыхания, перерывах дыхания во время речи, пения, смеха, вздохов, зевоты, ускорении дыхания при тревоге и болевых ощущениях [93].
Математическая модель оценки априорных вероятностей
Как было указано выше, представленность стадий изменяется в течение сна. Простейшим способом учесть данный факт является введение нового признака в описание эпохи, который характеризует её положение в записи. Поскольку продолжительность сна может быть различна, необходимо пронормировать индекс эпохи. Введём, новый признак — индекс эпохи: Et Е = — х 100, N где Et — порядковый номер эпохи в записи, N — общее количество эпох в записи. Не смотря на простоту и очевидность данного подхода, применение индекса эпохи в качестве признака для классификации эпох в работах, посвящённых разработке методов длительного мониторинга сна, найдено не было. Данный метод использовался в работах [27; 28], опубликованных совместно с Анищенко Л.Н., Коростовцевой Л.С., Бочкаревым М.В., Свиряевым Ю.В., Ивашовым СИ. Идея и реализация метода принадлежат автору диссертации.
Второй метод заключается в непосредственной оценке априорных вероятностей в течение всей ночи на основе анализа частоты встречаемости стадий в зависимости от индекса эпохи.
Для оценки распределения априорных вероятностей в течение ночи были использованы 1636 ПСГ записей из крупнейшей открытой базы ПСГ записей Sleep Heart Health Study (SHHS) [144; 145]. Данная база состоит из двух частей: SHHS1 — данные 5793 человек прошедших ПСГ исследования в 1995-1997 гг., и SHHS2 - данные 2651 участников SHHS1 прошедших повторное ПСГ исследование в 2001-2003 гг. Для оценки априорных вероятностей были использованы данные из обеих частей. Критерием исключения служило наличие НДВС. Характеристики выборки представлены в Таблице 12, а гендерно-возрастной состав на Рис. 3.2.
Пусть Ес-это индекс эпохи Е округлённый до ближайшего большего целого, таким образом Ес может принимать значения от 1 до 100; С-—это количество эпох с Е = і принадлежащих классу s, где s Є {W,L,D,R}, тогда можно оценить априорную вероятность принадлежности эпохи с индексом
В итоге распределение априорных вероятностей в течение сна выглядит следующим образом (Рис. 3.3). Полученное распределение согласуется с его теоретическими качественными оценками: априорная вероятность принадлежности эпохи к ПБ максимальна в начале и в конце записи; априорная вероятность принадлежности к ГС выше в первой половине сна; а априорная вероятность принадлежности к ФБС выше во второй половине сна.
Таким образом, к вектору признаков каждой эпохи можно добавить 4 новых признака, описывающих априорные вероятности для эпохи основываясь на её положении в записи {,,,}.
Использование априорных вероятностей, оценённых похожим образом, встречается в многочисленных работах [61–63; 65–67] как параметр линейного дискриминантного анализа при классификации эпох сна. Однако, использование априорных вероятностей в качестве признаков, подаваемых на классификацию совместно с остальными, в литературе найдено не было. Кроме того, в литературе подобная оценка проводилась на той же выборке, на которой в последствии тестировалась эффективность разработанных алгоритмов, что могло привести к переобучению. 3.4 Математическая модель оценки априорных вероятностей
Третий метод учёта особенностей структуры сна заключается в оценке априорных вероятностей на основе позиции эпохи в цикле. В предыдущем разделе 3.3 показано, что можно произвести оценку априорных вероятностей на основе расположения эпохи в записи, однако возможна более точная оценка априорных вероятностей на основе расположения эпохи в цикле, поскольку сон имеет циклическую структуру.
В ходе диссертационного исследования была разработана математическая модель оценки априорных вероятностей на основе позиции эпохи в цикле, которая представляет собой следующую систему уравнений логистической регрессии:
Значения коэффициентов регрессионных уравнений оценивались на выборке, описанной в предыдущем пункте 3.3. Значения коэффициентов, стандартная ошибка, стандартизированные коэффициенты и результаты теста Вальда представлены в Таблице 13. Таблица 13. Коэффициенты регрессионных уравнений модели Параметр Коэффициент Станд. коэф. Тест Вальда Значение Станд. ошибка PI -1,2 1,3 10-2 -94,9 Pi -9,5 10-6 2,0 10-7 -8,6 -46,3 Pi 1,2 10-3 2,9 10-5 11,1 40,7 Pi -5,3 10-2 1,1 10-3 -4,8 46,9 Pi - 1,1 10-1 3,3 10-3 0,3 33,9 Pi 0,8 1,1 10-2 71,8 P{ - 1,1 10-5 1,4 10-7 -6,3 -78,6 Pk 1,1 10-3 2,0 10-5 6,4 52,4 Pk -3,8 10-2 8,7 10-3 -2,2 -44,2 Pi -1,6 10-1 2,3 10-3 0,3 69,9 P0D -2,7 2,5 10-2 -121,9 p? -2,8 10-7 2,6 10-7 -0,2 -1,1 p? -1,4 10-3 3,8 10-5 -12,2 -37,7 PS 1,3 10-1 1,6 10-3 10,9 80,4 P? -7,0 10-1 4,1 10-3 - 1,9 -171,4 P0R -1,9 2,1 10-2 -93,0 p? -4,0 10-5 3,2 10-7 -28,1 -124,1 p? 8,0 10-3 5,4 10-5 58,4 148,3 Pi -3,6 10-1 2,3 10-3 -25,2 -150,9 Pi 2,5 10-1 3,9 10-3 0,6 64, отсутствие статистической значимости. Как видно из Таблицы 13 коэффициенты статистически значимы, за исключением коэффициента 1, то есть регрессионное уравнение для ГС может быть описано на основе полинома второй степени, а не третьей, как остальные уравнения.
На Рис. 3.4 показано распределение априорных вероятностей, согласно разработанной модели, для сна состоящего из 5 циклов, каждый длительностью в 100 эпох.
На Рис. 3.5 изображена схема классификации с использованием разработанной модели. Первый классификатор, на основе признаков извлечённых из сигнала, производит оценку вероятностей принадлежности Рис. 3.4. Распределение априорных вероятностей согласно модели для сна состоящего из 5 циклов длительностью по 100 эпох
эпохи к той или иной стадии сна. Затем данные вероятности, совместно с первоначальными признаками, извлечёнными из сигнала, используются в качестве признаков для бинарного классификатора ФБС–ФБС. Как известно, цикл сна заканчивается с окончанием ФБС, таким образом после выделения ФБС в записи, каждая эпоха может быть описана её нормализованным индексом в цикле и номером цикла. После чего, на основе этой информации и разработанной модели, производится оценка априорных вероятностей. Которые, в свою очередь, совместно с вероятностями, определёнными первым классификатором, используются в качестве признаков для второго классификатора, который и производит окончательное определение структуры сна.
Апробация методов учёта особенностей структуры сна
Данная БТС принадлежит к классу диагностических устройств, основанных на физических методах исследования, и относится к электромагнитным техническим устройствам. По результатам анализа БТС сформулированы основные медико-технические требования предъявляемые к разрабатываемой БТС. Требования к окружающей обстановке: отсутствие других движущихся объектов в зоне действия биорадара, кроме испытуемого. Требования к БО: наличие БО в зоне действия радара; отсутствие заболеваний у БО, способных значимо изменять паттерн сигнала, регистрируемого биорадаром; возраст 18 и более лет.
Наличие требований к возрасту обусловлено тем, что паттерн сна у детей, в особенности младенческого возраста, отличается от взрослого. Кроме того, к безопасности аппаратуры, предназначенной для работы с детьми, предъявляются более жёсткие требования. Возможность применения разработанной БТС для мониторинга сна детей требует дополнительных исследований, выходящих за рамки диссертационной работы.
Заболевания, способные значимо изменять паттерн сигнала, включают, но не ограничиваются: НДВС; синдром периодических движений конечностей; полинейропатии с вовлечением нейронов, участвующих в регуляции и контроле дыхания; нейромышечные заболевания с вовлечением дыхательной мускулатуры; тяжёлые варианты дыхательной астмы и другие бронхообструктивные заболевания; тяжёлая сердечная недостаточность, сопровождающаяся тахипноэ или другими нарушениями дыхания; тяжёлые инфекционные заболевания; тяжёлые формы сердечной, почечной и печёночной недостаточности; нарушения сознания. Возможность применение БРЛ мониторинга для определения структуры сна у людей с наличием данных заболеваний в литературе не рассматривалась и требует дополнительных исследований, которые выходят за рамки диссертационной работы.
Требования к оператору: отсутствие требований к наличию специальных знаний и навыков у оператора. Поскольку АПК предназначен для длительного мониторинга сна в домашних условиях, пациент должен самостоятельно выступать в роли оператора АПК, а значит требования к специальным знаниям и навыкам предъявляться не должны.
Требования к частотному диапазону: 5830–5925 МГц. Данный диапазон позволяет регистрировать перемещения грудной клетки во время дыхания, а также является нелицензируемым диапазоном радиочастот, предназначенным для промышленных, научных и медицинских применений, согласно решению Комиссии по вопросам регулирования использования радиочастотного спектра и электромагнитной совместимости радиоэлектронных средств Регионального содружества в области связи [159].
Требования к уровню электромагнитного излучения: ППЭ не должна превышать 10 мкВт/см2 на расстоянии 0,5 м от раскрытия антенны. Допустимые уровни электромагнитного излучения на территории Российской Федерации регулируются санитарными правилами и нормами (СанПин). Так, СанПин 2.2.4/2.1.8.055-96 «Электромагнитные излучения радиочастотного диапазона» устанавливает следующие предельно допустимые уровни ППЭ для электромагнитного излучения в диапазоне частот от 300 МГц до 300 ГГц: – 25 мкВт/см2 для рабочих мест при продолжительности воздействия 8 ч. и более; – 10 мкВт/см2 для рабочих мест на которых работают лица младше 18 лет или женщины в состоянии беременности, территорий жилой застройки и мест массового отдыха. Межгосударственный СанПиН 001-96 «Санитарные нормы допустимых уровней физических факторов при применении товаров народного потребления в бытовых условиях» определяет предельно допустимый уровень ППЭ = 10 мкВт/см2 для товаров народного потребления при измерении данного значения на расстоянии в 0,5 м от корпуса изделия.
Требования к расположению АПК относительно БО: АПК должен располагаться на расстоянии 0,5–3,0 м. от БО, антенны должны быть направлены на торс БО.
Требования к точности распознавания структуры сна: точность определения структуры сна при выделении 4 стадий (ПБ–ФБС–ПС–ГС), оцененная с помощью каппы Коэна, при сравнение с результатами ПСГ, должна составлять не менее 0,50.