Detección de movimientos de piernas peródicos y no periódicos sobre el electromiograma utilizando la energía de Shannon

Abstract

El objetivo de este trabajo de título fue desarrollar un sistema de detección automática de movimientos de piernas periódicos y no periódicos sobre el electromiograma en registros polisomnográficos pertenecientes al INTA de la Universidad de Chile. Los movimientos de piernas periódicos han sido asociados a distintas patologías y/o trastornos del sueño, como por ejemplo, el síndrome de las piernas inquietas (RLS), el cual trae consigo la dificultad para conciliar el sueño. Debido a su relación con estos trastornos y/o patologías, es que la detección de movimientos de piernas periódicos sobre el EMG es relevante desde el punto de vista médico. El sistema de detección desarrollado incorpora características como la Energía de Shannon, y además, algoritmos de clasificación de aprendizaje de máquinas (Random Forest) y técnicas de procesamiento avanzado de señales, tales como la Transformada Wavelet Discreta (DWT) y transformada de Hilbert-Huang (HHT), las que permiten obtener una representación de la señal en un espacio tanto temporal como frecuencial. Además, se obtienen características específicas que permiten filtrar artefactos producidos por el electrocardiograma, y criterios de tiempo para la duración de eventos de movimientos de piernas. El sistema de detección automático desarrollado corresponde a un sistema modular compuesto por tres módulos con objetivos distintos entre sí: el primer módulo tiene por objetivo detectar la mayor cantidad de eventos de movimiento de piernas utilizando la Energía de Shannon. A su vez, el Módulo 2 tiene el objetivo de filtrar los eventos propuestos por el primer módulo, y de esta manera, filtrar la mayor cantidad de falsos positivos. Para ello, el Módulo 2 aplica la DWT, la HHT, y luego extrae distintas características sobre cada evento propuesto por el Módulo 1. Finalmente, el Módulo 3 tiene por objetivo generar las secuencias de movimientos periódicos a partir de los eventos de movimientos de piernas propuestos por el Módulo 2. De un total de 27 registros polisomnográficos se construyó una base de datos con 25 registros polisomnográficos de sueño nocturno. Dos de ellos no se consideraron debido a que poseían un alto ruido en cada uno de sus canales. La base de datos fue dividida en tres conjuntos: 11 de entrenamiento, 4 de validación y 10 de prueba. Los resultados sobre los registros del conjunto de prueba muestran una sensibilidad de 0,87, una precisión de 0,73 y un F1-score del 0,79. En general, el sistema desarrollado presenta resultados bastante buenos, los que son comparables con los mejores resultados mostrados en la literatura. El algoritmo es parte integral de un software desarrollado como una herramienta de apoyo al trabajo de investigación de los especialistas en sueño.