استخراج ویژگی برای طبقه بندی خودکار مراحل خواب

در آزمایشگاههای خواب سیگنالهای بیولوژیکی مختلف شامل EMG، EOG ، EEG به منظور تشخیص اختلالات خواب ثبت می شوند آنالیز اطلاعات ثبت شده در زمان خواب توسط متخصص خواب به صورت شهودی انجام می شود. طبقه بندی شهودی مراحل خواب به دلیل طولانی بودن ثبت ها، کار زمان بر و خسته کننده ای است. آنالیز خودکار خواب می تواند این کار را تسهیل کند. مهمترین گام برای طبقه بندی خودکار مراحل خواب، استخراج ویژگیهای مناسب است. در این تحقیق دو دسته ویژگی از سیگنال EEG استخراج شد. دسته اول ویژگیهایی هستند که از روی ضرایب ویولت محاسبه شدند و دسته دوم شامل تعدادی از ویژگیهای فرکانسی و یک ویژگی زمانی یعنی دامنه سیگنال EEG هستند. در ادامه این دو مجموعه از ویژگیها به طور مجزّا توسط شبکه های عصبی SOM به فضای دو بعدی نگاشت شدند. نگاشت بدست آمده نشان داد که این ویژگیها در جدا کردن خودکار مراحل خواب بسیار مفید هستند. این نگاشت همچنین نشان داد که سیگنال EEG به تنهایی برای جدا کردن کامل مراحل خواب کافی نیست. اطلاعات استخراج شده از سیگنال EEG خواب REM و مرحله 1 از خواب NREM به ناحیه یکسان نگاشت شدند که این نتایج منطبق با تعاریف فیزیولوژی مراحل خواب است.

کلیدواژه ها:

مراحل خواب ، تبدیل ویولت ، طیف توان ، شبکه عصبی ، SOM