Detección de patrones alternantes cíclicos en registros polisomnográficos de niños

Abstract

En este trabajo de título se desarrolló un sistema de detección automática de Patrones Alternantes Cíclicos (CAP) en registros polisomnográficos de niños sanos, sin la necesidad del conocimiento previo de la evolución temporal de los estados y etapas de sueño durante la noche. Los CAP se definen como patrones electro-encefalográficos (EEG) que aparecen durante el estado de sueño quieto (NREM) y se asocian a la inestabilidad del sueño. Se componen de dos fases, A y B. Ambas fases pueden tener una duración de 2 a 60 s. Las fases A corresponden a un aumento de amplitud y cambio de frecuencia respecto de la actividad de fondo del EEG, y se distinguen tres tipos. Las fases B son la actividad de fondo del EEG, asociadas a fases A. Para definir un CAP deben ocurrir al menos dos fases A, a una distancia temporal de 2 a 60 s. El sistema de detección que se desarrolló incluye las siguientes técnicas de procesamiento de señales: transformada de Fourier (FFT) y el método de Welch. Se probaron clasificadores basados en Redes Neuronales Artificiales (ANN) y Random Forest (RF). El detector automático de CAP puede ser considerado un sistema modular en cascada: El primer módulo detecta tramos de EEG compatibles con el estado de sueño NREM, en los módulos siguientes se buscan eventos de fases A en esos tramos, y luego se asocian temporalmente para definir la presencia de CAP. Además se analizan las características de las fases A para identificar su tipo. La base de datos utilizada consta de 48 registros polisomnográficos nocturnos de niños, adquiridos en el Laboratorio de Sueño y Neurobiología Funcional del Instituto de Nutrición y Tecnología de los Alimentos (INTA), U. de Chile. La base de datos fue dividida en los conjuntos de entrenamiento (22 registros), validación (6 registros) y prueba (20 registros). Los registros tienen marcadas las fases A, lo que fue realizado por un experto en sueño mediante inspección visual. Estas marcas fueron consideradas como ground truth para evaluar el desempeño del sistema. Los resultados obtenidos en la detección de fases A con el conjunto de prueba en los registros completos de sueño nocturno muestran 79,4 % de sensibilidad para clasificadores basados en ANN. Para clasificadores basados en RF los resultados fueron 78,3 % de sensibilidad. Considerando sólo los segmentos NREM en el conjunto de prueba los resultados mejoran, mostrando 80,1 % de sensibilidad, para clasificadores ANN, y 79,2 % de sensibilidad, para clasificadores RF. Los resultados en la detección de CAP para el conjunto de prueba en los registros completos de sueño nocturno muestran 81,3 % de sensibilidad para clasificadores ANN, y 69,5 % de sensibilidad para clasificadores RF. Considerando sólo los segmentos NREM en el conjunto de prueba se obtiene 81,5 % de sensibilidad, para clasificadores ANN, y 71,6 % de sensibilidad, para clasificadores RF. Este trabajo de memoria permitió llegar, principalmente, a dos conclusiones. Primero, los resultados de la detección de fases A son similares o superiores a los reportados en otros trabajos, pero como no se utilizan las mismas bases de datos, la comparación es limitada. Los resultados obtenidos en la identificación del tipo de fase A también son similares a los de la literatura. Segundo, los resultados de la detección de CAP son bajos. La mayor proporción de errores en las detecciones se deben a que el sistema etiqueta fases A no marcadas por el experto (tasa significativa de falsos positivos), y por consiguiente aumenta la marca de zonas de CAP. No se encontraron estudios con los cuales comparar este resultado.