Home

SleepLab v. 2.0 - RUN - Universidade Nova de Lisboa

Contents

1. Oa a aly Name Date 28 08 07 Time 23 35 43 890 Figure 1 E oa ELS Fig ms File Edit View Insert Tools Desktop Window Help o a 4 ESA Let Perna Esquerda e Ud h ANGA a a 03 mi Perna Direita al ECG ly Pr Hypnogram Awake Customize ICA E REM Input N Cl o g in AUT A N1 g E E L a Correction a E Im Artefact Correction Saturation E fi Wavelet Filter E A Thre Artefact Correction 300uV ogra E m 0 100 200 300 400 500 600 700 800 900 1000 Distances N3 I Epochs AR AROrder d Save All Reset Distances Figura 2 3 Carregamento de dados e leitura do cabe alho do ficheiro edf 2 3 Carregamento de Sinais Ap s o carregamento de dados ter se que escolher o sinal com o qual se pretende obter a classifica o autom tica do sono Para concretizar tal tarefa pode se efectuar a classifica o com e Sinal unipolar sinal de um el ctrodo referenciado em rela o massa do sistema sinal do el ctrodo C no caso dos dados provenientes do HPV e Sinal AV m dia aritm tica de todos os sinais provenientes de registos EEG e Sinal bipolar sinal que por quest es sem nticas diz se que constitu do por sinal sinal de refer ncia O sinal e o sinal de refer ncia poder o ser qualquer um dos canais EEG ou sinal AV A montagem bipolar dever ser escolhida pelo utilizador escrevendo
2. Figura 2 6 Sinal EEG sinal do el ctrodo Cs ap s remo o das pocas em que a sua amplitude era superior a do amplificador Sinal Unipolar Amplitude gt Para todas as E 3000 pV o pocas excepto a primeira Connnses Sim Epoca actual substituida por anterior Nao Epoca em analise mant m se no sinal Sinal Unipolar sem artefactos de satura o Figura 2 7 Tratamento das pocas excepto a primeira em que se analisa se a amplitude do sinal unipolar superior a 3000 pV No caso bipolar por exemplo C3 A2 verificou se que o crit rio anterior n o poderia ser usado porque se ocorrer coincid ncia de fase entre C3 e A2 numa poca de satura o para ambos os sinais o sinal bipolar ter valor nulo e portanto ser classificado como uma poca normal o que Pag 38 SleepLab v 2 0 2011 na verdade est incorrecto A Fig 2 8 representa o caso inverso em que os sinais est o em oposi o de fase sendo esta poca eliminada Sinal C3 e sinal Ao em oposi o de fase A2 C3 CHA2 273 Figura 2 8 Sinal Bipolar com componentes em oposic o de fase Para minimizar tais erros optou se ent o por utilizar o sinal denominado de sinal na montagem bipolar eliminando se as pocas em que a sua amplitude era superior a 3000 uV Por m caso uma poca seja substitu da pela anterior tamb m no sinal de refer ncia essa poca ser s
3. e eeereeeeererena nene naan rrenan cre aa acne ana acer enan era naa acer enaanera 66 Figuras SICCDL AD Vo 220 ame een 67 Figura 3 2 Hipnograma de refer ncia ccccccccssssecececeeeeceecceeeseceeseaaueeeeeeseaeeeeesseaeeseesssaeeeess 68 Figura 3 3 Painel Channels com os canais EEG registados durante 0 exame 69 Fiquia 3 gt 4 BOla0 GO gases Eee 70 Figura 3 5 Mensagem de erro ERROR ccccccsssecccccceeseeceeccaeeeeceessuaueeeeessuaueeeeessaaseeeessaaaeeeees 70 Figura 3 6 Percentagem de tempo despendido em cada estado e selec o da op o que permite a visualiza cdo de SINAIS ss uam een ee 70 FUT 3 7 PAINCI ROUN een a A Ca 71 Figura 3 8 Sinal corrigido ap s mensagem de erro ERROR 71 Figura 3 9 Paine COM CCH OM naeh Bun late eta en le 72 Figura 3 10 Selec o da op o Show Corrected Signals cccccccccsseecceeeeeeeeeaaeeceeeeeeeeeeaaaeeees 13 Figura 3 11 Sinais ap s pr processamento uuessnssnnnesnnnennnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnennnnnn nn 73 Figura 3 12 Campo Number of Rejected Epochs ccccccsccccccsseeccceecnecseeeeeeseaseeeeensanseeesensanseeees 74 Figura 3 13 Diagrama representativo das pocas em que o paciente se encontra acordado 75 Figura 3 14 Periodograma de todas as pocas do exame de um paciente 75 FIQUr4 3 15 Palnel SING IO ae ee ee a a a a 76 Figura 3 16 Confirma o de uso do painel Sp
4. Awake REM wa N Sleep States ltakura Saito Distance not symmetrical N Nm 0 100 20 N3 300 400 500 600 700 800 Epochs Figura 2 37 M todo do Periodograma para um paciente moderado sinal da deriva o C3 A ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 10 09 08 EEG Signal CHAZ mm Sleep States ltakura Saito Distance notsymmetrical Epochs Figura 2 38 M todo do Hipnograma para um paciente moderado sinal da deriva o Cs As Apesar de ser logicamente expect vel os resultados pelo m todo do hipnograma serem melhores que os obtidos pelo periodograma tal n o justifica por m as diferen as obtidas Possivelmente o principal respons vel pela diferen a encontrada ap s obten o do template Acordado pelos dois m todos possa ser a normaliza o efectuada ao espectro Pag 64 SleepLab v 2 0 2011 2 6 Detec o de Fusos do Sono Esta parte da interface correspondente ao painel Spindle n o foi evolu da mantendo se semelhante todo o tratamento do sinal EEG para detec o de fusos igual ao anteriormente visto no SleepLab v 1 0 Apenas a parte de salvar os dados do fusograma foi alterada para facilitar o funcionamento da interface e provocar menos entropia a n vel visual devido ao excessivo n mero de bot es Assim ir se a somente referir como executada a detec o de fusos de uma forma simples e minimalista Para detectar os fusos recorreu
5. Pag 15 SleepLab v 2 0 2011 constitu do por dois sinais cada um deles com metade das amostras do sinal original Ao iterar se todo este processo vai se ganhando resolu o temporal a n vel dos detalhes e perdendo se resolu o temporal ao n vel das aproxima es ganhando se resolu o na frequ ncia Cardoso 2010 Analisando a rvore de decomposi o poder se perceber que o processo de itera o e aparecimento de um novo n vel pode ocorrer at que o detalhe consista em somente uma amostra Na pr tica seleccionam se um n mero de decomposi es necess rias limitado pela frequ ncia do sinal a ser analisado Arruda 2003 1 3 Sono O sono definido como um estado inconsciente a partir do qual uma pessoa pode ser despertada por est mulos sensoriais ou outros Este distingu vel do coma j que neste estado n o poss vel despertar uma pessoa Contudo existem m ltiplos estados do sono tendo evolu do a sua classifica o ao longo dos anos como ser referido na sec o 1 3 1 Guyton 1996 A maioria dos conhecimentos do sono obteve se atrav s da polissomnografia onde mostrada uma sucess o de ondas cerebrais e c clicas de diferentes amplitudes e frequ ncias movimentos oculares e mudan as de tonus muscular Estes dados sao usados para classificar o sono por estados M J Souza 2005 A classifica o do sono ent o efectuada com base na visualiza o do sinal EEG EMG e EOG dividindo a su
6. Aj A A Vv j vi un f M 1 f N y N A m n A A N 1 SC 200 uv i d J 1 Y MIN wir if 1 A ad Vw Pal AN NN J Ir t E ed RU Ai LJ m I V o la muy Fy Bik i j W q vy g 4 J wW Y V 300 301 302 303 304 305 Figura 2 14 Sinal bipolar ap s remo o das pocas em que a sua amplitude m xima era superior a 600 uV Em s ntese no pr processamento o sinal bipolar sofre os tratamentos poss veis de se observar na legenda da figura 2 14 De referir que ap s cada correc o de sinal aparecer uma nova figura observando se o sinal antes e ap s o tratamento em quest o Assim ap s execu o do bot o Artefact Saturation 300uV estar se a na presen a de uma figura onde se exibe todas as formas que o sinal assume ao longo do pr processamento Fig 2 15 Pag 44 SleepLab v 2 0 2011 Sinal unipolar Sinal Bipolar ex C A Subsitui o das pocas em que a amplitude m xima do sinal C gt 3000 uV e consequente substitui o das pocas correspondentes no A Sinal final C A Substitui o das pocas em que a amplitude m xima gt 3000 uV Fiiltro Wavelet passa banda com frequ ncias de corte standard de 2 Hz e 30 Hz ou escolhidas pelo utilizador Substitui o das pocas Substitui o das pocas em que a amplitude em que a amplitude m xima gt 300 uV m xima
7. Nuno Gon alo Pacheco Fernandes Licenciatura em Ci ncias de Engenharia Biom dica O gt Se ata Divisa NON SleepLab V 2 0 Plataforma Integrada de Teste de Algoritmos para Classifica o N o Supervisionada do Sono Disserta o para obten o do Grau de Mestre em Engenharia Biom dica Orientador Arnaldo Batista Professor Auxiliar FCT UNL Co orientador Manuel Duarte Ortigueira Professor Associado FCT UNL J ri Presidente Prof Doutora Maria Adelaide de Jesus Arguente Prof Doutora Carla Quint o Pereira Vogais Prof Doutor Arnaldo Batista Prof Doutor Manuel Duarte Ortigueira FACULDADE DE CI NCIAS E TECNOLOGIA UNIVERSIDADE NOVA DE LISBOA Jha Dezembro 2011 Copyright Copyright 2011 Todos os direitos reservados Nuno Gon alo Pacheco Fernandes Faculdade de Ci ncias e Tecnologia Universidade Nova de Lisboa A Faculdade de Ci ncias e Tecnologia e a Universidade Nova de Lisboa t m o direito perp tuo e sem limites geogr ficos de arquivar e publicar esta disserta o atrav s de exemplares impressos reproduzidos em papel ou de forma digital ou por qualquer outro meio conhecido ou que venha a ser inventado e de a divulgar atrav s de reposit rios cient ficos e de admitir a sua c pia e distribui o com objectivos educacionais ou de investiga o n o comerciais desde que seja dado cr dito ao autor e editor SleepLab v 2 0 2011 Aos meus av s Arm nia Pacheco e
8. o com cerca de 1ms e o neur nio apenas responde quando a excita o electr nica atinge o limiar Blinowska 2006 Os PPS est o relacionados com os fen menos ocorridos na membrana p s sin ptica Quando o potencial de ac o sentido na sinapse segrega se uma subst ncia qu mica denominada mediador ou transmissor que provoca uma altera o na permeabilidade da membrana p s sin ptica do neur nio seguinte Assim d se a condu o de uma corrente de i es atrav s da membrana criando se uma diferen a de potencial Quando a negatividade no interior do neur nio reduzida a possibilidade do neur nio responder maior e gerado um potencial p s sin ptico excitat rio PPSE Por sua vez quando se aumenta a negatividade no interior do neur nio e este se torna hiperpolarizado gera se um potencial p s sin ptico inibit rio PPSI Blinowska 2006 Em oposi o aos potenciais de ac o as amplitudes dos PPS s o proporcionais quantidade de mediador segregado que depende da excita o do neur nio de entrada Logo os potenciais p s sin pticos normalmente t m amplitudes entre 5 e 10 mV e um per odo de 10 a 50 ms Com o intuito de se obter um limiar superior ao de excita o as amplitudes de muitos potenciais pos sin pticos t m que ser sobrepostas num neur nio Blinowska 2006 Pag 4 SleepLab v 2 0 2011 Em suma a actividade el ctrica dos neur nios gera correntes ao longo da membrana celular nos espa
9. poca como estado R caso esta esteja entre pocas consideradas como estado N2 com um t nus EMG do queixo m nimo e estado REM bem definido sem uma grande queda no t nus EMG do queixo e caso n o existam complexos K desassociados de despertares e aus ncia de fusos Tais acontecimentos podem ocorrer mesmo na aus ncia de REM Fig 1 42 B Epoch Epoch 50 51 52 53 50 91 52 53 EE Ge ee ee eae Ghee EE EEE K complex Sleep i K complex i i spindle C M A C M i Sleep i l O M i i spinde O M i i REM IREM EM A A E M _V _ _ i N I I i i I N i I N I EM i EM 4 i I EMG EMG EMG EMG S E i i i I ZZ e a i StageN2 StageN2 Stagen2 Stage R Stege N StageR SlageR Stage A B Figura 1 42 A Marca o de uma poca como estado R na presen a de complexos K desassociados de despertares e fusos B Marca o de uma poca como estado R na aus ncia de complexos K desassociados de despertares e fusos Iber 2007 Pag 27 SleepLab v 2 0 2011 1 3 3 Arquitectura do Sono O sono possui um padr o que constitu do pela varia o entre os estados R e NR Cada ciclo que vai desde o estado N1 at ao estado R demora entre 90 e 120 minutos repetindo se 5 a 6 vezes por noite Em cada ciclo s o despendidos cerca de 17 minutos no estado R e o resto do tempo nos estados NR Dos restantes minutos 8 minutos s o passados no estado N1 50
10. Dilata o da Wavelet e novo c lculo do coeficiente Wavelet C Misiti 2009 13 Figura 1 19 Processo de filtragem e decima o Misiti 2009 15 Figura 1 20 rvore de decomposi o da TWD Misiti 2009 15 Figura 1221 Estado W Conf 200 3 ee ui 17 Figura 1 22 Estado NI GOLU 200 I ze Saal eine 17 Figura l 25 Estado N2 GOLU 200 I see een 17 Figura 1 24 Estado N3 GOUF 200 I anne ei R 17 Figura 1 25 Estado R GOrul 2008 ee eu 17 Figura 1 26 Par metros essenciais para a classifica o visual do sono por estados EOG EEG e EMG Sinal EEG e EOG referenciados em rela o ao sinal do el ctrodo A Fernandes 2006 18 Figura 1 27 Deriva es recomendadas para aquisi o do sinal EEG para a classifica o do sono Der 2000 caos een aspas sn essen seele see 19 Figura 1 28 Derivac es aceit veis para aquisi o do sinal EEG para a classifica o do sono Iber 2 6 6 719 RE RER BER EEE ER RER RR EEE ARDER RR AN BEP ARDE LEER SRD E RP PR 19 Figura 1 29 Coloca o recomendada dos el ctrodos para aquisi o do sinal EOG para a classifica o do sono Iber 2007 erre eeeeerreea aaa ereeena aa ereeenan ar ereeenananaa 19 Pag XV SleepLab v 2 0 2011 Figura 1 30 Coloca o aceit vel dos el ctrodos para aquisi o do sinal EOG para a classifica o do Sono IBGE 200 Fiese euere engere 19 Figura 1 31 EOG referenciado em rela o ao sinal do el ctrodo A e EMG adaptado de
11. and Stephenson R Design and Validation of a Computer based Sleep scoring Algorithm Journal of Neuroscience Methods 133 2004 71 80 Marcus M What is Sleep In Sleep Disorders de M Marcus 1 13 New York Infobase Publishing 2009 MedCare Somnologia Studo for Embla S700 Reykjavik 2004 Misiti M Misiti Y Oppenheim G and Poggi Jean Michel Wavelet Toolbox 4 User s Guide MATLAB MATLAB 2009 N McGrogan E Braithwaite and L Tarassenko BIOSLEEP A Comprehensive Sleep Analysis System Procedings of the 23rd Annual EMBS International Conference 2001 1608 1611 Niedermeyer E and Silva F L Sleep and EEG In Electroencephalography Basic Principles Clinical Applications andre Related Fields de E Silva F L Niedermeyer 193 207 Philadelphia Lippincott Williams amp Wilkins 2005 Pacheco O R and Vaz F Integrated System for Analysis and Automatic Classification of Sleep EEG Proceedings of the 20th Annual International Conference of the IEEE Engineering in Medicine and Biology Society 1998 2062 2065 Penzel T Sleep Laboratory In Wiley Encyclopedia of Biomedical Engineering de M Akai 3249 3261 New Jersey Jonh Wiley amp Sons Inc 2006 Petit D Gagnon J Fantini M L Ferini Strambi L and Montplaisir J Sleep and Quantitative EEG in Neurodegenerative Disorders Journal of Phychosomatic Research 56 2004 487 496 Pi ero P Garcia P Arco L
12. coeficientes dos modelos AR pela soma dos mesmos provocando assim que o ganho est tico dos espectros fosse O decib is frequ ncia O Hz Cardoso 2010 Tal efectuou se por ser um procedimento habitual em tratamento de sinal que inclua filtros sendo que parecia ser indicado que outro tipo de normaliza o possa ser usado com mais sucesso Ap s aprofundada an lise optou se por no SleepLab v 2 0 remover esta normaliza o para que o o modelo AR de cada poca contive se informa o sobre a amplitude do sinal na poca em quest o o que n o acontecia anteriormente Ent o finalmente tem se o template Acordado e o modelo AR de todas as pocas da noite logo est se na posse dos dados necess rios a efectuar o c lculo da dist ncia espectral Entre os dois m todos que a plataforma possui para obten o do template Acordado apenas o n mero de pocas presentes difere entre eles j que em ambos os casos o template Acordado ser a m dia aritm tica de todos os modelos AR aplicados s pocas Assim ap s obten o dos modelos AR ir se agora explicar o motivo pelo qual n o se compromete a detec o do estado N3 0 4Hz apesar da escolha de 2 Hz para a frequ ncia de corte standard do filtro Wavelet Atrav s da an lise da figura 2 24 denota se que ap s a filtragem de uma poca surgem 3 picos na banda de frequ ncias de interesse 2 30 Hz O primeiro pico que ocorre entre os 4 Hz e os 4 5 Hz caracter stico de uma poca
13. era superior a do amplificador ent sa dolls ala aaa e S DEE oa io aaa ads 38 Figura 2 7 Tratamento das pocas excepto a primeira em que se analisa se a amplitude do sinal Unipolare superora 30 0 0 Veen 38 Pag XVI SleepLab v 2 0 2011 Figura 2 8 Sinal Bipolar com componentes em oposi o de fase 39 Figura 2 9 Tratamento de pocas excepto a primeira em que se analisa se a amplitude do sinal bipolar superior a 3000 UV neeesnsesunnesnnssnnnnnnnnennnnnnnnnennnnnnnnnennnnnnnnnennnnnnnnnnnnnnnnnnnnnnnnnnnnennnnnnenenen 40 Figura 2 10 rvore de decomposi o de sinais na TWP onde A representa os coeficientes de aproxima o e D os coeficientes de detalhe para 3 n veis Castelano 2006 41 Figura 2 11 Wavelet da fam lia Daubechies de ordem 10 Misiti 2009 42 Figura 2 12 Sinal EEG ap s remo o de artefactos pelo filtro Wavelet passa banda com frequ ncias de corte standard 2 e 30 HZ ss222222uuuueeennnnnnnnnnnnennnnnnnnnnnnnnnnnnnnnnnnnnnnnen nennen 42 Figura 2 13 Sinal unipolar ap s remo o das pocas em que a sua amplitude m xima era SUDEKIOF a SOON cisma ias nintendo a ane ia a a O Saad a N 43 Figura 2 14 Sinal bipolar ap s remo o das pocas em que a sua amplitude m xima era superior ACO Ore cen im e sie eh es ele dee ae cee codecs ac ener A 44 Figura 2 15 Esquema representativo de todo o pr processamento de um si
14. logo ao anterior efectuando se no final a m dia aritm tica de todos os sinais registados Na figura 2 4 est demonstrada a estrutura data No caso do sinal seleccionado ser bipolar ou o sinal AV no equivalente ao campo srate encontra se a frequ ncia de amostragem do primeiro sinal da deriva o ou do sinal do el ctrodo Cs respectivamente aa data lt 1x1 struct gt EE channelope Value i as command EDF file E data HH eventdata Ed hObject E handles Original file Users nunogonc 1 1 2882000 lt 1x1 struct gt common eventdescription lt 0x0 cell gt epoch Figura 2 4 Estrutura de dados proveniente do carregamento do sinal Pag 36 SleepLab v 2 0 2011 2 4 Pr processamento Actualizando a fase em que se encontra o decorrer do programa neste momento j se tem o sinal com o qual se deseja efectuar a classifica o do sono podendo se come ar a elimina o dos artefactos de forma a minimizar os erros de classifica o Ao visualizar se o sinal proveniente do edf pormenorizadamente poss vel observar que o amplificador inerente ao sistema de aquisi o de sinal saturava aproximadamente aos 3000 uV Assim apesar de o tratamento de sinal para esta fase ser diferenciado para sinais unipolares e bipolares em ambos os casos o objectivo corrigir as pocas em que sinal apresenta um patamar Fig 2 5 provocado devido satura o ane Sh
15. m deste ficheiro tamb m um ficheiro edf que cont m todos os canais monitorizados durante um exame completo e os dados inerentes a estes exportado A exporta o de dados do programa RemLogic v 1 1 efectuada atrav s da op o Export Events seleccionando se as op es R W N1 N2 N3 e N4 De seguida escolhe se Sleep Scoring e no sub item Sleep opta se por REM SO ST S2 S3 e REM obtendo se o ficheiro txt vis vel na figura 2 2 Em rela o ao ficheiro edf dever se a seleccionar a op o Export Recordings e de seguida escolher os canais que se desejam exportar Al m dos canais EEG tamb m podem ser exportados os sinais EMG do queixo e de ambas as pernas o ECG a varia o durante a noite da posi o do paciente e sinais respirat rios obtidos por pletismografia De evidenciar que a plataforma desenvolvida efectua a leitura de todo o tipo de ficheiros edf por m n o poss vel tirar de tal tipo de ficheiros o hipnograma de refer ncia logo o passo extra em que se obt m o ficheiro txt essencial para todo o processo de classifica o autom tica do sono Pag 32 SleepLab v 2 0 2011 RemLogic Event Export Patient 5 Patient ID 230210 1772 07 Recording Date 28 08 2007 Events Included F Ww ML Me hs ote Unscored scoring session scorer Name cristina scoring Time 29 08 2007 14 14 41 Sleep Stage Time hhimm ss Event Duration s SLEEF S0 eaideie wl a0 SLEEP SO 23 48 57 wl 3
16. mero de amostras do sinal Misiti 2009 Assim introduzidas as frequ ncias de corte do filtro Wavelet este filtro ir reconstruir o sinal nessa banda para uma precis o de 0 8Hz A Wavelet escolhida para efectuar a filtragem foi da fam lia Daubechies de ordem 10 Fig 2 11 por j terem sido obtidos resultados bons com esta Wavelet no campo do processamento de sinal Dolabdjian 2002 Cardoso 2010 Pag 41 SleepLab v 2 0 2011 1 0 zi 0 5 10 15 Figura 2 11 Wavelet da familia Daubechies de ordem 10 Misiti 2009 Na figura 2 12 encontram se a forma que o sinal assume ap s a eliminac o de artefactos aplicada pelo filtro passa banda com frequ ncias de corte standard a Wavelet Filter Sinal Cs Figure Display Settings Help Sinal Cs sem artefactos devido satura o do amplificador Sinal Cs ap s filtragem Wavelet Chan Time Value CLOSE lt lt 134 gt gt o 133 5554 38 1811 87 Figura 2 12 Sinal EEG ap s remo o de artefactos pelo filtro Wavelet passa banda com frequ ncias de corte standard 2 e 30 Hz Apesar da an lise ter sido efectuada para as frequ ncias de corte standard ainda poss vel escolher as frequ ncias de corte desejadas pelo utilizador Por m caso mais tarde se escolha o m todo do periodograma tempo frequ ncia para obten o do template Acordado dever ser seleccionada uma frequ ncia de corte inferior menor que 8 Hz Tal deve se ao facto que para este m to
17. nimo 3 s tendo se registado pelo menos 10 s de sono est vel anteriormente ao aparecimento desta mudan a brusca O grande movimento do corpo vis vel devido presen a de artefactos musculares ou de movimentos que impossibilitam a visualiza o do sinal EEG por um per odo superior a meia poca n o sendo assim poss vel a classifica o dessa poca Algumas regras para rotular esta poca de acordo com a classifica o do sono encontram se redigidas 1 Na presen a de ritmo alfa num per odo inferior a metade da poca classifica se como estado W 2 Na aus ncia de ritmo alfa mas a poca antecedente ou precedente seja um estado W classifica se como estado W 3 Por outros motivos atribui se poca em quest o o estado da poca precedente a esta Pag 21 SleepLab v 2 0 2011 e Exist ncia de um os mais complexos K desassociados de despertares ou uma ou mais por es de fusos durante a primeira ou segunda metade da poca In cio e pocas com sinal de amplitude baixa com ocorr ncia simult nea de actividade EEG de v rias frequ ncias sem complexos K ou fusos caso estes sejam precedidos por complexos K SJIKELELR desassociados de despertares ou fusos do sono e Transi o para o estado W ou um despertar Fig 1 33 mudando se para estado N1 antes de um complexo K desassociado de um despertar ou ocorr ncia de um fuso do sono e Grande movimento do corpo seguido por SEM e uma actividade E
18. Figura 1 27 Deriva es recomendadas para aquisi o do sinal EEG para a classifica o do sono lber 2007 Outras poss veis deriva es aceit veis s o F C C O C4 M Fig 1 28 e tendo em conta os el ctrodos de reserva ser poss vel efectuar as substitui es de F por Fz C3 por Cz ou C4 O por O e M por M4 Figura 1 28 Deriva es aceit veis para aquisi o do sinal EEG para a classifica o do sono Iber 2007 De evidenciar que a coloca o dos el ctrodos determinada pelo Sistema Internacional 10 20 referindo se o M e o Mo aos el ctrodos colocados no mast ide esquerdo e direito v EOG As deriva es recomendadas para o EOG sao E M Eo Ms sendo E colocado 1 cm acima do olho direito e Es 1cm abaixo do olho esquerdo Fig 1 29 Ainda existem outras deriva es aceit veis que s o E F e E gt Fpz sendo E e E colocados abaixo 1 cm dos olhos esquerdo e direito Fig 1 30 So O oo o Right Left Right Left Figura 1 29 Coloca o recomendada dos Figura 1 30 Coloca o aceit vel dos el ctrodos para aquisi o do sinal EOG para a el ctrodos para aquisi o do sinal EOG para a classifica o do sono Iber 2007 classifica o do sono Iber 2007 Pag 19 SleepLab v 2 0 2011 v EMG Os 3 el ctrodos utilizados na EMG dever o ser dispostos de forma a gravar o sinal EMG e umnalinha central 1 cm acima da borda inferior da mand bula e um 2cm acima da extre
19. Iber C Ancoli Israel S Jr A L C and Quan S F MD for the American Academy of Sleep Medicine The AASM Manual for the Scoring of Sleep And Associated Events Rules Terminology and Tecnhical Specifications Illinois American Academy of Sleep Medicine 2007 Iser B Minker W and Schmidt G Bandwidth Extension of Speech Signals Vol 13 New York Springer 2008 Kemp B and Olivan J European Data Format Plus EDF an EDF Alike Standard Format for the Exchange of Physiological Data Clinical Neurophysiology 114 2003 1755 1761 Kemp B European Data Format 1992 http www edfplus info acedido em 6 de Setembro de 2011 Khorshidi S and Karimi M Finite Sample FPE and AIC Criteria for Autoregressive Model Order Selection Using Same Realization Predictions EURASIP Journal on Advances in Signal Processing Hindawi Publishing Corporation 2009 1 6 Laktka M Jernajcyzk J West B and Jernajczyk W Wavelet mapping of sleep spindles in young patients with epilepsy Journal oh Pfysiology and Pharmacology 2005 15 20 Pag 88 SleepLab v 2 0 2011 Latka M Kozik A Jernajczyk J West B J and Jernajczyk W Wavelet Mapping of Sleep Spindles Journal of Physiology and Pharmacology 56 2005 15 20 Lomis A L Harvey E N and Hobart G A Cerebral States During Sleep as Studied by Human Brain Potentials Journal of Experimental Psychology 21 1937 127 142 Louis R Lee J
20. Jos Maria por terem sempre lutado contra todas as adversidades e demonstrado que podemos mudar o rumo da vida Pag V SleepLab v 2 0 2011 Agradecimentos Este pequeno texto simboliza o agradecimento a todas as pessoas que na minha vida foram importantes influenciando o meu desenvolvimento pessoal e incentivando me a dar sempre o meu melhor e n o desistir dos meus sonhos Assim gostaria de agradecer aos meus pais tia e av s pela oportunidade que me deram de estudar e de ter a forma o acad mica que hoje possuo De salientar ainda a inestim vel ajuda do orientador Professor Doutor Arnaldo Batista e do Professor Doutor Manuel Ortigueira por todos os esclarecimentos a d vidas prestados e o apoio dado a n vel cient fico e na parte de escrita da disserta o Tamb m gostaria de agradecer Professora Doutora Cristina B rbara e T cnica Cardiopneumologista Cristina Martinho do Hospital Pulido Valente pela disponibilidade para d vidas e material cedido Ainda no conjunto de agradecimentos n o poderia deixar de referir a Professora Doutora Carla Quint o pelo material que disponibilizou Sem esquecer deve ser referido o Sr Chantal van Gool por ter entrado em contacto com a VitalAire e dado autoriza o para o fornecimento do software RemLogic v 1 1 da Embla a Vital Aire pelos servi os prestados e o Sr Carlos Gon alves pela total disponibiliza o e colabora o no esclarecimento de d vidas relativas a este softw
21. Name so Date 28 08 07 Time 23 35 43 Channels Others EOG EEG Standard Montage Customize Montage Sieep Flattering rl DG ei NoSelection pi NoSelection nm ERROR DEM Em hin ight 2 i ES Pera paete O amp Dog ECG C f C4 OWA2 Show Signal EL A2 LY Execut Unipolar Execut Montage Customize C3 07 Go ICA nm E Plottina Mem ee ee Su m ss 0 302 2 2 u u u SS u Signals E gt Input Output ignals 3 03 C1 AV co sa EEE AV Figura 3 7 Painel Plotting De alertar que todos os campos onde poss vel o utilizador efectuar a escrita de sinais estar o sempre edit veis visto pretender se que nas listboxs onde s o vis veis os sinais escolhidos n o se vislumbre a mensagem ERROR Caso isto se verifique ent o recomenda se que o utilizador verifique os sinais seleccionados e efectue as devidas modifica es apagando ou emendando no campo Signals o sinal correspondente mensagem ERROR Fig 3 8 Name Date 28 08 07 Time 23 35 43 Channels Others EOG EEG Standard Montage Customize Montage Sleep OG Lei NoSelection pr NoBelection nn ERROR REM r EH in ight 2 Pera Ergo E amp Dog Pema Direita gt 2 OAA Show Signal MID A2 Ly Execut Unipolar Execut Montage Customize C3 07 GO ICA EEE EEE FEFEFETTETER 7 FE Signals CICA E T Zee gnals 03 C3 04 AV Go u he ai DEE X f pr ChNEEEKENENEENENENENEKESENEKENENKENENEKENEKENENEKENEN
22. SleepLab v 2 0 2011 Ritmos Delta 6 A A nd NL Figura 1 2 Ritmos Delta Gariepy 2011 Teta 8 A a PP dd E wA N 0 0 0 2 0 4 0 6 0 8 Figura 1 3 Ritmos Teta Gariepy 2011 Alfa a MN cy i any pi Sa J Figura 1 4 Ritmos Alfa Gariepy 2011 Beta IP N lady in f ul N ta Nap lm N 0 0 A 0 4 0 6 Figura 1 5 Ritmos Beta Gariepy 2011 Gama v N im nl I ud N m N j W W al Ih inh 0 0 0 2 0 4 0 6 0 8 1 0 Figura 1 6 Ritmos Gama Gariepy 2011 A MN n m Mr V VA f van ny NT NA alle IN TAI N time s Figura 1 7 Fusos adaptado de Latka 2005 Caracter sticas Geralmente t m a maior amplitude de todo o registo EEG aproximadamente 300 uV e uma frequ ncia inferior a 4 Hz E N Estrada 2004 T m uma amplitude inferior a 100 uV e uma frequ ncia compreendida entre 4 e 8Hz Susmakova 2008 Predominam quando um sujeito est acordado e registam se principalmente nas regi es posteriores da cabe a S o mais facilmente observ veis quando um indiv duo se encontra de olhos fechados e relaxado sendo atenuados pela aten o especialmente visual ou pelo esfor o mental S o gerados no c rtex cerebral e possuem uma amplitude de 50 uV e uma frequ ncia entre 8 e 13 Hz Shaul 1998 S o caracter sticas do estado de alerta e aten o focalizada Registam se nas regi es parietais e frontal e possuem uma frequ ncia entr
23. as pocas funcionava como um filtro passa baixo Fig 2 21 Cardoso 2010 Media simples de todas 5 pocas em que o sujeto est acordado 150 EEG J 0 5 10 14 20 25 x Ternpots Figura 2 21 Template Acordado preto calculada atraves da media aritmetica de 50 epocas em que o paciente se encontrava acordado Cardoso 2010 De forma a evidenciar se este fen meno calculou se a FFT de uma poca em que o paciente esta acordado e da m dia aritm tica de todas as pocas em que se encontra acordado Fig 2 22 Pag 51 SleepLab v 2 0 2011 FFT da m dia de todas as pocas em que o sujeito est acordado Magnitude Fraqu ncia Hz FFT de uma poca em que o sujeito est acordado Ma grtinda Frequ ncialHz Figura 2 22 FFT de todas as epocas em que o paciente se encontra acordado e de apenas uma epoca em que tambem se encontra acordado Cardoso 2010 Assim a poca que deveria ser representativa de todas as pocas acordada na realidade n o o era De notar que a gama de frequ ncias do sinal original entre 5 Hz e 8Hz foi atenuada em rela o gama de frequ ncias mais baixas Como tal optou se pela aquisi o do template Acordado atrav s do modelo auto regressivo Cardoso 2010 Com o registo de todas as pocas em que o paciente se encontra acordado efectuou se o modelo AR para cada uma delas e no final realizou se a m dia aritm tica de todos os modelos AR obtend
24. based on WEC WLO inactive Hipnogram scored Wake epochs Distances Default Ordem 10 Frequ ncia de Corte standard 2 e 30 Hz Ar Order Plotting Select the distance Itakura Saito Distance not symmetrical AR s Itakura Saito Distance symmetrical AR s ltakura Saito Distance symmetrical spectrums Itakura Distance AR s symmetrical log likelihood ratio ltakura Distance Symmetrical spectrums log likelihood ratio Figura 2 28 Funcionamento do painel Distances De referir que sendo esta plataforma um mecanismo de testes o campo In Situ Supervised based on WEC WLO wake eyes close wake lights on ainda se encontra inactivo Por m este foi inclu do visto tratar se de um campo com o qual se pretende obter um template Acordado com total aux lio dos t cnicos Cardiopneumologistas e que ser referida no cap tulo 4 Pag 59 SleepLab v 2 0 2011 2 5 5 Estudos Previos Depois de implementados os dois m todos para obten o do template Acordado decidiu se verificar qual deles seria o melhor para classificar automaticamente o sono se o m todo do Periodograma Fig 2 29 ou o m todo do Hipnograma Fig 2 30 tendo como base o sinal bipolar C3 Ao pois a deriva o usada no HPV para constru o do hipnograma ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 28 08 07 EEG Signal CHA2 Sleep States ltakura Saito Distance not symmetrical Epoc
25. da percentagem de sono no estado REM Paralesia supranuclear progressiva ou Sindrome de Steele Richardons Olszewsji Redu o dr stica no tempo total de sono e Desorganizac o dos estados Lat ncia REM muito vari vel Redu o ou aus ncia de estado R Redu o do n mero de fusos e complexos K Dist rbio comportamental do estado R Aumento excessivo do sinal EMG do queixo Aumento dos movimentos corporais Parkinson Sonol ncia excessiva S ndrome das pernas inquietas o que provoca movimento excessivo do corpo Aumento do tempo dispendido no estado N1 Redu o da quantidade de tempo dispendido no estado R A D Dem ncia com corpos de Lewy Perda dos ritmos alfa ou aumento da actividade teta durante a vig lia Doen a de Huntington e Aumento da quantidade de fusos do sono e Despertares mais frequentes Tabela 1 3 Patologias que podem ser detectadas por anomalias no sono Petit 2004 A t tulo de exemplo mostraram se na tabela 1 3 sintomas associados a algumas patologias neuro degenerativas Assim evidenciou se que o registo EEG do sono pode ser um elemento crucial e decisivo no diagn stico de muitas doen as fornecendo elementos e informa es que poder o auxiliar na compreens o e modo de actuar das patologias Pag 29 SleepLab v 2 0 2011 2 Desenvolvimento do SleepLab v 2 0 e Processamento do Sinal EEG O SleepLab v 1 0 plataforma a qual foi
26. em 2009 Fraiwan et al Fraiwan 2009 atrav s de m todos de decomposi o Wavelet Packet usando a wavelet da fam lia Daubechies de ordem 20 obtiveram resultados concordantes em 75 com os de observadores Assim foi poss vel diferenciar estado W do estado R e dos outros estados Pag 2 SleepLab v 2 0 2011 No mbito deste projecto no que diz respeito aos trabalhos que usam uma metodologia id ntica aquela usada nesta tese dist ncia de takura Saito e Itakura deve se real ar o trabalho do grupo da Universidade do Texas F M Ebrahimi 2007 Este grupo confirma a utilidade da dist ncia de ltakura Saito nesta rea concluindo que estimando a dist ncia entre o EEG e o EOG poss vel distinguir entre os v rios estados do sono Nos estudos que envolvem a dist ncia de takura Saito n o existem provas estat sticas e objectivas da sua concord ncia com a classifica o efectuada pelos Cardiopneumologistas apenas uma an lise estat stica que confirma a diferen a entre dist ncias espectrais de estados diferentes atrav s do estudo da an lise de vari ncia Cardoso 2010 1 2 Electroencefalografia A electroencefalografia o estudo do registo gr fico dos potenciais el ctricos originados no c rebro e registados atrav s de el ctrodos aplicados no escalpe do cr nio ou mesmo dentro da subst ncia encef lica A interpreta o do sinal EEG baseia se na associa o das frequ ncias de onda no electroencefalograma aos estados
27. frequ ncias ser o substitu das pelas realmente utilizadas pelo filtro tendo em conta as caracter sticas limitantes impostas pela TWP seleccionada e Artefact Correction 300uV QOO SleepLab v 2 0 File Name Date 28 08 07 Time 23 35 43 Channels Others EOG EEG Standard Montage Customize Montage Sleep a 5 a Bsc ps N E ERROR re 77 in ight 2 Perna Esquerda 0 Al ll ee a R ig Direita r c3 OUAS Show Signal me A2 Ly Execut Unipolar Execut Montage Customize 03 07 GO ICA Plotting Signals EEE Input Output a E e DN Bags Number of Rejected Spindle 4 _Epochs High pass frequency Low pass frequency c Artefact Correction Saturation lt 8 If Method APTE t Wavelet Filter 2 Mao t i Artefact Correction 300uV _ i Show Corrected Signals a a LEES EEELENELEESEELEEEKEEESEEEELLE BEER RR RR REPRE Ree BERR RRR PRR RRR RRR RRR eee EEEE EE E i Figura 3 9 Painel Correction A execu o dos bot es no painel Correction dever ser efectuada pela ordem em que foram descritos obtendo se no final um sinal menos ruidoso medida que os artefactos s o retirados caso o utilizador queira ir observando os sinais que s o gerados dever antes de premir o bot o Artefact Correction Saturation confirmar a checkbox Show Corrected Signals Fig 3 10 Pag 72 SleepLab v 2 0 2011 NoSslsciion i Al SUAS c307 Figura 3 10 Selecc o da opc o Show Correcte
28. grave sinal do el ctrodo Cs um paciente normal sinal do el ctrodo Cs De evidenciar que os periodogramas de todas as pocas encontram se normalizados pelo valor m ximo de todas as pocas entre 8 e 30 Hz Por observa o do periodograma da figura 2 16 s o facilmente verific veis por es de tempo em que o paciente se encontra acordado tal o realce em termos de energia Assim no caso do paciente grave a gama de frequ ncias entre 8e 11 Hz est muito evidenciada em rela o ao paciente normal Tal deve se ao facto de no paciente grave n o se encontrarem tantos fusos como no paciente normal evidenciando se a gama de frequ ncias entre 13Hz e 16 Hz gama de frequ ncias dos fusos Seguidamente obteve se o valor m ximo do periodograma de cada poca entre 8e 11 Hz e definido um limite m nimo a partir do qual se considera que o paciente est acordado A defini o desse limite foi executada calculando a m dia de todos os m ximos que n o ultrapassem 0 4 excluindo se assim pocas em que o valor muito alto devido a artefactos O valor 0 4 foi obtido por inspec o visual com o intuito que funcionasse para todos os pacientes eficientemente Cardoso 2010 Ent o depois de definido o limite foi ent o poss vel obter os m ximos dos periodogramas que possu am o seu valor m ximo superior ao limite Fig 2 18 Pag 47 SleepLab v 2 0 2011 Zum ia mi IM 300 400 200 600 700 800 900 Epochs 0 9 0 8 0
29. gt 600 uV Sinal Unipolar Final Sinal Bipolar Final Figura 2 15 Esquema representativo de todo o pr processamento de um sinal unipolar e bipolar efectuado pela plataforma Ap s se salvar os dados atrav s do bot o Save All poss vel verificar quantas e qual o sinal EEG das pocas substitu das Tal facto verifica se para ambos os tratamentos de dados onde houve substitui es de pocas Pag 45 SleepLab v 2 0 2011 2 5 Dist ncias Espectrais Finalmente atinge se a ltima etapa que consiste na classifica o autom tica do sono Para tal decidiu se usar a dist ncia de takura e Itakura Saito de forma a calcular a profundidade do sono Assim usou se como refer ncia um template Acordado e comparou se com a poca em estudo Quanto maior for a dist ncia espectral mais profundo ser o sono Este template calculado com as pocas marcadas como estado W segundo os crit rios aplicados por um dos m todos apresentados na plataforma Estas dist ncias foram seleccionadas devido a haver resultados j comprovados na classifica o autom tica do sono E N Estrada 2004 E N Estrada 2005 F M Ebrahimi 2007 Cardoso 2010 2 5 1 Estados W M todo do Periodograma Tempo Frequ ncia Ap s a obten o do sinal sem a grande maioria dos artefactos utilizou se o metodo Welch para efectuar o processamento do sinal no campo da frequ ncia Depois da passagem do sinal pelo filtro passa banda de frequ ncias de corte stan
30. in comparison to the existing ones The platform allies the medical field to scientific research allowing the visualization of signal in time intervals at choice analysis of unipolar signals or montages and also the study of neuropathologies identified through sleep This is an open platform that is designed to be able to be expanded with new algorithms and options Keywords Sleep classification ltakura s distance ltakura Saitos s distance electroencephalogram Wavelet Transform Pag XI SleepLab v 2 0 2011 ndice Agradecimentos ati eu in Er een Des VII RESUMO sia aii ap ir Ba en Re Ds a ep E ee IX FS ge eee URU ODE a ERR a EINE GERIR NC NOR RR XI ndice de Figuras sa a RES XV ndice de Tabelas eee areia aaa aaa aaa XIX Lista de Abreviaturas Siglas e Simbolos 0022220000222000020nnnnennnnnnennnnnnnnnnnnne nennen XXI I pico o 8 GAO een 1 141 JEStado de Allee en ea a Dessen 2 1 2 Eleciroencelalog alas id eine 3 1 2 1 Base Neurofisiol gica do EEG u eu a 3 t22 TpOS Ge RIMOS mesedia a ee ee 5 t29 Sistema Internacional 10 20 iss cad n e niela 7 1 2 4 VV AVCIOTS see 9 UA SOMO stesso Suse arse Se eevee See ae sce wate wo ae erase oe cous nena aah a nt armed REGRA tate 16 1 3 1 Classifica o do Sono em Estados sisanra aaa aaa 16 1 3 2 O Manual da AASM zen 18 1 33 Arquitecta do SONO snesen aa a a ni a o 28 1 3 4 Import ncia Cl nica eee eerrrrenan aaa cerereeaaanaaaa centena 2
31. minutos no estado N2 e 15 minutos no estado N3 Marcus 2009 Estes valores por m variam com a idade como poss vel verificar na figura 1 43 sendo que o tempo despendido no estado R cada vez menor em rela o ao tempo total de sono REM 45 4 6 8 10 3 3 4 7101316 30 45 60 age davs months years Figura 1 43 Varia o de um ciclo do sono com a idade Gorur 2003 1 3 4 Import ncia Clinica Nos ltimos anos houve um grande interesse para encontrar marcadores biol gicos de diferentes doen as neurol gicas e transtornos psiqui tricos No in cio da grava o de registos electroencefalogr ficos demonstrou se que a dem ncia e outros dist rbios neurol gicos deixam assinaturas caracter sticas no sinal EEG Petit 2004 Logo sendo o sono um processo fisiol gico com uma estrutura bem organizada visto como uma ferramenta fundamental no diagn stico e investiga o de dist rbios neurol gicos Petit 2004 Na tabela 1 3 apresentam se algumas patologias neurol gicas e as diferen as em rela o ao sinal EEG e EMG do queixo proveniente de um indiv duo saud vel com a mesma idade e sem os dist rbios em quest o Pag 28 SleepLab v 2 0 2011 Aumento do n mero de despertares e dura o e consequente aumento da percentagem de tempo no estado N1 e Durante o estado N2 os fusos do sono e complexos K formam se mal tendo uma menor amplitude e dura o e sendo muito menos numerosos Redu o
32. no SleepLab v 1 0 2 M todo do Hipnograma 3 Provis o de menu para mais um m todo a implementar Possibilidade de escolha apenas da dist ncia espectral que o utilizador deseja visualizar Aumento da quantidade de dados gravados em rela o a cada paciente e exame Filtragem TWP passa banda com informa o das frequ ncia reais 20 do c digo revisto na detec o de bugs e c digo conceptualmente errado SleepLab v 3 0 Upgrade Esquema de Decis o Figura 2 1 Esquema representativo da evolu o no tempo e nas tarefas do SleepLab Pag 31 SleepLab v 2 0 2011 Todo o software desenvolvido tem como objectivo o estudo dos sinais EEG cujo formato seja o edf European Data Format Os dados prov m dos pacientes do Hospital Pulido Valente HPV do Departamento de Pneumologia no Laborat rio de Patologias do Sono A aquisi o de dados efectuado no HPV atrav s de um polissomnografo digital Embla N S7000 MedCare 2004 sendo os dados de uma noite gravados sob o formato emb De seguida com o aux lio do programa RemLogic v 1 1 da Embla Embla Systems 2008 o ficheiro emb aberto e exporta se um ficheiro txt onde se encontra presente o hipnograma Tal hipnograma efectuado pelos t cnicos Cardiopneumologistas ap s an lise do sinal do el ctrodo Cs referenciado em rela o ao el ctrodo As o EOG e o EMG sendo utilizado como hipnograma de refer ncia para todos os estudos nesta plataforma Al
33. no primeiro painel encontra se agora em aberto a possibilidade de verificar a percentagem de tempo despendido em cada um dos estados do sono escolhendo no popupmenu que se encontra localizado por baixo de Sleep o estado desejado Fig 3 6 Tamb m uma poss vel visualiza o de um sinal bipolar ou unipolar e sinal AV encontra se agora poss vel bastando confirmar a checkbox Show Signal Fig 3 6 Channels Others EOG EEG Standard Montage Customize Montage Sleep Fiattenino a OG Lei NoSelection a NoSe Es Erz a a Tu ee a 3 REM 11 Perna Esquerda Al li Karas 5 i eeg o mta C O1 A2 e rd TEE Ko A2 z Execut Unipolar Execut Montage Customize C3 07 GO Figura 3 6 Percentagem de tempo despendido em cada estado e selecc o da opc o que permite a visualiza o de sinais Ap s a confirma o o painel Plotting fica activo sendo ent o poss vel escrever no campo Signals os sinais desejados bipolares ou unipolares e sinal AV separados por Tanto o bot o GO como tamb m as mensagens de erro t m uma funcionalidade semelhante que se encontra no painel Channels Para finalizar ao premir o bot o Plot visualiza se os sinais pretendidos ou seja todos os expostos na listbox De referir que o utilizador dever apenas premir o bot o Plot caso nenhuma mensagem de erro apare a na listbox do painel Plot Fig 3 7 Pag 70 SleepLab v 2 0 2011 Gi
34. o e produ o hormonal Penzel 2006 Assim este estado um processo fisiol gico complexo importante na recupera o e desenvolvimento f sico e na integra o e consolida o de informa o A falta de sono pode estar na origem de doen as metab licas Nas sociedades desenvolvidas o n mero de pessoas afectadas por desordens no sono tem registado crescimento Devido sua import ncia vital o sono tem sido cada vez mais estudado tendo se como base a sua classifica o para posteriores estudos a n vel cl nico e de investiga o Pacheco 1998 De facto est demonstrado que a fadiga e a sonol ncia durante o dia est o associadas ao aumento do n mero de acidentes de autom vel acidentes cardiovasculares e asma N McGrogan 2001 Recentemente de acordo com a classifica o internacional de desordens do sono existem mais de 84 tipos de desordem do sono sendo as mais comuns apneia do sono sonambulismo ronco e ins nia E N Estrada 2009 Actualmente a classifica o do sono atrav s de registos polisomnogr ficos de um exame efectuada por t cnicos Cardiopneumologistas por inspec o visual Aliando este disp ndio de tempo ao elevado n mero de desordens do sono este trabalho tem como objectivo uma evolu o da plataforma outrora j constru da Como tal est se na posse de uma ferramenta de teste de algoritmos do sono e consequente classifica o autom tica do sono sendo mais um contributo para o desenvolvimento
35. s vis vel na figura 3 12 representa o tempo entre activa o do sistema de aquisi o j ligado ao doente e o in cio da classifica o visual Ent o agora ap s o tratamento do sinal pode se seleccionar no painel Distances umas das op es do popupmenu presente obtendo se um template denominada por Acordado independentemente do m todo seleccionado Caso se escolha Automatic Periodogram Time Frequency obt m se o template Acordado n o vis vel a n vel gr fico um diagrama Fig 3 13 onde s o vis veis quais as pocas em que o paciente se encontra acordado e um periodograma Pag 74 SleepLab v 2 0 2011 onde est o representadas todas as pocas de uma noite Fig 3 14 Tal template n o inclui todas as pocas em que o paciente se encontra acordado tendo sido eliminadas algumas de acordo com os crit rios j citados em 2 5 1 Awake Sleep 0 100 200 300 400 500 600 700 800 900 1000 Figura 3 13 Diagrama representativo das pocas em que o paciente se encontra acordado Hequency Hz a NM 25 Timeth Figura 3 14 Periodograma de todas as epocas do exame de um paciente Caso se tenha escolhido a opc o Hipnogram scored Wake epochs obtem se entao o template Acordado baseada na m dia dos modelos AR das pocas em que o paciente est marcado como estando no estado W no hipnograma A ltima op o presente no popupmenu n o se encontra activa sendo um futuro desenvolvimento do prog
36. se TWC nomeadamente Wavelet Morlet Complexa usando a t cnica de detec o de fusos descrita em Latka et al Latka 2005 A Wavelet Morlet Complexa definida como Misiti 2009 2 t e fct o fp w t 2 13 Jp Sendo f a largura de banda e f a frequ ncia central da Wavelet A representa o gr fica da equa o 2 13 ent o a figura 2 39 Wavelet Morlet Complexa Wavelet Morlet Complexa Fe y t miy Figura 2 39 Parte real e parte imagin ria da Wavelet Morlet Complexa Visto terem sido detectados falsos fusos decidiu se aumentar os crit rios para se considerar um fuso Para confirmar se era fuso Cardoso 2010 usou se ent o a Wavelet Chap u Mexicano que definida como Misiti 2009 pe 0 e 2 14 3704 Na figura 2 40 encontra se a representac o grafica da equac o 2 14 Pag 65 SleepLab v 2 0 2011 Wavelet Chap u Mexicano 0 8 0 6 0 4 y t 0 2 0 2 0 4 8 6 4 2 0 2 4 6 8 t Figura 2 40 Wavelet Chap u Mexicano S ap s a detec o do fuso pelas 2 transformadas este era considerado ver dico Finalmente obt m se ent o o fusograma Fig 2 41 Sleep States Figura 2 41 Fusograma Por observa o da Figura 2 41 denota se que o algoritmo detecta fusos no estado W Isto deve se ao facto de o sinal EEG durante esse estado apresentar uma forma de onda que se assemelha a um conjunto de fusos Cardoso 2010 Pag
37. seguinte ao grande movimento do corpo como estado N1 Caso n o haja SEM e o t nus EMG se mantenha baixo continua se a marcar como estado R Fig 1 39 e Caso um ou mais complexos K desassociados de despertares ou de fusos estejam presentes na primeira metade da poca com aus ncia de SEM apesar do t nus EMG do queixo manter se baixo marca se como estado N2 Fig 1 40 Figura 1 35 Regras para classifica o de uma poca do sono como estado R Iber 2007 Pag 24 SleepLab v 2 0 2011 Epoch Epoch 50 51 52 53 50 51 52 53 rr Ta l i I a IK comple o Kamp CMI 1 UM MI A Qui Ly O M i REM i REM I i i EM m E MIA Ms EM e EM yt ee a rer EMG EMG i i EMG EMG i i 1 I m SS ee Ss a ee E StageR StageR StageR Stage N2 SlageR StageR StageNi Stage N2 Figura 1 36 Continuac o da marcac o de uma epoca como estado R na aus ncia de REM mas com a presenca de sinal EEG de amplitude baixa e frequ ncia mista sem complexos K e fusos e ainda mantendo se o t nus EMG do queixo baixo Iber 2007 Epoch Epoch 50 51 52 53 50 51 52 53 se E E q K complex i E M A LA gt E M E M yt Au E M T SE i i I EMG EMG ee EMG ENG f Bo _ DE X SI EEE Stage R gage R Stage N Stag Stage N2 Stage R SageR StageR Stage N2 Figura 1 37 Fim da marca o de uma poca como estado R quando h um aumento do t nus EMG do queixo acima do nivel do estado R marcando se como es
38. venha intermediada de duas pocas a dormir essa poca considerada a dormir e h correc o do diagrama Obten o das pocas em que o sujeito se encontra acordado Diagrama que cont m pocas em que o sujeito est acordado e a dormir Figura 2 20 Diagrama da fun o que selecciona as pocas utilizadas para o c lculo do template Acordado Pag 50 SleepLab v 2 0 2011 2 5 2 Estados W M todo das pocas Marcadas Como Estado W no Hipnograma Este m todo baseia se em utilizar as pocas marcadas como estado W no hipnograma para obtenc o do template Acordado Assim ap s a obten o do hipnograma retiraram se todas as pocas em que o paciente se encontra acordado Tal forma de obtenc o do template Acordado tem a desvantagem de nao ser autom tica dependendo duma pr via marca o das pocas acordadas por um t cnico cardiopneumologista mas tem a vantagem bvia da certeza de que as pocas seleccionadas corresponderem a pocas em que o paciente est acordado dentro da fiabilidade da marca o visual 2 5 3 Modelo AR auto regressivo e Template Acordado Depois de obtidas todas as pocas em que o paciente se encontra acordado de ambos os m todos citados em 2 5 2 e 2 5 1 tencionou se efectuar a m dia aritm tica e obter se o template Acordado Por m verificou se que esse template n o representava correctamente uma poca em que este se encontrava acordado pois a simples m dia artim tica de todas
39. 0 SLEEF S0 2aidGie wi 30 SLEEF S0 23 49 57 W 30 SLEEF S0 2319027 W 30 SLEEF S0 23 50 57 W a0 SLEEF S0 23 51 27 W 30 SLEEF S0 23151757 W 30 SLEEF S1 25io2iz2f ha a0 SLEEF S0 23152157 W 30 SLEEF S1 Fe ML 30 SLEEP 52 23153 1577 no 30 SLEEP S2 ET no 30 SLEEF S2 2a 54 57 no 30 SLEEP S 231559127 he a0 SLEEP S2 231595157 Me 30 SLEEF S0 23156127 W a0 SLEEP 50 23 56157 W 30 SLEEF S0 2357127 W 30 SLEEF S0 23197157 W 30 SLEEF S0 Fl W 30 SLEEF S0 23 58 57 wl a0 SLEEF S0 za nur wl a0 SLEEF S0 2ar59 45 W 30 SLEEF S1 00 27 ML ab SLEEF S0 IE OR EEE ab SLEEP S Q 0OL 27 Ne 30 SLEEF S0 Q 0L 37 W ab SLEEP S D027 Ne 30 SLEEF S2 0 02 37 N2 ab SLEEF S0 Ola W ab SLEEP S 0 05 57 N2 30 SLEEF S2 Qdo Ne a0 SLEEP SO IN Er OF 95 W a0 SLEEF S0 D05127 W a0 SLEEF S0 Org5 ET ab SLEEF S0 O g6 27 W ab SLEEF S0 DO a0 SLEEF S0 IN Er 0 BE W a0 SLEEF S0 Oro 357 W ab SLEEF S0 D0827 W ab SLEEF S0 NE BT EEE ab SLEEP S O o9 27 Ne ab SLEEP S 0 09 57 No 30 SLEEF S2 0 10 27 Ne a0 Figura 2 2 Exemplo de de um hiponograma em fomato txt exportado do programa RemLogic v 1 1 para um paciente da base de dados Ap s a exporta o para o formato txt l se o ficheiro e guardam se as strings da primeira coluna numa vari vel obtendo se depois o ltimo caractere dessa string Como tal analisando a figura 2 2 e O estado W string SLEEP SO e 1 estado N1 string SLEEP S1 e 2 estado N2 string SLEEP S2 e 3 estado N3 string SLEEP S
40. 0 6 0 5 Waximums 0 4 0 3 Figura 2 18 M ximos do periodograma azul e limite verde a partir do qual se considera estar na presen a de uma poca em que o paciente est acordado Ainda devido presen a de artefactos definiu se que se o valor m ximo de um periodograma de uma poca for superior a 0 4 mas a poca antes e depois n o se encontrarem acima desse limite exclufa se essa poca para constru o do template Acordado Isto deve se ao facto de que as transi es imediatas entre o estado acordado e outros estados assumirem se como provenientes de artefactos Cardoso 2010 Assim considerou se para efeito de template as pocas em que o m ximo era superior m dia das pocas em que o valor m ximo do periodograma era inferior ao limite estabelecido Para finalizar outro crit rio foi acrescentado o m ximo de energia entre 8 e 11 Hz teria que ser maior que o m ximo entre 11 e 16 Hz Este crit rio foi implementado para evitar que alguns estados N2 sejam incorporados na constru o do template Este facto deve se evid ncia que no estado N2 a presen a de fusos intensa sendo um poss vel factor de erro Cardoso 2010 Depois de todos os crit rios aplicados obteve se ent o o diagrama onde poss vel verificar quais as pocas em que o paciente se encontra acordado na figura 2 19 Pag 48 SleepLab v 2 0 2011 Estados oo som pocas Es lindos do porno i 150 HEI aa Ano Go Gop a
41. 00 800 900 Epochs Figura 2 34 M todo do Hipnograma para um paciente normal sinal do el ctrodo Cs Pag 62 SleepLab v 2 0 2011 ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 13 08 08 EEG Signal CHAZ Awake REM N1 N2 N3 Sleep States ltakura Saito Distance not symmetrical 0 100 200 300 400 500 600 700 800 900 Epochs Figura 2 35 M todo do Periodograma para um paciente normal sinal da deriva o C A ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 13 08 08 EEG Signal CIHAZ Awake REM N1 Sleep States ltakura Saito Distance not symmetrical N2 N3 0 100 200 300 400 500 600 700 800 900 Epochs Figura 2 36 M todo do Hipnograma para um paciente normal sinal da deriva o C3 Ao Ap s a observa o das figuras 2 33 a 2 36 nota se que para este paciente a classifica o se encontra muito deturpada visto nem os estados NR R e W se encontram classificados correctamente Por m atrav s do m todo do Hipnograma consegue se obter uma maior sensibilidade mudan a de estado tanto para o sinal C3 como para o sinal C3 A2 e uma detec o melhor dos estados mais profundos O caso anteriormente relatado tamb m aconteceu para uma paciente moderada sendo vis vel tal fen meno na figura 2 37 e 2 38 Pag 63 SleepLab v 2 0 2011 ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 10 09 08 EEG Signal C3 42
42. 1 5 Ritmos Beta tGariepy20T Te ae ee u a a 6 Figura 1 6 Ritmos Gama Gariepy 2011 ccccccccccsssseeceeeeeeseeeeeeeeeeeeessaeeeeeeeeeeeessaeeeeeeeeeeeeseaas 6 Figura 1 7 Fusos adaptado de Latka 2005 ccccccccccesseeeceeeeseeeeeeseeeeeseeeeeeeeaseeeessaeeeeeessaaess 6 Figura 1 8 Sistema Internacional 10 20 Gorur 2003 e eerereeeererenanena 7 Figura 1 9 Esquema de coloca o dos electrodos no plano sagital segundo o Sistema Internacional 10 20 adaptado de Silva 1998 eee eeeeereea a aeeerenaanamo 7 Figura 1 10 Esquema de coloca o dos electrodos no plano coronal segundo o Sistema Internacional 10 20 adaptado de Silva 1998 e eeeeeereeerenerereea ae rerrenananoo 8 Figura 1 11 Esquema de coloca o dos el ctrodos no plano axial segundo o Sistema Internacional 10 20 adaptado de Silva 1998 erre eeeeerera ae aeerenananao 8 Figura 1 12 Fun o sinusoidal usada na TF e Wavelet Misiti 2009 9 Figura 1 13 Representa o de um sinal atrav s de Wavelets com diferentes escalas e posi es Misti 2009 22 ds ae ae DE Da a ee 11 Figura 1 14 Factor de escala a na Wavelet Misiti 2009 erre 11 Figura 1 15 Factor de escala b na Wavelet Misiti 2009 erre 12 Figura 1 16 C lculo do coeficiente Wavelet C Misiti 2009 12 Figura 1 17 Transla o da fun o Wavelet Misiti 2009 renas 13 Figura 1 18
43. 26 Dist ncia de ltakura Saito n o sim trica sem filtro nnen 57 Figura 2 27 Dist ncia de takura Saito n o sim trica com filtro 58 Figura 2 28 Funcionamento do painel Distances ii eeereeracaa e arereaaaanrrraanaa 59 Figura 2 29 M todo do Periodograma sinal da deriva o C3 A5 60 Figura 2 30 M todo do Hipnograma sinal da deriva o Ca Ab 60 Figura 2 31 M todo do Periodograma sinal do el ctrodo C3 61 Figura 2 32 M todo do Hipnograma sinal do el ctrodo C3 61 Figura 2 33 M todo do Periodograma para um paciente normal sinal do el ctrodo C3 62 Figura 2 34 M todo do Hipnograma para um paciente normal sinal do el ctrodo C3 62 Figura 2 35 M todo do Periodograma para um paciente normal sinal da deriva o C A 63 Pag XVII SleepLab v 2 0 2011 Figura 2 36 M todo do Hipnograma para um paciente normal sinal da deriva o O3 A 63 Figura 2 37 M todo do Periodograma para um paciente moderado sinal da deriva o C3 A gt 64 Figura 2 38 M todo do Hipnograma para um paciente moderado sinal da deriva o C A 64 Figura 2 39 Parte real e parte imagin ria da Wavelet Morlet Complexa 65 Figura 2 40 Wavelet Chap u Mexicano 1 cccccccsseeccecccaeeeceeccaeeeeeeessuaeeeeeessuaaeeeeeesaaeeeessssagneeees 66 Figura 2 41 Fusograma
44. 3 e 4 estado N4 string SLEEP S4 e M ao estado R string SLEEP REM Pag 33 SleepLab v 2 0 2011 De enfatizar que em alguns pacientes o estado N4 estado n o REM 4 ainda se encontra registado devido a esta classifica o ter sido efectuada antes da implementa o das novas regras do manual para classifica o do sono da AASM Iber 2007 De qualquer forma ao encontrar se um estado N4 converte se para estado N3 e finalmente obt m se o hipnograma 2 1 Formato EDF EDF Inicialmente a ind stria ligada a equipamentos e software neurofisiol gico possu a o seu pr prio formato para grava o de dados o que dificultava a consulta colabora o e arquivamento Este problema foi solucionado recorrendo a um formato padr o conhecido como European Data Format EDF B a Kemp 2003 O EDF um formato simples e flex vel para troca e armazenamento multicanal de sinais biol gicos e f sicos A sua utiliza o come ou a ser proposta em 1987 no Congresso Internacional do Sono em Copenhaga Ap s 1992 tornou se como o formato standard para grava o de registos EEG e PSG polissomnografia em equipamentos comerciais e projectos de pesquisa B Kemp 1992 Em 2002 foi desenvolvida uma extens o do EDF como o nome de EDF que para al m de possuir todas as funcionalidades inerentes aos registos EDF ainda permitia grava es interrompidas anota es est mulos e eventos entre outras funcionalidades extra B Kemp 1992 Ent o est
45. 66 SleepLab v 2 0 2011 3 Manual do Utilizador Este projecto foi executado com o objectivo de prosseguir no desenvolvimento de uma plataforma de teste a algoritmos de classifica o autom tica do sono O sistema executa uma conjunto de processos de pr processamento essenciais aqui executados sem necessidade de sair fora do tecto comum da plataforma Ainda de referir que esta plataforma n o foi desenvolvida de raiz mas melhorada optimizada e evolu da a partir de uma mais rudimentar denominada SleepLab v 1 0 Assim encontram se integradas mais funcionalidades sendo mais f cil e intuitiva a sua utiliza o no campo m dico cient fico Os utilizadores alvo desta plataforma ser o m dicos cardiopneumologistas e invrestigadores na rea do sono 3 1 Estrutura O SleepLab v 2 0 Fig 3 1 encontra se estruturado por pain is para uma mais f cil organiza o e posterior manipula o por parte do utilizador 80 00 SleepLab v 2 0 File Hypnogram Channels amp Analysis Name Date Time Channels Others EOG EEG Standard Montage Customize Montage EEE Essa EEEF Ba u Execut Unipolar Execut Montage Customize ICA Plottina Signals EE I Out PN oi po Sina Ems Correction Number of Rejected Spindle Epochs High pass frequency Low pass frequency Artefact Correction Saturation lt 8 If Method APTE Wavelet Filter 2 30 Artefact Correction 300uV A E Show Corrected Signals Distances Select the metho
46. 8 2 Desenvolvimento do SleepLab v 2 0 e Processamento do Sinal EEG eenee 31 241 ROMO EDER EDER a e ese 34 22 GatregamentodeDadosa nn aus ae ee Radeon ee 34 2 3 Gatregamento de SIMAS aa a ia aa ee 35 2 4 re PROCESSAMENTO ar sd a a GG A 37 25 Distancias Espeelrals nut 22a es HE 46 2 5 1 Estados W M todo do Periodograma Tempo Frequ ncia 46 2 5 2 Estados W M todo das pocas Marcadas Como Estado W no Hipnograma 51 2 5 3 Modelo AR auto regressivo e Template Acordado es 51 254 DISIQNCIAS ee ehe ne A 56 Zoo Estudos Prev Sussie a A E 60 26 Deteccao de FUSOS dO SO IO ace nen ee a a ar a a Wien ar 65 3 Manu akgo Ytilizado mesener a pa DE e E isda 67 Ile E S a ee E ee oe re 67 Se FUNC ONNE MO Se ee a E r E ee 68 3 3 Visualiza o de SINAIS sussa sta a ee 81 Pag XIII SleepLab v 2 0 2011 E ONC IS OSS ee at 83 5 WESIUGOS UO Se a DE Desa eh a an ne UE ne O ans ren 85 O BIO esa a A ene ere 87 Pag XIV SleepLab v 2 0 2011 ndice de Figuras Figura 1 1 Estrutura de um neur nio Silva 1998 ii eeererranaaearerraaaanam 4 Figura 1 2 Ritmos Delta Gariepy 2011 22000s022004000RRnnennnnnnnnennnnnnnnnnnnnnnnnnnnnnnnnnnnennnnne nenn 6 Figura 1 3 Ritmos Teta Gariepy 2011 eeeerereeneeeerreeen e eerreren aa eerenanaaso 6 Figura 1 4 Ritmos Alia Gariepy 201 1 use dp av Giaa dan han cee bga tai se tendas ia datada 6 Figura
47. Alvarez A Garcia M and Bonal R Sleep Stage Classification Using Fuzzy Sets and Machine Learning Techniques Neurocomputing 58 60 2004 1137 1143 Rechtschaffen A and Kales A A Manual of Standardized Terminology Techniques and Scoring System for Sleep Stages of Human Subjects 1968 Rose W MATLAB Central 25 de 06 de 2007 http www mathworks ch matlabcentral fileexchange 15210 minimum description length acedido em 19 de 09 de 2011 Schlogl A The Electroencephalogram and the Adaptive Autoregressive Model Theory and Applications Graz Technischen Universit t Graz 2000 Shaul Neil The Fundamental Neural Mechanisms of Electroencephalography Electroencephalography and Clinical Neuropsysiology 106 1998 101 107 Silva C Processamento de Dados Electroencefalograficos Aplica es a Epilepsia Lisboa Faculdade de Ci ncias da Universidade de Lisboa 1998 Soong F and Shondhi M A Frequency Weighted Itakura Spectral Distortion Measure and Its Application to Speech Recognition in Noise IEEE Transactions on Acoustics Speech and Signal Processing 36 1988 41 48 Pag 89 SleepLab v 2 0 2011 Souza M J Implementac o de TOOLBOX em Ambiente MATLAB para Analise da Dessaturac o da Oxihemoglobina Durante o Sono S o Paulo Universidade do Vale do Para ba Instituto de Pesquisa e Desenvolvimento 2005 Souza R NeuroLab Um Conjunto de Ferramentas teis na An lise de EEG Aplicado ao Estudo da
48. Atividade Cerebral Durante o Sono e Vig lia Natal Universidade Federal do Rio Grande do Norte 2009 Subasi A Automatic Recognition of Alertness Level from EEG by Using Neural Network and Wavelet Coefficients Expert Systems with Applications 28 2005 701 711 Subasi A Kiymik M Kemal Akin M and Erogul O Automatic Recognition of Vigilance State by Using a Wavelet based Artificial Neural Network Neural Computing amp Applications 14 2004 45 55 Susmakova K and Krakovska A Discrimination Ability of Individual Measures Used in Sleep Stages Classification Aritificial Intelligence in Medicine 44 2008 261 277 Tagluk M Sezgin N and Akin m Estimation of Sleep Stages by an Artificial Neural Network Employing EEG EMG and EOG Journal of Medical Systems 34 2009 717 725 Watanabe T and Watanabe K Noncontact Method for Sleep Stage Estimation IEEE Transactions on Biomedical Engineering 51 10 2004 1735 1748 Pag 90 SleepLab v 2 0 2011 Pag 91
49. Dist ncia de Itakura Saito Electroencefalograma Transformada Wavelet Pag IX SleepLab v 2 0 2011 Abstract Sleep is defined as an unconscious state from which a person can be woken by sensorial stimulus or others As such it is a well structured and organized physiological process seen as a fundamental tool for the diagnosis and investigation of neurological disturbances Most knowledge on sleep rhythms was obtained by polysomnography where a set of cyclical cerebral waves of multiple amplitudes and frequencies ocular movements and muscular tonus variations are recorded Sleep classification is conducted as such based on the visual inspection of the EEG signal by labeling of each stage as a state in an expensive and lengthy process This Project is a contribution to the automatic classification of sleep For such it has been developed a platform SleepLab v 2 0 where it is possible to load the EEG signal from any of the electrodes or recommended montages by the AASM execute the automatic classification of sleep by the takura Saito and ltakura distances and spindles detection by applying the continuous Wavelet transform The wider the distance between the stage in analysis and Woken template the more profound is the sleep state of the patient This Work intends to contribute to the development of a capable tool for the un supervised sleep classification avoiding the time spent in such task and obtaining a higher efficiency
50. EG de amplitude baixa e v rias frequ ncias sem despertares associados a complexos K ou fusos do sono Ainda de referir que marca se a poca seguida a grande movimento do corpo como estado N1 Caso n o haja SEM ent o marca se como estado N2 Fig 1 34 e Transi es para o estado N3 e R Figura 1 32 Regras de classifica o de uma poca do sono como estado N2 Iber 2007 Epoch Epoch 50 51 52 53 50 51 52 53 l Kos o k comeies mo o Poe ei N t im er E M E M ol WE E M Ap A I i I i i EMG EMG Dad EMG EMG RIT i j i i BU U U E _ a EEE EEE Stage N2 StageN2 StageNt Stage N2 StageN2 StageN2 StageNt StageN2 Figura 1 33 Despertar desassociado de complexos K e associado a complexos K Iber 2007 Pag 22 SleepLab v 2 0 2011 Epoch Epoch 50 51 52 53 50 51 52 53 i Body Body 1 K complex movem nt 7 ac movement CM WA i y O M as l i B t I EM i l i i i PEN EEE j x N S E ME N TC TT I N EMG EMG EMG EMG i i i i I N i i l i i i i Ip t 1 i Stage N2 Stage N2 StageN2 Stage N2 Stage N2 Stage Ni StageN1 Stage N2 Figura 1 34 Grande movimento do corpo desassociado do SEM e associado ao SEM Iber 2007 Estado N3 Uma poca considera se como estando no estado N3 quando 20 ou mais desta consiste em um sinal EEG de actividade lenta rit
51. Pag 3 SleepLab v 2 0 2011 a OE E f IR aa A 7 a f E Da ii 4 t Dendrites apicais N e Sy f Pd i Terminal inibitorio d ax nic Corpo Celular Terminal excilatorio de um ax nio _ RS A gt _ Nucleo in po gt a A U N Dendrites basais Camada de mielina No de Ranvier Axomo ae Terminal A pre s naplc o A Axonio Fenda s napl ca U Zum NN 7 Dendrite rt N j pos sinaplica td A Aie O40 F PN Celulas pos sinapticas me Celula pre sinaptica a Figura 1 1 Estrutura de um neur nio Silva 1998 Como tal analisando a figura 1 1 a actividade el ctrica dos neur nios manifesta se pela gera o de potenciais de ac o quando a excita o el ctrica da membrana ultrapassa um determinado limiar e por potenciais p s sin pticos PPS que s o fen menos subliminares A gera o de potenciais de ac o est relacionada com um r pido aumento da permeabilidade aos i es Na Atrav s do seu fluxo para o interior da c lula ha um aumento r pido do potencial no interior da c lula e as mudan as de polaridade para 30mV Ent o um subsequente aumento da permeabilidade da membrana aos i es K e uma diminui o da permeabilidade aos i es Na faz com que o interior do neur nio possua novamente uma polaridade negativa em rela o ao meio circundante Desta forma cria se um potencial de ac
52. Painel Channels com os canais EEG registados durante o exame Posto isto ent o poss vel visualizar o nome de todos os canais dos quais se possuem dados sendo estes canais separados pelas listboxs Fig 3 3 e Others dados respirat rios obtidos por pletismografia EMG do queixo e de ambas as pernas e ECG e EOG sinais EOG de ambos os olhos e EEG sinais EEG provenientes dos el ctrodos C3 C4 A As O e Os O elemento NoSelection que poss vel ler n o simboliza nenhum canal apenas significa que nenhuma das op es da listbox EEG se encontra seleccionada Esta selec o ser essencial para uma futura classifica o do sono O sinal AV que tamb m poss vel a sua selec o nesta listbox a m dia aritm tica de todos os sinais EEG registados durante o exame Caso se execute a classifica o do sono por um sinal desta lista diz se que foi efectuada partindo dum sinal unipolar exceptuando o sinal AV Na plataforma ainda se encontram presente mais duas listboxs e Standard Montage disponibilizada a op o do utilizador efectuar uma classifica o autom tica do sono segundo as recomenda es do manual da AASM Iber 2007 e Customize Montage encontra se presente a op o do utilizador efectuar a classifica o do sono por um sinal bipolar que poder ser constitu do por el ctrodos ou pelo sinal AV tanto no sinal como no sinal de refer ncia Para tal este ter que escrever no campo Customize o
53. R Souza OOD PRERESI A RE RR NR SA 20 Figura 1 32 Regras de classifica o de uma poca do sono como estado N2 Iber 2007 22 Figura 1 33 Despertar desassociado de complexos K e associado a complexos K Iber 2007 22 Figura 1 34 Grande movimento do corpo desassociado do SEM e associado ao SEM Iber 2007 Figura 1 35 Regras para classifica o de uma poca do sono como estado R Iber 2007 24 Figura 1 36 Continua o da marca o de uma poca como estado R na aus ncia de REM mas com a presen a de sinal EEG de amplitude baixa e frequ ncia mista sem complexos K e fusos e ainda mantendo se o t nus EMG do queixo baixo Iber 2007 irem 25 Figura 1 37 Fim da marca o de uma poca como estado R quando h um aumento do t nus EMG do queixo acima do n vel do estado R marcando se como estado N1 Iber 2007 25 Figura 1 38 Final da marca o de uma poca como estado R devido a um despertar seguido de um sinal de EEG de baixa amplitude e frequ ncia mista e SEM marcando se como estado N1 BErZ 00 7 eee eee arti mere ae een 25 Figura 1 39 Fim da marca o de uma poca como estado R devido a grande movimento do corpo seguido de SEM e um sinal EEG de baixa amplitude com frequ ncia mista sem despertares associados a complexos K ou fusos Iber 2007 eres ererrea e nennen 26 Figura 1 40 Fim da marca o da poca como estado R caso um ou mais complexos K desassociados de despertares o
54. S q N 2 7 O criterio MDL Rose 2007 log N MDL q S q 1 q j 2 8 sendo S q a varia o do erro de predi o para a ordem qe No n mero de amostras do sinal para os tr s crit rios Na figura 2 23 est o representados os valores para os 3 crit rios de uma poca em que o paciente est acordado Esta poca escolhida aleatoriamente do conjunto de pocas que constituem a base para obten o do template Acordado De referir ainda que qualquer que seja o m todo seleccionado para obten o desta o resultado similar Pag 53 SleepLab v 2 0 2011 i ff 2 4 6 8 10 12 14 16 18 20 22 24 model order LJ 2 4 6 8 10 12 14 16 18 20 22 24 model order ee 2 4 6 8 10 12 14 16 18 20 22 24 model order Figura 2 23 Crit rios aplicados para escolha do grau do modelo AR de uma poca em que o paciente est acordado Portanto quanto mais baixos forem os valores do FPE AIC e MDL mais preciso ser o modelo Como refer ncia decidiu se utilizar sempre o grau 10 visto os valores de todos os crit rios a partir deste valor n o diminu rem significativamente e assim em termos de processamento computacional a execu o do programa se tornar mais veloz Embora apenas estejam representados os resultados para uma poca de um paciente este o resultado que se obteve para os 20 sujeitos que entraram neste estudo Antes da obten o do template Acordado optou se no SleepLab v 1 0 por normalizar os
55. SENEKEKENEKENENKEEEENKEEEEEKENEEEEKEKE Figura 3 8 Sinal corrigido ap s mensagem de erro ERROR A visualiza o do sinal ser estudada no subcapitulo 3 3 Neste momento o utilizador ter que efectuar a selec o de qual dos sinais pretende utilizar para prosseguir o estudo da classifica o do sono Consoante a sua escolha este dever premir na listbox correspondente a sua op o Com a devida cautela caso o sinal seleccionado seja um dos vis veis na listbox EEG dever se a premir o bot o Execut Unipolar Se o sinal for da listbox Standard Montage ou da Customize Montage dever ent o ser premido o bot o Execut Montage Ambos os bot es Execut Montage e Execut Unipolar carregam o sinal proveniente duma noite inteira de sono do paciente em estudo Nesta fase inicia se o tratamento de sinal no painel Correction onde efectuado um pr processamento atrav s dos bot es Fig 3 9 Pag 71 SleepLab v 2 0 2011 e Artefact Correction Saturation e Wavelet Filter Neste tratamento dada a possibilidade de escolha das frequ ncias de corte do filtro Wavelet atrav s dos campos edit veis colocados por baixo de High pass frequency e Low pass frequency Fig 3 9 Por m deve se ter em conta que caso depois se deseje seleccionar o m todo Automatic Periodogram Time Frequency APTF dever seleccionar se uma frequ ncia High pass inferior a 8 Hz por os motivos j citados em 2 4 Ainda ap s premir se este bot o tais
56. Sinal AV Plot a Number of Rejected Spindle Epochs High pass frequency Low pass frequency Y Spindiograma 145 lt 8 If Method APTF 2 34375 29 6875 125 Show Corrected Signals Distances Automatic Periodogram Time Frequency Plottina AR Order J 10 Itakura Saito Distance Perg a Zus ae ave All ese Distances Figura 3 18 Selec o no sub painel Plotting da dist ncia takura Saito n o sim trica Pag 77 SleepLab v 2 0 2011 AI TA i Itakura Saito Distance not symmetrical AR s Grau 10 Nat 00 2 Figura 3 19 Dist ncia de takura Saito n o sim trica atrav s do modelo AR Awake pry Sleep States ltakura Saito Distance notsymmetrical N 00 00 500 600 700 800 900 Epochs Caso se pretenda preservar os dados provenientes deste paciente prime se o bot o Save all que grava sob a forma de uma estrutura todos os dados do paciente Fig 3 20 no disco devendo se especificar a directoria No final de percorrer todos os pain is obt m se os resultados para os quais todo o software foi desenvolvido Field amp Value Min Max name date 28 08 07 time 23 35 43 eeg signal lt 1x2805000 sin lt To lt To eeg_rate 100 100 100 eeg_2_30_Div lt 935x3000 dou eTo lt To hipnograma lt 1x935 double gt 1 5 HH dist_IT_AR_simetrico lt 1x935 double gt 0 01 1 82 dist IT PF simetrico lt 1x935 double gt 0 01 1 82 dist I5 AR
57. Subasi 2005 T M Ebrahimi 2008 sendo usados como inputs os par metros obtidos do processamento dos sinais supracitados Tamb m se afigura que a proposta aqui apresentada de WEC WLO dever levar a um melhoramento nos resultados obtidos sendo pressuposto que os Cardiopneumologistas teriam que incluir os procedimentos adequados N o sendo ainda claro se o paciente dever ficar com os olhos fechados ou abertos e as luzes ligadas ou desligadas dever ser pedida uma opini o m dica a este respeito de forma a recolher pocas em que o paciente seguramente se encontra acordado para uma posterior constru o do template Acordado Por m reconhece se claramente que a forma mais atractiva de obten o do template Acordado o c lculo autom tico n o supervisionado tal como feito pelo SleepLab v 2 0 No entanto podemos facilmente conjecturar que um procedimento supervisionado poder produzir uma template mais adequada Assim este aspecto carece de ser investigado Pag 86 SleepLab v 2 0 2011 6 Bibliografia Achermann Peter Sleep In Wiley Encyclopedia of Biomedical Engineering de M Akai 3217 3228 New Jersey Jonh Wiley amp Sons Inc 2006 Akin M Comparison of Wavelet Transform and FFT Methods in the Analysis of EEG Signals Journal Of Medical Systems 26 2002 241 247 Arruda E F An lise de Dist rbios Relacionados com a Qualidade da Energia El ctrica Utilizando a Transformada Wavelet S o Paul
58. a combina o desejada ou seleccionando uma deriva o recomendada pelo manual da AASM e presente na listbox Standard Montage A escolha deste tipo de sinal permite eliminar o ru do modo comum que s o interfer ncias com a mesma origem e que perturbam simultaneamente os dois canais subjacentes deriva o Em teoria se a interfer ncia for exactamente igual anulada desta forma Como exemplos deste tipo de interfer ncias encontra se a rede el ctrica e outros tipos de radia o electromagn tica exterior Ap s a selec o do sinal desejado para efectuar o estudo carrega se o sinal atrav s da fun o pop biosig presente na toolbox EEGLAB Delorme 2004 Esta fun o ir permitir a leitura do ficheiro edf obtendo se como output uma estrutura a qual se denomina data Fig 2 4 Assim ir Pag 35 SleepLab v 2 0 2011 se obter a frequ ncia de amostragem do sinal seleccionado srate e a amplitude do sinal ao longo de todo o exame data Fig 2 4 Uma informa o importante de se evidenciar que em todos os canais EEG a frequ ncia de amostragem a mesma evitando qualquer tipo de conflitos ao efectuar se o sinal AV ou alguma deriva o No caso do sinal desejado ser bipolar cada um dos sinais ser carregado individualmente atrav s da fun o pop biosig e s depois far se a diferen a aritm tica de ambos os sinais obtendo se o sinal desejado Do mesmo modo para obten o do sinal AV o racioc nio an
59. a minimizando a contribui o de ru do para o registo EEG As estrat gias de registo dos potenciais dividem se em e montagens monopolares as medidas de todos os el ctrodos s o feitas com refer ncia a um ou mais el ctrodos e montagens bipolares a medida de cada canal referente diferen a entre dois el ctrodos geralmente adjacentes As montagens monopolares apesar de serem aquelas que faciltam a compara o entre os registos t m a desvantagem de nenhum el ctrodo ser suficientemente isento de actividade el ctrica Assim a escolha da refer ncia como a m dia de dois el ctrodos colocados sobre as orelhas ou sobre os mentos uma boa op o ainda que haja sempre contamina o por actividade el ctrica Silva 1998 Pag 8 SleepLab v 2 0 2011 1 2 4 Wavelets O registo do sinal EEG vem sempre constitu do por artefactos devido ao movimento do paciente ou ao pr prio sistema de aquisi o de sinal Este dever ser tratado para que no instante em que seja observado por t cnicos e m dicos possam se diferenciar os ritmos em fun o da sua frequ ncia e amplitude e ainda interpret los A t cnica mais conhecida de transforma o do sinal do dom nio do tempo para o dom nio da frequ ncia a Transformada de Fourier TF A TF uma ferramenta extremamente usual uma vez que o conte do de frequ ncia para muitos sinais de extrema import ncia e as suas informa es s o divididas em diferentes frequ
60. a e b os factores j citados anteriormente O coeficiente TWC representa o qu o bem se relaciona o sinal original f x com a Wavelet m e Desta forma o grupo de coeficientes TWC associados a um sinal particular a representa o da Wavelet do sinal original f x Fig 1 13 em rela o a Wavelet m e w x Arruda 2003 Pag 10 SleepLab v 2 0 2011 Wavelet gt NV Transform Ah j 7 Signal Constituent wavelets of different scales and positions Figura 1 13 Representac o de um sinal atraves de Wavelets com diferentes escalas e posic es Misiti 2009 De evidenciar que se pode analisar a Wavelet m e como uma func o janelada em que o factor de escala ae o tamanho da janela sao dependentes sendo que menores escalas implicam menores janelas Arruda 2003 Como ja foi referido as Wavelet filhas derivam da Wavelet m e por factores de escala ae b O factor de escala a Fig 1 14 representa apenas dilatac es ou contrac es da Wavelei m e Arruda 2003 0 fe 200 400 600 800 1000 1200 1400 1600 1800 2000 wit a 1 y 2t a amp gt fa ho p f t 200 400 son 800 1000 F200 7400 41600 1600 2000 e f t y 4t a Ha 200 400 600 800 1000 1200 1400 1600 1800 2000 Figura 1 14 Factor de escala a na Wavelet Misiti 2009 Por observa o da figura 1 14 conclui se ent o que o valor de a est relacionado com a frequ ncia do sinal da seguinte forma 1 Baixa escala a
61. a entre 2 e 6Hz e uma amplitude m xima detectada na regi o central da cabe a normalmente precedida de REM Tabela 1 2 Caracter sticas dos estados do sono Iber 2007 Pag 17 SleepLab v 2 0 2011 1 3 2 O Manual da AASM A classifica o do sono feita de acordo com as regras do manual de classifica o do sono da American Academy of Sleep Medicine AASM Iber 2007 que baseado no manual Rechtschaffen and Kales R amp K Rechtschaffen 1968 Como tal a classifica o visual do sono efectuada tendo em conta 3 sinais fisiol gicos o EEG o EOG e o EMG do queixo Fig 1 26 Figura 1 26 Par metros essenciais para a classifica o visual do sono por estados EOG EEG e EMG Sinal EEG e EOG referenciados em rela o ao sinal do el ctrodo A Fernandes 2006 1 3 2 1 Especifica es T cnicas para Classifica o Visual do Sono Para al m das regras para classifica o do sono estarem presentes no manual de refer ncia da AASM Iber 2007 tamb m a forma como efectuada a coloca o dos el ctrodos e os sinais a registar informa o est o definidos v EEG As deriva es recomendadas para aquisi o de sinal s o F4 M C4 M e O gt M e al m destes el ctrodos devem ainda ser colocados Fs C3 O e M Fig 1 27 Assim capaz de se obter os sinais F3 M gt Ca M gt e O M caso as deriva es iniciais n o estejam funcionais Pag 18 SleepLab v 2 0 2011 Nasion
62. a grava o em pocas de 30 segundos e rotulando se cada poca como um estado No caso de estarem presentes caracter sticas de mais do que um estado numa poca opta se por classificar tal poca com o estado que mais representativo da poca ou seja aquele em que s o presentes mais caracter sticas durante mais tempo Iber 2007 1 3 1 Classifica o do Sono em Estados A classifica o dos estados do sono normalmente efectuada com base nas regras de Rechtschaffen and Kales Rechtschaffen 1968 A primeira classifica o proposta por Loomis et al Lomis 1937 foi revista ap s a descoberta do estado R do sono A terminologia usada actualmente foi proposta por Aserinsky and Kleitman enfatizando se duas formas de estados do sono sono NREM e sono REM Niedermeyer 2005 Assim a classifica o usada actualmente e revista em 2007 Iber 2007 classifica o sono em Tabela 1 2 Fig 1 21 a 1 25 Pag 16 SleepLab v 2 0 2011 Estado Acordado W pe ine nt Figura 1 21 Estado W Gorur 2003 Estado N1 estado nao REM 1 Figura 1 22 Estado N1 Gorur 2003 Estado N2 estado nao REM 2 Figura 1 23 Estado N2 Gorur 2003 Estado N3 estado nao REM 3 Figura 1 24 Estado N3 Gorur 2003 Estado R Figura 1 25 Estado R Gorur 2003 Ritmo alfa na regiao occipital atenuado com a abertura dos olhos Movimento ocular vertical a uma frequ ncia entre 0 5 e 2 Hze independente da abertura dos olhos Mo
63. ala factor a isto ao modificar se a escala a da fun o f e simultaneamente alterar se a escala de varia o da fun o f pelo mesmo factor a forma da Wavelets n o se modifica Arruda 2003 fao ao 2 gt 1 4 0 obtendo se TW Ca a ag f TW Cab f 1 5 Para se cumprir o objectivo assim necess rio incrementar o factor b com o factor de escala ao Assim quando se altera da escala a a para a escala a am pode se desta forma escolher um factor bg e ainda definir se o intervalo de varia o de transla o Ab a b Ent o para cada escala a a transla o discretizada Arruda 2003 bmn na bo nEZ 1 6 Assim a discretiza o em transla o e escala definida por Aa Caos nag bo mn EZ 1 7 A discretiza o da TW TWC anf x f Yeap X para os factores de transla o e de escala dada por TWD mmf 0 F Yim 9 1 8 onde Wenn X Var namn CO A o W ag x nbo 1 9 e sendo assim TWD lB gt u e fn 1 10 n onde w a Wavelet m e e os par metros a e b relativos a fun o TWC s o fun es de mental que a aj eb nb an Arruda 2003 Devido dificuldade a n vel de c lculo e ao disp ndio de tempo a TWD implementada por uma sequ ncia de filtragens digitais sobre o sinal original Os filtros usados para esta filtragem s o Pag 14 SleepLab v 2 0 2011 chamados Quadrature filter Fig 1 19 e t m como caracter stica fil
64. are N o directamente ligado ao terminar do curso mas ao seu trajecto n o poderei deixar de referir os colegas e amigos cavaleiros Pedro Martins Leonardo Martins Rui Lucena Jo o G meo Bernardo Azevedo Mafalda Fernandes Joaquim Horta Rita Carvalho Fernando Mota Ana Fraz o Ana Arruda Sara Gil Hugo Pereira Ana Mota Milene Ba o Santinha Andr Reis Saul Cid e Ana Sousa por todos os bons momentos partilhados e risos em conjunto De louvar ainda a colabora o da minha amiga Joana Gon alves por todo o apoio ao longo dos anos de curso e por toda a dedica o e carinho Para culminar gostaria ainda de agradecer minha colega Rita de Morais Rosa pela paci ncia e motiva o dada quando parecia que tudo estaria no mau caminho Em suma Obrigado Pag VII SleepLab v 2 0 2011 Resumo O sono definido como um estado inconsciente a partir do qual uma pessoa pode ser despertada por est mulos sensoriais ou outros Como tal um processo fisiol gico bem estruturado e organizado sendo visto como uma ferramenta fundamental no diagn stico e investiga o de dist rbios neurol gicos A maioria dos conhecimentos dos ritmos do sono obteve se atrav s da polissomnografia onde registada uma sucess o de ondas cerebrais c clicas de diferentes amplitudes e frequ ncias movimentos oculares e mudan as de tonus muscular Assim a classifica o do sono efectuada com base na inspec o visual do sinal electroence
65. ca do sono Pag 79 SleepLab v 2 0 2011 Hypnogram Channels amp Analysys Execut Unipolar Execut Montage Show Signal Sleep Artefact Correction Saturation Wavelet Filter Artefact Correction 300 HV Select the Method Automatic Periodogram Time Frequency Hipnogram scored Wake epochs Spindlograma Distances O eu Save All AR Order Plotting Figura 3 21 Funcionamento do SleepLab v 2 0 Cor de laranja bot es obrigat rios Pag 80 SleepLab v 2 0 2011 3 3 Visualiza o de Sinais Os sinais provenientes dos dados obtidos atrav s do painel Plotting e do painel Correction s o visualizados tomando partido das funcionalidades da toolbox EEGLAB usando a linha de comando eegplot Ao seleccionar a op o de visualiza o dos sinais gerados atrav s dos bot es inseridos no painel Correction ou confirmando a checkbox Show Corrected Signals a interface de visualiza o obtida ser a da figura 3 22 Figure Display Settings Help Scale 67 c3 1 2 Chan Time Value CLOSE aaa 7 0 eee c3 4 1271 7 1762 67 Figura 3 22 Visualiza o do sinal atrav s da linha de comando eegplot No eixo horizontal ser o vis veis 5 s de sinal Tal como a escala em que gerado um compromisso de forma a ser visualiz vel o sinal de menor amplitude esta caracter stica encontra se pr definida Ainda de referir que todos os sinais se encontram rotu
66. criada por Eduardo Cardoso Cardoso 2010 desenvolveu se com o objectivo de dar uma contribui o para a classifica o autom tica do sono Ent o partindo da figura 2 1 mostra se de uma forma sintetizada as inova es implementadas a esta primeira vers o SleepLab v 1 0 SleepLab v 2 0 Visualiza o do nome do paciente data e hora do exame Distribui o dos canais por listboxs Estat stica do tempo despendido em cada estado do sono Possibilidade de escolha de sinal unipolar bipolar deriva es recomendadas pelo manual da AASM ou escolha do utilizador e sinal AV para a classifica o autom tica Visualiza o de sinais em simult neo escolha do utilizador optimizada para sinais longos tipicamente com cerca de 8 horas Visualiza o do n mero de pocas rejeitadas quando o crit rio para correc o de artefactos est relacionado com limites m ximos de amplitudes do sinal EEG Visualiza o dos sinais EEG ap s cada tratamento de forma optimizada Desenvolvimento de Software Aumento da velocidade de processamento a n vel do tratamento Wavelet devido ao menor consumo de recursos computacionais mediante melhoria do algoritmo de filtragem Possibilidade de escolha de frequ ncias de corte no filtro Wavelet passa banda Implementa o da possibilidade de obten o do template Acordado de dois m todos escolha do utilizador 1 M todo do Periodograma Tempo Frequ ncia j implementado
67. cto deveria ser reduzido j que as satura es tem tend ncia para acontecer simultanemante em todos os canais No entanto apesar de um primeiro tratamento o sinal ainda possui alguns artefactos Ent o decidiu se filtrar o sinal aplicando um filtro passa banda com frequ ncias de corte standard entre 2 e 30 Hz utilizando a TWP A frequ ncia de corte correspondente ao valor inferior do filtro passa banda discut vel Analisando tal quest o a escolha do valor 2 Hz e n o O Hz deve se ao facto de as componentes DC do sinal elevada amplitude serem normalmente energ ticas e devido a tal mascaram componentes de menor amplitude mas com frequ ncia pr xima das componentes DC 0 Hz Posto isto para uma poss vel visualiza o dessa gama de frequ ncias inevit vel a utiliza o de um filtro passa alto Na classifica o do sono esta opera o critica visto o estado N3 ter uma banda de frequ ncias de O a 4 Hz No entanto verifica se que este facto n o comprometeu a detec o do estado N3 o que ser explicado no subcapitulo 2 5 3 Pag 40 SleepLab v 2 0 2011 Na aplica o deste filtro tanto os sinais bipolares como unipolares s o tratados de forma semelhante Estas frequ ncias s o escolhidas de forma standard por m caso o utilizador queira evidenciar o sinal numa determinada gama de frequ ncia poder sempre optar por escolher as frequ ncias que deseja A n vel cl nico tal n o aconselhado visto a gama de freq
68. d HJ Plottina AR Order 10 Save All Reset Distances Figura 3 1 SleepLab v 2 0 De referir que todos os pain is se encontram activos excepto o painel de nome CA Independent component analysis Tal facto justificado por este software tratar se de uma ferramenta experimental e assim pretende se futuramente que este painel contribua para o aumento da semelhan a entre os resultados obtidos a n vel autom tico e os provenientes dos relat rios m dicos Tamb m algumas op es dentro de alguns popupmenus encontram se inactivas sendo referidas no momento em que for referenciado o painel em que est o inseridas Pag 67 SleepLab v 2 0 2011 Aparentemente tamb m os pain is Plotting e Spindle se assemelham inactivos mas ao longo da execu o do programa tornar se o activos consoante os dados necess rios para o seu correcto funcionamento estejam carregados e prontos a ser utilizados 3 2 Funcionamento O programa inicia se sempre ao premir o bot o Hypnograma Channels amp Analysis que ir efectuar a leitura do ficheiro edf referente ao paciente em estudo Por consequ ncia carregam se os dados que s o essenciais para continua o da execu o do programa n mero e nome dos el ctrodos nome do paciente data e hora de in cio do exame e hipnograma de refer ncia Fig 3 2 executado por Cardiopneumologistas Para o sistema Somnol gica o hipnograma n o est inclu do do EDF exportado pelo que houve neces
69. d Boe pocas Figura 2 19 Diagrama em que se pode visualizar o paciente acordado ou a dormir Cardoso 2010 Por observa o da figura 2 19 poss vel verificar que algumas das pocas que o paciente considerado acordado segundo o diagrama constru do ele encontra se a dormir Tal fen meno ocorre devido ao facto dos crit rios para se considerar que o paciente est acordado terem sido exigentes preferindo se apenas optar para constru o do template Acordado por pocas em que o paciente estaria acordado sem a menor d vida Cardoso 2010 Na figura 2 20 ent o poss vel verificar se todo o tratamento de dados efectuado de forma resumida at obten o das pocas necess rias para a constru o do template Pag 49 SleepLab v 2 0 2011 M todo Welch Periodogramas normalizados pelo m ximo de energia em cada poca entre 8 e 30 Hz C culo do m ximo do periodograma de cada poca entre 8 e 11 Hz MaxP MaxP gt 0 4 Acrescenta se o m ximo ao vector m ximos MaxV MaxP lt 0 4 Acrescenta se o m ximo ao vector m ximos MaxV e ao vector m dio MeanV Calcula se o valor m ximo do periodograma de cada poca entre 12 e 16Hz WEDS Calcula se o valor medio MeanP de MeanV Se MaxP gt MeanP e MaxP gt MaxS considera se que 0 periodograma representa uma poca acordada Caso contr rio est se na presen a de uma poca onde o paciente se encontra a dormir Caso uma poca acordado
70. d Signals Posto isto poss vel visualizar o sinal ap s cada tratamento observando o sinal antes e depois de cada processamento De referir que nenhuma janela dever ser fechada porque o programa ir encerr las automaticamente podendo se ver na ltima janela todo o tratamento que o sinal sofreu Fig 3 11 Sinal C3 Sinal C sem artefactos devido a satura o do amplificador Sinal C3 ap s filtragem Wavelet Sinal C3 sem pocas em que a sua amplitude m xima era superior a 300 uV SC Saturation SC Wavelet F SC 300 uy Figura 3 11 Sinais ap s pr processamento Por observa o da Figura 3 11 pode se verificar a correc o dos artefactos ao longo da execu o do programa Os nomes atribu dos aos sinais est o relacionados com a plataforma da seguinte forma Pag 73 SleepLab v 2 0 2011 e C3 sinal seleccionado para ser efectuada a classifica o Este r tulo sera o nico que se altera com a mudan a do sinal seleccionado previamente e SC Saturation Sinal ap s retirar se as pocas onde a amplitude do sinal superior a 3000 UV e SC Wavelet F Sinal ap s ser processamento num filtro passa banda de frequ ncias de corte standard de 2 Hz e 30 Hz ou escolha do utilizador e SC 300 uV Sinal ap s serem retiradas todas as pocas em que a sua amplitude superior a 300 uV ou 600 UV consoante o sinal seja unipolar ou bipolar De referir que todo o tratamento efectuado sob o sinal di
71. dard 2 e 30 Hz volta se a passar o sinal num filtro IIR Butterworth de grau 9 passa alto com frequ ncia de corte de 8 Hz O objectivo deste processo tornar claramente evidenci vel a frequ ncia a partir da qual predominam ritmos quando um indiv duo se encontra acordado A escolha de um filtro cl ssico em detrimento do filtro Wavelet baseou se no facto de apenas se querer real ar as gamas de frequ ncias entre 8 e 11 Hz e n o efectuar um tratamento posterior do sinal Assim poupam se recursos a n vel computacional tornando a execu o do programa mais veloz De seguida dividiu se este sinal em pocas e calculou se a sua pot ncia espectral atrav s do m todo Welch O sinal EEG dividido em 8 segmentos com overlap de 70 e efectuado o c lculo do periodograma modificado Para tal usada a janela de Hanning para cada um dos segmentos em detrimento da anteriormente seleccionada janela de Hamming Cardoso 2010 pois esta elimina de uma melhor forma as varia es impostas pelos efeitos extremidade Por fim calculou se a m dia dos periodogramas resultando um periodograma total mais suave Na figura 2 16 e figura 2 17 encontram se os periodogramas de todas as pocas de dois pacientes sendo o sinal original proveniente do el ctrodo C3 Pag 46 SleepLab v 2 0 2011 Fequency Hz Fequency Hz Time h 7 Time h 4 Figura 2 16 Periodograma de todas as pocas de Figura 2 17 Periodograma de todas as pocas de um paciente
72. dist ncia de takura Saito atrav s dos espectros Devido s dist ncias variarem abruptamente Fig 2 26 optou se por aplicar um filtro bidireccional de janela m vel de 4 amostras Este filtro calcula a m dia das 4 amostras resultando assim na suaviza o do gr fico Fig 2 27 ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 28 08 07 EEG Signal C3 A 0 10 200 300 400 500 600 700 800 Epochs Awake N1 q a u a o wo u ltakura Saito Distance not symmetrical N2 N3 Figura 2 26 Dist ncia de ltakura Saito n o sim trica sem filtro Pag 57 SleepLab v 2 0 2011 Itakura Saito Distance not symmetrical AR s Grau 10 Name Date 28 08 07 EEG Signal C3 Awake Hf p 1 A ADA REM 3 1s oo 5 a E 5 a a M E z ra 2 Ed oO cw N2 2 N3 0 100 200 300 400 500 600 700 800 900 Figura 2 27 Dist ncia de ltakura Saito n o sim trica com filtro Resumidamente na figura 2 28 est representado o funcionamento do painel Distances at obten o da classifica o autom tica do sono partindo do sinal proveniente Artefact Correction Ainda nesta figura a vermelho encontram se os bot es que estritamente necess rio premir para se obter a classifica o e a azul o bot o facultativo Pag 58 SleepLab v 2 0 2011 Select the method Automatic Periodogram Time Frequency In Situ Supervised
73. do o sinal proveniente do filtro passa banda ir ser filtrado novamente com um filtro passa alto de 8Hz Assim caso anteriormente se tenha aplicado uma filtragem em que o extremo inferior da banda superior a 8 Hz este m todo n o ir funcionar correctamente de forma a evidenciar as frequ ncias superiores a 8 Hz visto algumas delas j poderem estar eliminadas devido anterior filtragem Wavelet Ainda de referir as frequ ncias escolhidas para se efectuar a filtragem n o s o exactamente as que o utilizador selecciona visto o n mero de n veis da rvore de decomposi o Pag 42 SleepLab v 2 0 2011 da TWP limitar tal fen meno Ent o ap s o utilizador primir o bot o Wavelet Filter as frequ ncias escolhidas ir o ser substitu das pelas que realmente de acordo com o algoritmo foram usadas para efectuar a filiragem Por ltimo finalizando o pr processamento de sinal Estrada et al E N Estrada 2004 consideram que o sinal EEG com amplitudes superiores a 300 uV cont m artefactos nao possuindo significado Como tal decidiu se ent o limitar o sinal a esta amplitude Logo no caso do sinal unipolar efectua se o tratamento semelhante ao realizado para correc o de artefactos provocados pela satura o do amplificador sendo a amplitude m xima definida como 300 uV No caso bipolar decidiu se efectuar a substitui o da poca pela anterior caso o seu valor m ximo fosse superior a 600 uV Tal valor foi selecciona
74. do tendo em conta que os sinais da montagem poderiam estar em oposi o de fase tal como no tratamento de pocas em que a amplitude era superior a 3000 uV Desta forma manteve se uma m trica de tratamento de dados o mais semelhante poss vel ao sinal unipolar n o destoando a caracter stica bipolar Ap s todo o tratamento de dados consoante a escolha inicial do sinal para classifica o obt m se o sinal unipolar demonstrado na figura 2 13 ou o sinal bipolar obtido na figura 2 14 Sinal C3 Sinal C sem artefactos devido a ane Artefact Correction 300 uV satura o do am plificador Sinal C ap s filtragem Wavelet Sinal C3 sem pocas em que a sua amplitude m xima era superior a 300 uV Figure Display Settings Help SC Wavelet F sc300uv H CLOSE lt lt lt gt gt c3 6560 2556 153 6444 50 Figura 2 13 Sinal unipolar ap s remo o das pocas em que a sua amplitude m xima era superior a 300 uV Pag 43 SleepLab v 2 0 2011 Sinal C3 Ao Sinal C A2 sem artefactos devido a satura o do amplificador Sinal C3 A2 ap s filtragem Wavelet Sinal Cs A gt sem pocas em que a sua amplitude m xima era superior a 600 uV y V N h u j N CUA N T 1 A Yy A N na IA V ii A IN j Mu 1 LA k N IV No f i W i y A SC Saturation V ha J SC Wavelet F A ale N A a RA 4 f N 46 AN
75. e formato permite a grava o de registos efectuados em electromiografia electroneurografia e potenciais evocados B a Kemp 2003 A n vel estrutural um ficheiro EDF constitu do por um cabe alho seguido por registos de dados No cabe alho s o dadas informa es gerais nome do paciente hora de in cio do registo e especificadas as caracter sticas t cnicas dos sinais gravados calibra o frequ ncia de amostragem filtragem etc codificados como caracteres ASCII American Standard Code for Information Interchange B a Kemp 2008 2 2 Carregamento de Dados Inicialmente tomando partido das funcionalidades implementadas efectua se a leitura do cabe alho do ficheiro edf retirando se as informa es relativas aos sinais que foram registados durante uma noite de sono De referir que cada sinal registado num canal e assim obt m se referente a cada canal o nome e frequ ncia de amostragem Ap s efectuado todo o carregamento de dados ent o poss vel visualizar o hipnograma que uma r plica do efectuado por inspec o visual e visualizar o nome dos canais separados por listboxs EEG EOG e Others tal como informa es relativas ao exame data e hora e nome do paciente Tamb m a listbox Standard Montage carregada com o nome dos sinais EEG referenciados de acordo com o manual da AASM e a listbox Customize Montage torna se activa Fig 2 3 Pag 34 SleepLab v 2 0 2011 SleepLab V 2 0 File
76. e 13 e 30 Hz Guyton 1996 Est o relacionados com o processamento de informa o e activa o dos movimentos volunt rios Possuem uma amplitude inferior a 2 uV e uma frequ ncia superior a 30 Hz Susmakova 2008 S o ondas aproximadamente sinusoidais que aumentam e de seguida diminuem a sua amplitude T m uma dura o entre 0 5 e 2s e uma frequ ncia entre 10 5 e 16 Hz ocorrendo com uma maior densidade no estado 2 do sono NREM Huupponen 2007 Tabela 1 1 Ritmos Cerebrais Fig 1 2 1 6 com eixos horizontais em segundos e eixos verticais em valor relativo Pag 6 SleepLab v 2 0 2011 1 2 3 Sistema Internacional 10 20 Desde os primeiros registos electroencefalogr ficos humanos efectuados por Hans Berg atrav s do uso de 2 el ctrodos aplicados frente e atr s do cr nio variad ssimos sistemas de coloca o de el ctrodos foram surgindo Ebersole 2003 De forma a uniformizar o posicionamento dos el ctrodos em 1958 a Federa o Internacional das Sociedades de Electroencefalografia e Neurofisiologia Cl nica referenciou o Sistema 10 20 Fig 1 8 como padr o Silva 1998 Figura 1 8 Sistema Internacional 10 20 Gorur 2003 Neste sistema s o colocados 19 el ctrodos ao longo do escalpe craniano sendo os el ctrodos distanciados entre eles 10 ou 20 da dist ncia total entre o inion e o nasion passando pelo v rtex Penzel 2006 Inicialmente determina se 10 da dist ncia entre o nasion e o ini
77. em que o sujeito esteja no Pag 54 SleepLab v 2 0 2011 estado N3 como o caso O segundo pico est aproximadamente localizado aos 12 Hz e devido a um fuso do sono 11 16 Hz e por ltimo ha um pico aos 28 Hz que n o tem significado para a classifica o visual do sono mas em conjunto com as restantes frequ ncias da banda beta permite conservar a detec o do estado N3 apesar das suas frequ ncias 0 4Hz t picas serem atenuadas pelo filtro passa banda Cardoso 2010 Espectro do modelo AR de uma poca n o filtrada Espectro do modelo AR de uma poca filtrada Magnitude dB 0 5 10 15 20 25 30 35 40 45 Frequ ncia Hz Figura 2 24 Espectros de uma epoca antes e depois da filtragem Cardoso 2010 Na figura 2 25 encontram se representados os espectros dos templates de todos os estados Estes templates foram obtidas tendo como refer ncia o hipnograma obtido por classificac o visual dos t cnicos Tem p tio Soc Tenpin MEM A Tenpin HI Tempimo ME Template MI Freeing le T Figura 2 25 Espectros dos templates de todos os estados Cardoso 2010 Pag 55 SleepLab v 2 0 2011 Analisando a figura 2 25 denota se que a diferen a entre o estado N2 e N3 reduzida entre O Hz e 13 Hz sendo consider vel na banda entre 13 e 30 Hz e assim esta banda permite a diferencia o do estado N2 d
78. falogr fico rotulando se cada poca como um estado sendo um processo demorado e disp ndioso Este projecto uma contribui o para a classifica o autom tica do sono Para tal foi desenvolvida uma plataforma SleepLab v 2 0 onde poss vel efectuar o carregamento do sinal electroencefalogr fico proveniente de alguns dos electrodos ou deriva o recomendada pela AASM ou escolha do utilizador executando se depois uma classifica o autom tica do sono atrav s da dist ncia de takura Saito e de Itakura e a detec o de fusos atrav s da aplica o da Transformada Wavelet Cont nua Assim quanto maior for a dist ncia entre a poca em an lise e o template Acordado num estado mais profundo do sono estar o paciente Com este trabalho pretende se contribuir para o desenvolvimento de uma ferramenta capaz de classificar o sono sem supervis o evitando se o disp ndio de tempo em tal tarefa e obtendo se uma efic cia superior em rela o s existentes actualmente Posto isto a plataforma existente alia o campo da medicina do sono a investiga o cient fica permitindo uma visualiza o de sinais em intervalos de tempo escolha an lise de sinais unipolares ou de deriva es e ainda estudo de neuropatologias que s o identific veis com o sono Como tal trata se de uma plataforma de desenvolvimento aberta a novas adi es em termos de algoritmos e op es Palavras chave Classifica o do sono Dist ncia de Itakura
79. fisiol gicos naturais do ciclo de sono sonhos e vig lia A actividade el ctrica do c rebro resulta de correntes de i es gerados por processos bioqu micos a n vel celular Esta actividade cerebral est assim espacialmente distribu da pelas regi es e dimens es do c rebro alterando se com a idade Penzel 2006 Assim um electroencefalograma a grava o da actividade el ctrica cerebral ao longo do tempo atrav s da medi o dos campos el ctricos gerados pela ac o cooperativa das c lulas cerebrais principalmente dos neur nios piramidais da mat ria cinzenta Shaul 1998 1 2 1 Base Neurofisiol gica do EEG O c rebro constitu do por duas classes principais de c lulas as c lulas nervosas denominadas neur nios Fig 1 1 e as c lulas gliais As c lulas gliais est o ligadas entre si e o seu bom funcionamento individual e colectivo influencia a actividade global do c rebro Silva 1998 Ambas as estruturas possuem no seu espa o intracelular um potencial de repouso de 80 mV com polaridade negativa Estas diferen as de potenciais entre o ambiente exterior membrana celular e o interior provem da diferen a de concentra es dos i es K Na e CI entre outros grandes ani es org nicos Os i es Ca s o menos abundantes mas possuem um papel essencial na regula o Assim atrav s do transporte activo de K para o interior da c lula e Na para o exterior a diferen a de potencial mantida Blinowska 2006
80. gt Wavelet contra da gt detalhes que mudam rapidamente 2 Alta escala a gt Wavelet dilatada gt detalhes que mudam lentamente Em rela o ao factor de escala b este efectua apenas um adiantamento ou um atraso em rela o ao eixo das abcissas Fig 1 15 Assim ao efectuar se uma transla o de k unidades fun o y t obt m se a fun o representada por w k t Misiti 2009 Pag 11 SleepLab v 2 0 2011 Wavelet function Shifted wavelet function wit w t k Figura 1 15 Factor de escala b na Wavelet Misiti 2009 Assim a TWC o somat rio ao longo de todo o intervalo de tempo do sinal multiplicado pelas Wavelet filhas as quais variam no factor de escala e posi o em rela o Wavelet m e Este processo origina coeficientes Wavelet C que s o fun es de escala e posi o Misiti 2009 C escala posi o f t W escala posi o t dt 1 3 De tal forma a forma o da TWC pode ser descrita da seguinte forma Misiti 2009 1 Escolhe se uma Wavelet m e e compara se com o sinal no seu in cio 2 Calcula se C que est dependente da rela o existente entre a Wavelet e a sec o do sinal Assim quanto maior for C Fig 1 16 mais semelhantes ser o Signal Wavelet RR NERO O ll pg N Figura 1 16 C lculo do coeficiente Wavelet C Misiti 2009 Pag 12 SleepLab v 2 0 2011 3 Translaciona se a Wavelet para a direita Fig 1 17 e
81. hs Figura 2 29 M todo do Periodograma sinal da deriva o Cs A gt Itakura Saito Distance not symmetrical AR s Grau 10 Name Date 28 08 07 EEG Signal CHA2 NV N ATI Awake REM vi N Sleep States Itakura Saito Distance not symmetrical ary o N2 N3 Epochs Figura 2 30 M todo do Hipnograma sinal da deriva o C3 A A dist ncia escolhida entre as 5 implementadas nesta plataforma para efectuar esse estudo foi a dist ncia de takura Saito n o sim trica atrav s dos modelos AR visto j ter sido comprovada que Pag 60 SleepLab v 2 0 2011 era a que melhor simulava o estado fisiol gico do sono e se adequava ao hipnograma de refer ncia Cardoso 2010 Em ambos os casos fig 2 29 e fig 2 30 nota se que o estado W detectado sendo melhor detectado pelo m todo do hipnograma As limita es desta dist ncia continuam presentes n o se conseguindo diferenciar os estados mais profundos do sono tal como o estado R Esta desvantagem encontra se presente somente agora n o se encontrando no estudo efectuado apenas para o el ctrodo C3 onde o estado R era detectado tanto no m todo do periodograma Fig 2 31 Cardoso 2010 como do Hipnograma Fig 2 32 0 1 Itakura Saito Distance not symmetrical AR s Grau 10 Name Date 28 08 07 EEG Signal C3 NIT 5 TAT Figura 2 31 M todo do Periodograma sinal do el ctrodo Cs Awake pry N1 Sleep States ltakura Saito Dis
82. indle atrav s da checkbox Spindlograma 76 Figura 3 17 Fusograma e Hipnograma do paciente em estudo nn 77 Figura 3 18 Selec o no sub painel Plotting da dist ncia takura Saito n o sim trica 77 Figura 3 19 Dist ncia de takura Saito n o sim trica atrav s do modelo AR 78 Figura 3 20 Estrutura DAG OS sas 5 2 ie 78 Figura 3 21 Funcionamento do SleepLab v 2 0 Cor de laranja bot es obrigat rios 80 Figura 3 22 Visualiza o do sinal atrav s da linha de comando eegplot 2 22000200 81 Figura 3 23 Visualiza o de v rios sinais atrav s da linha de comando eegplot 82 Pag XVIII SleepLab v 2 0 2011 ndice de Tabelas Tabela 1 1 Ritmos Cerebrais Fig 1 2 1 6 com eixos horizontais em segundos e eixos verticais em VOO IPCC UNO siri Sp Sd 6 Tabela 1 2 Caracter sticas dos estados do sono Iber 2007 17 Tabela 1 3 Patologias que podem ser detectadas por anomalias no sono Petit 2004 29 Pag XIX SleepLab v 2 0 2011 Lista de Abreviaturas Siglas e Simbolos AASM American Association of Sleep Medicine AIC Crit rio de informa o Akaike APTF Automatic Periodogram Time Frequency AR Auto regressivo ASCII American Standard Code for Information Intercharge AV Average C Coeficientes Wavelet ECG Electrocardiograma EDF European Data Format EEG Electroencefalograma EMG Electromiog
83. ing Techniques In Current Practice of Clinical Electroencephalography de M Sharbrough F W Wong P Connolly 100 120 Philadelphia Loppincott Williams amp Wilikins 2003 Ebrahimi F Mikaili M Estrada E and Nazeran H Assessment of Itakura Distance as a Valuable Feature for Computer aided Classification of Sleep Stages Proceedings of the 29th Annual International Conference of the IEEE EMBS 2007 3300 3303 Ebrahimi T Mikaeili M Estrada E and Nazeran H Automatic sleep stage classification based on EEG sinals by using neural networks and wavelet packet coefficients Engineering in Medicine and Biology Society 30th Annual International Conference of the IEEE Vancouver 2008 1151 1154 Embla Systems Inc RemLogic v 1 1 2008 Estrada E Nazeran H Nava P Behbehani K and Burk J Lucas E EEG Feature Extraction for Classification of Sleep Stages Proceedings of the 26th Annual International Conference of the IEEE EMBS 2004 196 199 Pag 87 SleepLab v 2 0 2011 Estrada E Nazeran H Nava P Behbehani K Burk J and Lucas E ltakura Distance A Useful Similarity Measure between EEG and EOG Signals in Computer aided Classification Sleep Stages Proceedings of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference 2005 1189 1192 Estrada E Nazeran H Ebrahimi F and Mikaeili M EEG Signal Features for Computer aided Sleep Stage Detection P
84. lados e tal propriedade assim como a grelha vertical foram colocados opcionalmente por programa o inerente plataforma No caso dos sinais provirem dos escritos no painel Plotting o nome dos sinais aparecer ao longo do eixo vertical e cada um dos sinais possuir uma cor diferente Fig 3 23 Caso se esteja na presen a de sinais provenientes do painel Correction estes ser o apresentados e ter o os nomes conforme citados na figura 3 11 do subcap tulo 3 2 Pag 81 SleepLab v 2 0 2011 ano Show Signals Figure Display Settings Help C3 c3ic4 Scale 6 01 15 16 1 18 19 20 Chan Time Value CLOSE em PRM 16 gt 01 15 5237 10 4883 67 Figura 3 23 Visualiza o de v rios sinais atrav s da linha de comando eegplot Esta interface de visualiza o muito vantajosa pois permite ao utilizador ajustar tanto a escala como o intervalo de tempo que se pretende visualizar Tamb m poss vel escolher o instante em que se deseja come ar a ver o sinal Ainda tomando partido do cabe alho ser poss vel adicionar ou retirar as grelhas verticais e horizontais entre outras op es Esta interface tem ainda a grande vantagem de fazer a gest o das amostras do sinal a representar no sentido de preservar a mem ria computacional do sistema ou seja permite visualizar confortavelmente sinais de grande dimens o por exemplo uma noite Pag 82 SleepLab v 2 0 2011 4 Conclus es Com o desenvolvimento desta n
85. midade inferior da mand bula e 2 cm a direita da linha media e um2 cm abaixo da linha inferior da mand bula e 2 cm esquerda da linha m dia A deriva o EMG standard consiste em referenciar um dos el ctrodos colocados na zona inferior mand bula em rela o ao el ctrodo colocado acima da borda inferior da mand bula O outro el ctrodo apenas de reserva garantindo se assim uma visualiza o cont nua do sinal EMG caso um dos el ctrodos tenha o seu funcionamento deteriorado Fig 1 31 Figura 1 31 EOG referenciado em rela o ao sinal do electrodo A e EMG adaptado de R Souza 2009 1 3 2 2 Regras de Classifica o A classifica o do sono feita por t cnicos Cardiopneumologistas por inspec o visual De acordo com as caracter sticas de cada poca estes classificam a poca em estudo de acordo com as regras do manual da AASM Estado W Uma poca assinalada como estado W quando mais de 50 da poca possui ritmo alfa na regi o occipital Caso n o seja poss vel observar a presen a de ritmos alfa considera se ent o estado W quando h um piscar de olhos com uma frequ ncia compreendida entre 0 5 e 2 Hz ou um movimento lento seguido de um r pido na direc o contr ria ou ainda REM associado a um t nus muscular normal ou elevado do queixo Apesar do sinal EOG possuir as caracter sticas supra citadas quando come a a predominar a sonol ncia a frequ ncia do piscar de olhos diminui send
86. minam se Wavelets Arruda 2003 No entanto dever se distinguir duas formas diferentes da transformada Wavelet TW Arruda 2003 e Transformada Wavelet Cont nua TWC decomp e um sinal em fun o de uma vari vel cont nua numa fun o de duas vari veis cont nuas Assim a e b assumem valores cont nuos e Transformada Wavelet Discreta TWD decomp e um sinal discreto em diferentes n veis de resolu o Nesta transformada as vari veis a e b assumem valores discretos sendo a Transformada Wavelet Packet TWP uma generaliza o deste conceito que ser referida posteriormente no subcap tulo 2 4 1 2 4 2 Transformada Wavelet Continua TWC Como j foi anteriormente referido o sinal EEG um sinal n o estacion rio e devido a tal necess ria uma ferramenta que rectifique a falha da TF Logo decidiu se usar a Transformada Wavelet que uma t cnica de janelamento vari vel onde utilizada uma janela de tempo maior para analisar frequ ncias baixas obtendo se maior precis o Contudo usada uma janela mais pequena para informa es de alta frequ ncia de forma a obter se melhores resultados Akin M 2002 Consequentemente algumas pesquisas t m sido efectuadas para reconhecimento de um estado de alerta e vig lia usando Wavelet A Subasi 2005 A K Subasi 2004 A TWC de um sinal f x considerando w x a Wavelet m e definida como Arruda 2003 1 x b TW Cap lal 2 v f x dx 1 2 sendo
87. mos delta Ainda de salientar a poss vel presen a de fusos Estado R A total compreens o da classifica o do sono a n vel deste estado pode ser vista na figura 1 35 Tal como no estado N2 existem regras para iniciar a marca o de uma poca continuar e finaliz la Pag 23 SleepLab v 2 0 2011 e poca em que o sinal EEG possui uma amplitude baixa e frequ ncia mista sendo o Br t nus EMG do queixo baixo e existindo REM In cio eMesmo na aus ncia de REM demarca se como estado R a poca ou pocas seguintes aquela em que se encontram presentes alguma das caracter sticas supracitadas representativas da marca o do in cio estado R Sa Eeo Caso o sinal EEG possua baixas amplitudes e frequ ncia mista sem complexos K ou fusos e o t nus EMG do queixo permane a baixo Fig 1 36 e Caso haja uma transi o para o estado N3 ou W ou um aumento do t nus EMG do queixo acima do n vel do estado R os crit rios para marca o do estado N1 encontram se presentes Fig 1 37 e Quando h um despertar seguido de um sinal EEG de baixa amplitude e frequ ncia mista simult neo a SEM marca se como estado N1 Caso n o haja SEM e o t nus EMG do queixo se mantenha baixo ent o continua se a marcar como estado R Fig 1 38 e Grande movimento do corpo seguido de SEM e um sinal EEG de baixa amplitude com frequ ncia mista sem despertares associados a complexos K ou fusos Assim demarca se a poca
88. nal unipolar e bipolar efectuado pela plataforma cccccccccssssecececeeseeeeceueeeeeeeeeeeeeeeeeeeseeseeeessaaeeceeesseaeeeeessaaseeeeessaeeeees 45 Figura 2 16 Periodograma de todas as pocas de um paciente grave sinal do el ctrodo C3 47 Figura 2 17 Periodograma de todas as pocas de um paciente normal sinal do el ctrodo C3 47 Figura 2 18 M ximos do periodograma azul e limite verde a partir do qual se considera estar na presen a de uma poca em que o paciente est acordado eee 48 Figura 2 19 Diagrama em que se pode visualizar o paciente acordado ou a dormir Cardoso SOTO RRR een EEE 49 Figura 2 20 Diagrama da fun o que selecciona as pocas utilizadas para o c lculo do template ACORDO id da er tke his ec he eee ches aught 50 Figura 2 21 Template Acordado preto calculada atrav s da m dia aritm tica de 50 pocas em que o paciente se encontrava acordado Cardoso 2010 eee 51 Figura 2 22 FFT de todas as pocas em que o paciente se encontra acordado e de apenas uma poca em que tamb m se encontra acordado Cardoso 2010 nn 52 Figura 2 23 Crit rios aplicados para escolha do grau do modelo AR de uma poca em que o paciente esta acordadd n en ee 54 Figura 2 24 Espectros de uma poca antes e depois da filtragem Cardoso 2010 55 Figura 2 25 Espectros dos templates de todos os estados Cardoso 2010 55 Figura 2
89. ncias atrav s de fun es sinusoidais No entanto uma desvantagem desta t cnica a perda de informa es referentes ao dom nio do tempo Assim quando o sinal n o possui varia es no dom nio do tempo sinal estacion rio as informa es perdidas na transforma o do sinal utilizando a TF n o s o significativas Arruda 2003 De modo a rectificar esta falha para sinais n o estacion rios utiliza se a Transformada Wavelet 1 2 4 1 An lise Wavelet A an lise Wavelet permite intervalos de tempo longos onde necess ria maior precis o na informa o de baixa frequ ncia e intervalos mais curtos para a an lise de informa o de alta frequ ncia Misiti 2009 A Wavelet uma forma de onda de dura o limitada com um valor m dio igual a zero e com energia finita Ent o fazendo a analogia com a an lise de Fourier que consiste em dividir um sinal em ondas sinusoidais Fig 1 12 de v rias frequ ncias a an lise Wavelet transforma um sinal em v rias ondas modificadas da Wavelet m e Misiti 2009 E Sine Wave Wavelet db10 Figura 1 12 Fun o sinusoidal usada na TF e Wavelet Misiti 2009 De uma forma geral a fam lia de fun es Wap x lal 2y abeR a 0 1 1 Pag 9 SleepLab v 2 0 2011 onde a variavel x pode corresponder a tempo ou espaco geradas a partir de operac es de dilata o factor de escala a e transla es factor de escala b da mesma fun o w Wavelet m e deno
90. no sentido da classifica o autom tica n o supervisionada desta tarefa Pag 1 SleepLab v 2 0 2011 1 1 Estado de Arte Ao longo dos ltimos anos t m sido efectuados v rios estudos de forma a efectuar a classifica o autom tica do sono usando cada grupo de investiga o metodologias distintas Em 2004 Watanabe et al Watanabe 2004 desenvolveram um m todo n o invasivo As transi es entre estados do sono e a medi o de biosinais foram analisados e criou se um modelo matem tico do sono Com base neste modelo conceberam se um estimador de estado do sono e um classificador de estados do sono atrav s de uma equa o que teorizava tais fen menos Assim diferenciou se sono REM movimento r pido dos olhos de NREM sem movimento r pido dos olhos e de despertar Os biosinais recolhidos para tal projecto foram o ECG electrocardiograma os sinais EEG electroencefalograma bipolares C A e Cs5 A5 e o EOG electrooculograma E e Es Os resultados foram comparados com os obtidos atrav s do programa Sleep Sign version 1 05 da Kissey Comtech e a concord ncia de resultados obtidos em compara o com o m todo da AASM foram 82 6 para a fase NREM 38 3 para a fase REM e 70 5 para o desperiar No mesmo ano Pinero et al Pihero 2004 conceberam um sistema inteligente de classifica o autom tica do sono onde primeiramente eram retirados par metros dos sinais electrofisiol gicos e estabelecido um modelo baseado em reg
91. o Universidade de S o Paulo Escola de Engenharia de S o Carlos 2008 Augustine H Gray JR and Markel Jonh D Distance Measures for Speech Processing IEEE Transactions on Acoustics Speech and Signal Processing 1976 380 391 Blinowska K and Durka P Electroencephalography EEG In Wiley Encyclopedia of Biomedical Engineering de M Akai 1341 1353 New Jersey Jonh Wiley amp Sons Inc 2006 Brokes M VOICEBOX Speech Processing Toolbox for MATLAB 1997 http www ee ic ac uk hp staff dmb voicebox voicebox html acedido em 23 de 9 de 2011 Cardoso Eduardo Jorge Castanheira Classifica o Autom tica do Sono Contribui o Utilizando a Dist ncia de Itakura Saito e Wavelets Lisboa Universidade Nova de Lisboa Faculdade de Ci ncias e Tecnologia 2010 Castelano C Estudo Comparativo da Transformada Wavelet no Reconhecimento de Padr es da ris Humana S o Paulo Universidade de S o Paulo Escola de Engenharia de S o Carlos 2006 Delorme A and Makeig S EEGLAB an open source toolbox for analysis of single trial EEG dynamics including independent component analysis Journal of Neuroscience Methods 134 2004 9 21 Dolabdjian Ch Fadili J and Leyva E Classical low pass filter and real time wavelet based denoising technique implemented on a DSP a comparison study The European Physical Journal Applied Physics 2002 135 140 Ebersole J S and Pedley T A Electrical Fields and Record
92. o N3 2 5 4 Dist ncias A classifica o autom tica do sono como j foi referida efectuada tendo em conta a profundidade deste Esta profundidade dada pela dist ncia de takura Saito e Itakura que efectua a dist ncia espectral entre o template Acordado e o espectro de cada uma das pocas do exame de um paciente Estas dist ncias foram escolhidas por j se ter resultados comprovados na classifica o do sono E N Estrada 2004 E N Estrada 2005 F M Ebrahimi 2007 Cardoso 2010 De evidenciar que todas estas dist ncias foram primeiramente utilizadas na classifica o da voz Augustine H Gray 1976 Assim a dist ncia de takura Saito definida como TU a RW IXW De or onde X w o espectro do template Acordado e S w o espectro do modelo AR Iser 2008 Esta dist ncia sens vel amplitude dos sinais em an lise o que tem as suas vantagens e desvantagens Por um lado sendo sens vel s amplitudes ser mais f cil distinguir certos estados de outros pois entre os estados NREM a amplitude vai aumentando medida que o sono se aprofunda Fig 2 24 Do lado negativo est o os artefactos porque quando o paciente est acordado normal movimentar se na cama at adormecer Estes movimentos provocam artefactos e at poss veis desloca es dos el ctrodos que podem ter como consequ ncia melhorar aumentar a amplitude ou piorar diminuir a amplitude a capta o do sinal Assim o espectro de
93. o se o template Acordado De evidenciar que antes da aplica o do modelo AR foi estudado se tal seria poss vel Assim calcularam se as ra zes para os modelos AR das pocas em que o sujeito est acordado e verificou se que existiam clusters Cardoso 2010 O modelo AR descreve o comportamento do sinal pela seguinte equa o Schlogl 2000 Yk ay XYk ap X Yk p Xk 2 1 sendo xx N 0 0 2 2 ru do Gaussiano com m dia O e vari ncia o2 e k um n mero inteiro que descreve o tempo O Tempo t em segundos descrito por t o k x At sendo h a frequ ncia de amostragem e Ato 0 Pag 52 SleepLab v 2 0 2011 intervalo de amostragem definido por At A X Yg Com i 1 p sendo os p anteriores valores de 0 amostras pa ordem do modelo AR e a 0s par metros do modelo De uma forma mais simplista descreve se num vector os par metros do modelo AR e o vector yx_ Consiste nas p amostras anteriores a a ap 2 3 Yk 1 Vira Yep 2 4 Ent o descreve se o modelo AR como Yk a X Yk 1 Xk 2 5 Agora a parte essencial dos resultados depende da escolha do grau do modelo AR Para auxiliar tal escolha usaram se tr s crit rios o Erro de Predi o Final FPE o crit rio de informa o Akaike AIC e o crit rio Minimum Description Length MDL O FPE e o AIC s o definidos como Khorshidi 2009 N q 1 Un 2 6 FPE q S q s Vays a q 2 2q AIC q In
94. o substitu do por SEM mesmo na presen a cont nua de ritmo alfa Pag 20 SleepLab v 2 0 2011 De notar ainda que outras caracter sticas poder o estar presentes neste estado pois ele incorpora o estado de alerta at aos estados leves de sonol ncia Assim podem ser vis veis propriedades fisiol gicas e electrofisiol gicas de sonol ncia que come am neste estado e prosseguem durante o estado N1 Estado N1 Caso ainda seja detect vel ritmo alfa proveniente do estado W uma poca marcada como estado N1 quando este substitu do e atenuado por um sinal de amplitude inferior e frequ ncia mista durante um per odo superior a 50 da poca No caso de n o estar presente ritmo alfa ent o define se como estado N1 quando se est na presen a de algum dos seguintes fen menos 1 Sinal EEG com uma frequ ncia compreendida entre 4 e 7Hz ritmos teta misturada com frequ ncias superiores a 1Hz Ondas V SEM Estado N2 Para este estado ao contr rio dos anteriores est o definidas regras para marcar o seu in cio continua o e fim Fig 1 32 Para uma total percep o da figura 1 32 e das seguintes necess rio compreender a defini o de despertar e grande movimento do corpo MBM Assim a n vel visual define se que h um despertar quando existe um aumento repentino da frequ ncia do sinal EEG Neste aumento incluem se ondas alfa teta e ou frequ ncias superiores a 16 Hz excepto fusos durante no m
95. om e 9 gt ae aa N 2 0 100 200 300 400 gt 00 600 700 800 900 1000 Epochs Awake REM o 2 i 2 N1 o u im N2 N3 0 100 200 300 400 500 600 700 800 900 1000 Epochs Figura 3 17 Fusograma e Hipnograma do paciente em estudo Tamb m ap s a execu o do popupmenu onde se selecciona a forma de obten o do template poss vel premir o bot o AR Order obtendo se apenas a imagem j demonstrada no cap tulo 2 Fig 2 23 De refor ar que tanto este bot o como o painel Spindle s o facultativos Ent o finalmente poss vel premir o bot o Distances e obter as dist ncias espectrais de takura atrav s dos espectros e modelos AR de Itakura Saito sim trica atrav s dos espectros e modelos AR e ainda de Itakura Saito n o sim trica Fig 3 19 calculada atrav s dos espectros Para visualizar o gr fico referente a cada dist ncia dever se seleccionar no popupmenu presente no sub painel Plotting a op o desejada Fig 3 18 SleepLab v 2 0 File usa Name Date 28 08 07 Time 23 35 43 Channels Others EOG EEG Standard Montage Customize Montage Sleep Flatteni EOG Left NoSelection NoSelection a Nas Chin EOG Right AV C3 A2 CREM OO 11 Pema Esquerda C ou ey ECG Ca ly C4 O1 A2 gt Show Signal laf Pp x ae nun Lights off s ny msi o 770 Customize ICA Plottina anon ear Signals GO C3 Input Output gnal C3 C3 C4 AV SO Bice N Cl
96. on passando pelo v rtex na linha m dia e marca se a partir do nasion o ponto fronto polar F Fig 1 9 De seguida segundo a mesma linha e direc o separados por 20 da dist ncia total marcam se os pontos frontal F central C parietal P e occipital O Silva 1998 Figura 1 9 Esquema de coloca o dos el ctrodos no plano sagital segundo o Sistema Internacional 10 20 adaptado de Silva 1998 Este procedimento repete se para cortes coronais Fig 1 10 a partir dos pontos pr auriculares e para cortes transversais Fig 1 11 a partir do inion e do nasion Da intersec o destes cortes Pag 7 SleepLab v 2 0 2011 surgem os pontos onde se colocam os el ctrodos fronto polares Fp e Fos frontais Fa Fa Fr Fe e F temporais Ts T4 Ts e Te centrais C3 C4 e C parietal P e occipitais O e O5 Para terminar colocam se os restantes el ctrodos frontais F3 e F e parietais P e P ao longo da linha coronal frontal e parietal equidistantes entre a linha m dia e a linha temporal Silva 1998 Figura 1 10 Esquema de coloca o dos Figura 1 11 Esquema de coloca o dos el ctrodos no plano coronal segundo o el ctrodos no plano axial segundo o Sistema Sistema Internacional 10 20 adaptado de Silva Internacional 10 20 adaptado de Silva 1998 1998 A escolha dos el ctrodos discut vel sendo que estes devem ser colocados de forma a que seja poss vel observar a zona cerebral pretendid
97. os intra e extracelulares produzindo um campo el ctrico Blinowska 2006 De facto as c lulas piramidais do c rtex s o em grande parte paralelas e s o sincronizadas devido alimenta o comum por conex es t lamo corticais A condi o de sincronia cumprida pelos PSP que s o de dura o relativamente longa sendo insignificante a contribui o dos potenciais de ac o para o campo el ctrico medido extracraniano Assim o registo EEG provem da soma de potenciais p s sin pticos gerados de forma s ncrona Os factores que influenciam a forma amplitude e dura o dos sinais EEG s o Shaul 1998 1 dist ncia do el ctrodo fonte onde a corrente foi gerada 2 dura o dos sinais p s sin pticos 3 n mero de potenciais p s sin pticos activos sincronizados 4 orienta o anat mica da camada de c lulas piramidais que geram a corrente 1 2 2 Tipos de Ritmos Os ritmos cerebrais distinguidos em EEG descritos por ordem crescente de frequ ncia s o delta 1 a 4 Hz teta 4 a 8 Hz alfa 8 a 13 Hz beta 13 a 30 Hz e ritmos gama quando a sua frequ ncia superior a 30 Hz A Subasi 2005 O padr o de EEG varia de indiv duo para indiv duo consoante o seu n vel de alerta estado f sico e sexo condi es neuro patol gicas dist rbios metab licos e presen a de drogas Penzel 2006 De forma sumariada efectua se uma breve descri o dos ritmos acima supra citados Tabela 1 1 Fig 1 2 a 1 7 Pag 5
98. ova plataforma assim poss vel obter novos dados para a an lise da classifica o autom tica do sono e usufruir de novas funcionalidades Seguidamente encontram se conforme a organiza o da plataforma por pain is e bot es as novas funcionalidades 1 Hypnogram Channels amp Analysis e Carregamento do nome do paciente data e hora do exame e Estat stica da percentagem de tempo despendido em cada estado do sono 2 Painel Channels e Visualiza o do intervalo de tempo entre activa o do sistema de aquisi o j ligado ao doente e o in cio da classifica o visual denominado aqui por lights off dado que a classifica o do sono s deve ser iniciada depois de as luzes estarem apagadas e Distribui o dos canais por listboxs e Possibilidade de selec o de sinal unipolar bipolar deriva o recomendada pelo manual da AASM ou desejada pelo utilizador ou sinal AV 3 Painel Plotting e Visualiza o dos sinais desejados pelo utilizador e poss vel compara o visual entre eles 4 Painel Correction e Visualiza o dos sinais EEG ap s cada passo de processamento de forma optimizada e Visualiza o do n mero de pocas rejeitadas quando o crit rio para correc o de artefactos est relacionado com limites m ximos de amplitudes do sinal EEG e Possibilidade de escolha das frequ ncias de corte do filtro Wavelet passa banda podendo se real ar a energia de gamas de frequ ncias escolha do
99. ow Signals Figure Display Settings Help Scale 3100 Chan Time Value CLOSE za E a gt gt c3 373 953 820 8474 3100 Figura 2 5 Sinal proveniente do registo EEG sinal do el ctrodo C3 seleccionado pelo utilizador Caso de satura o do EEG No caso unipolar no sinal j dividido por pocas verificado que em cada uma das pocas a sua amplitude n o ultrapassa o limiar a que satura o amplificador Em caso positivo ent o toda essa poca substitu da pela anterior Fig 2 6 Esta substitui o semelhante quela que os t cnicos efectuam ao fazer a inspec o visual do sinal e posterior classifica o das pocas em estados do sono No entanto caso a primeira poca seja uma das pocas a ser substitu da ent o esta substitu da pelo template de uma poca acordada marcada pelos t cnicos e fornecida por estes Trata se de resolver o problema de no caso de a primeira poca ter que ser substitu da pela anterior que obviamente inexistente Assim para as pocas seguintes o tratamento efectuado encontra se sumariado na figura 2 7 Pag 37 SleepLab v 2 0 2011 ano Artefact Correction Saturation Sinal Cs Figure Display Settings Help Sinal Cs sem artefactos devido satura o do amplificador C3 no E Scale 3000 7 no o 372 373 374 375 376 St Chan Time Value CLOSE lt lt lt 372 0 sc 373 534 5 7042 3000 Saturatior
100. rafia EOG Electrooculograma Estado N1 Estado nao REM 1 Estado N2 Estado nao REM 2 Estado N3 Estado nao REM 3 Estado N4 Estado nao REM 4 Estado NR Estado nao REM Estado R Estado REM Estado W Estado acordado FPE Erro de predi o final HPV Hospital Pulido Valente ICA Independent Component Analysis LPC Linear Predictive Coding MBM Grande Movimento do corpo MDL Minimum Description Length NREM Nao movimento rapido dos olhos Ondas V Ondas agudas Vertex PPS Potencial pos sinaptico PPSE Potencial pos sinaptico excitatorio PPSI Potencial pos sinaptico inibitorio PSG Polissomnografia REM Movimento rapido dos olhos SEM Movimento lento dos olhos TF Transformada de Fourier TW Transformada Wavelet TWC Transformada Wavelet Continua TWD Transformada Wavelet Discreta TWP Transformada Wavelet Packet Pag XXI SleepLab v 2 0 2011 WEC WLO wake eyes close wake lights on Pag XXII SleepLab v 2 0 2011 1 Introdu o O sono um estado revers vel e peri dico durante o qual o processamento de informa o sensorial reduzido e o comportamento coordenado e actividades cognitivas est o suspensos Achermann 2006 O sono n o apenas a aus ncia de processamento de informa o e como tal desempenha um papel imporiante na consolida o da mem ria tendo contribui es espec ficas para a mem ria processual e declarativa e ainda um papel importante na regula
101. rama para obten o do template Acordado baseada em dados obtidos com aux lio dos t cnicos Cardiopneumologistas de forma directa Esta op o ser explorada no cap tulo 5 Depois da execu o de qualquer um dos m todos para obten o do template Acordado o painel Spindle fica activo tratando se tamb m este de um painel facultativo Fig 3 15 Pag 75 SleepLab v 2 0 2011 File Figura 3 15 Painel Spindle Estando no painel Spindle ap s a confirma o na checkbox Spindlograma Fig 3 16 deve se premir o bot o Spindlograma Threshold onde s o definidos os limites que constituem os crit rios a partir do qual se consideram existir fusos numa poca File Figura 3 16 Confirma o de uso do painel Spindle atrav s da checkbox Spindlograma Finalmente ao executar o Spindlograma efectua se a detec o dos fusos sendo poss vel visualizar a sua distribui o nos estados classificados pelos t cnicos caso o utilizador pretenda obter o fusograma Fig 3 17 Pag 76 SleepLab v 2 0 2011 E w in tw Gi ip op o 2 ish wo 5 2 4 JDD GAID GEMA Gp a Gp iy A D Qp QRAR Eur nn Oi gp Q Q D RE E E 15 Z 1 Ghee GY E dee ET ee tdo Cd to Ds ido Poe Ag ut GP GI pv CC q OOD CRT ee TS RE Lay D eg is Oe o q a Y 0 p raar ne ne eS ee SO a n aree same neg a Som ee oe gt g Em a R um gt
102. ras fuzzy Assim foi poss vel diferenciar sono REM NREM e o Despertar com uma concord ncia entre 78 e 84 em rela o classifica o efectuada por Cardiopneumologistas Os biosinais utilizados eram os sinais EOG E e Es EEG F C3 C4 O e Oz e EMG electromiografia do queixo Ainda em 2004 Louis et al Louis 2004 partindo de sistemas computacionais e utilizando o sinal EMG e os r cios entre os ritmos cerebrais diferenciaram o estado W dos outros estados com uma concord ncia de 90 1 e ainda o estado W acordado do estado R estado REM e estados NREM com 87 5 Tais resultados foram obtidos em ratos Wistar e em pocas de 5 s com registos EEG de 90m Em 2005 Flexer et al Flexer 2005 implementaram um classificador probabil stico cont nuo baseado nos modelos de Hidden Markov usando sinais EEG C3 e C Assim conseguiram diferenciar o estado W e R com uma efic cia de 80 Os dados utilizados provinham de registos de uma noite inteira de pacientes de dois laborat rios Alguns trabalhos mais recentes foram efectuados por Tagluk et al Tagluk 2009 utilizando redes neuronais e conseguindo diferenciar o estado R e os outros 4 estados do sono usando como inputs o sinal EEG C3 e C4 EOG E e E5 e EMG do queixo Depois de treinada a rede neuronal conseguiram se resultados concordantes em 74 7 com a classifica o efectuada por 2 t cnicos cumprindo as regras do manual AASM American Association of Sleep Medicine Tamb m
103. repetem se os passos 1 e 2 AEE Signal Wavelet EA E OO O EINGELEGT PRN ERAS Figura 1 17 Transla o da fun o Wavelet Misiti 2009 4 Dilata se a Wavelet e repetem se os passos 1 2 3 calculando se assim novos coeficientes Fig 1 18 EE EO E O C 0 2247 Figura 1 18 Dilata o da Wavelet e novo c lculo do coeficiente Wavelet C Misiti 2009 5 Repetem se os processos de 1 a 4 para todas as novas escalas Quando todo este processo estiver finalizado ter se o os coeficientes C para diferentes Wavelet filhas Misiti et al 2009 1 2 4 3 Transformada Wavelet Discreta TWD Como j foi referido anteriormente e tendo em conta a equa o 1 1 para se obter TWD ae b ser o restritos apenas a valores discretos Assim sendo pode se exprimir a aj m E Z sendo a 1 para que o factor dilata o tenha efeito na Wavelet m e Arruda 2003 Inicialmente necess rio haver uma transla o no dom nio do tempo de forma a que ao ser amostrada a fun o f x no dom nio da TW para os par metros ae b se possa reconstruir a fun o f x a partir da fun o TWD a p com a menor redund ncia poss vel Devido ao facto de a largura Pag 13 SleepLab v 2 0 2011 da Wavelet alterar se com a mudan a de escala necess rio correlacionar se as discretiza es dos factores ae b Arruda 2003 Ent o tomando partido da propriedade das Wavelets que a invari ncia sob mudan a de esc
104. roceedings of the 4th International IEEE EMBS Conference on Neural Engineering 2009 669 672 Fernandes R M F O Sono Normal Simp sio Disturbios Respiratorios do Sono 2006 157 168 Flexer A Gruber G and Dorffner G A Reliable Probabilistic Sleep Stager Based on a Single EEG Signal Artifical Intellingence in Medicine 33 2005 199 207 Fraiwan L Khaswaneh N and Lweesy K Automatic Sleep Stage Scoring with Wavelet Packets Based on Single EEG Recording World Academy of Science Engineering and Technology 54 2009 485 488 Gariepy J Wikipedia 27 de 08 de 2011 http en wikipedia org wiki Electroencephalography acedido em 4 de 09 de 2011 Gomes Rui Pedro de Almeida Desenvolvimento de Software para a Detecc o e Caracterizac o de Desgaste Ondulatorio em Ferrovias Lisboa Universidade Nova de Lisboa Faculdade de Ci ncias e Tecnologia 2010 Gorur D Automated Detection of Sleep Spindles Ankara The Graduate School of Natural and Applied Sciences of the Middle East Technical University 2003 Guyton A C and Hall J E States of Brain Activity Sleep Brain Waves Epilepsy Psychoses In Textbook of Medical Physiology de A C Hall J E Guyton 659 666 Toronto Saunders 1996 Huupponen E G mez Herrero G Saastamoinen A Varri A Hasan J and Himanen S Development and Comparison of Four Sleep Spindle Detection Methods Artificial Intellingence in Medicine 40 2007 157 170
105. s dist ncias n o filtradas e de certa forma nas filtradas nota se uma oscila o que poder corresponder a processos neurofisol gicos de passagem entre os estados do sono e que n o foram ainda estudados Neste momento a plataforma apresentada est preparada para ser acrescida de classificadores que far o uso dos par metros dispon veis Esses classificadores n o foram inclu dos por se encontrarem fora do mbito do desenvolvimento desta tese Como tal afigura se que a plataforma s se poder considerar em pleno uso quando tais classificadores forem implementados Por m claro que todo o conjunto de algoritmos de pr processamento e c lculo de par metros apresentados s o determinantes nos resultados do classificador a implementar no que se pensa ser uma pr xima tese de mestrado doutoramento A estrutura implementada acomodar facilmente novos algoritmos Assim parece claro que os seguintes sinais devem tamb m ser chamados classifica o do sono e EOG EMG e Fusos j implementada a sua detec o e Complexos K e Ondas V e Bandas de energias marcantes para cada ritmo cerebral e o c lculo dos r cios entre estes Como tal utilizando os sinais acima referidos poder se a optimizar a classifica o do sono Fruto de alguns estudos melhores resultados t m sido obtidos com redes neuronais o que poder ser SleepLab v 2 0 2011 uma eficiente abordagem classifica o do sono A
106. s na primeira metade da poca com aus ncia de REM Iber 2007 Ainda a n vel deste estado as pocas de transi o entre estado N2 e R que s o claramente definidas como tal s o classificados como estado R quando h uma queda distinta no EMG do queixo na primeira metade da poca para o n vel vis vel presente no estado R Tal acontece mesmo na aus ncia de REM caso n o existam complexos K desassociados de despertares e aus ncia de fusos do sono Fig 1 41 Pag 26 SleepLab v 2 0 2011 Epoch o Epoch 50 31 52 53 50 391 52 53 SS er i K complex K complex CM i Au 2 C M i i i l i i i Po i i My l i REM i i i 1REM E M i as ae E M _ in EM A ata i i E M A i i i EMC EMG gu 1 EMG EMG i I i i i i i o TT StageN2 Stage R Slage R Stage R Stage N2 StageN2 StageR Steger Figura 1 41 Marca o de uma poca como estado R devido aus ncia de complexos K desassociados de despertares e fusos do sono mesmo na aus ncia de REM Iber 2007 Ent o prosseguindo o crit rio de marca o de pocas interm dias entre outras claramente definidas como estado N2 e estado R demarca se uma poca como estado N2 quando se est na presen a de um sinal EMG do queixo na primeira metade da poca ao n vel visto no estado R Tal marca o s efectuada caso existam complexos K desassociados de despertares ou fusos e aus ncia de REM Fig 1 42 A Finalmente classifica se uma
107. sidade de proceder importa o independente destes dados via SleepLab Hyprnograrm Awake REM Lv x in Hi qu Ti cn Me Ma 0 200 400 BOO S00 1000 Epochs Figura 3 2 Hipnograma de refer ncia Ap s a execu o do bot o este ser bloqueado n o sendo poss vel efectuar a leitura de dados de qualquer outro paciente Caso o paciente seleccionado seja o errado sempre poss vel ao utilizador limpar os dados anteriormente carregados e reiniciar a leitura de dados de outro paciente bastando premir o bot o Reset De evidenciar que este bot o poder ser premido em qualquer momento da execu o do programa Pag 68 SleepLab v 2 0 2011 ane SleepLab v 2 0 File Name Date 28 08 07 Time 23 35 43 e Ghanne EEEE EEEL Others EOG EEG Standard Montage Customize Montage Sleep attening Ta Each wm as Fr M ean i ight 2 3 Pema Esquerda 0 al li At ee k ireita Ga O1 A2 gt Show Signal BEZ Ke 7 i eons Execut Unipolar DEPP PRR RRR Execut Montage ee SEI SE SE u 0 u on aed Customize GO ICA Plottina Signals E I Out wa indica n i Number of Rejected Spindle _Epochs High pass frequency Low pass frequency Artefact Correction Saturation lt 8 If Method APTE Wavelet Filter To 9 Artefact Correction 300uV s Show Corrected Signals Distances Select the method HJ Plottina AR Order 10 Save All Reset Distances Figura 3 3
108. simetrico lt 1x935 double gt 0 02 7 00 HH dist 15 PE simetrico lt 1x935 double gt 0 02 7 00 HH dist_IS_ AR NSimetrico lt 1x935 double gt 0 02 5 05 ar template wake lt 1x11 double gt r2 72 1 ar_night lt 935x11 double 22 223 ar wake lt 80x11 double gt 15 151 diagrama lt 1x935 double gt 0 1 electrodo T3 ab method Automatic Perio epocs wake lt 80x3000 doubl 29 239 spindlograma rej BEE ted DOC 5 AC rejected epocs200 Figura 3 20 Estrutura Dados lt 1x1 struct gt lt 1x1 struct gt Pag 78 SleepLab v 2 0 2011 Por seguinte os dados gravados s o os seguintes e name Nome do paciente e date Data do exame e time Hora de in cio do exame e eeg signal Sinal EEG escolhido pelo utilizador sem ter sido submetido a correc es e eeg rate Frequ ncia de amostragem do sinal e eeg 2 30 Div Sinal EEG ap s o bot o Wavelet Filter e hipnograma Hipnograma elaborado pelos t cnicos e dist IT AR simetrico Cont m a dist ncia de Itakura sim trica calculada atrav s dos modelos AR e dist IT PF simetrico Cont m a dist ncia de Itakura sim trica calculada atrav s dos especiros e dist IS AR simetrico Cont m a dist ncia de Itakura Saito sim trica calculada atrav s dos modelos AR e dist_IS PF simetrico Cont m a distancia de Itakura Saito sim trica calculada atrav s dos espectros e dist IS AR Nsimetrico Cont m a di
109. sinal com que se efectuou a classifica o autom tica do sono e o m todo de obten o do template Acordado Ainda tendo em conta a visualiza o de sinais deve ser referido que h uma optimiza o para sinais longos tipicamente com cerca de 8 horas Tamb m em rela o ao SleepLab v 1 0 20 do c digo revisto na detec o de bugs e c digo conceptualmente errado Assim toda esta plataforma foi desenvolvida e evolu da para ser uma ferramenta de testes de algoritmos relativos classifica o autom tica do sono e todo o tratamento de sinal inerente a este processo sendo mais uma contribui o para o estudo do sono Pag 84 5 Estudos Futuros A todo o processo de classifica o do sono est inerente a remo o de artefactos aos sinais gravados durante a polissomnografia Estes dados est o normalmente muito contaminados por artefactos Assim a utiliza o da an lise de componentes independentes CA poder ser um campo promissor no processamento de sinal Anda de referir que a apresenta o das dist ncias espectrais teve como ltimo passo a aplica o de um filtro pente com 4 coeficientes que corresponde ao c lculo da m dia das ltimas 4 dist ncias O objectivo foi suavizar o gr fico da curva Este procedimento question vel na medida em que na pr tica equivale a ter pocas de 4x30 120s Parece claro que algum algoritmo de decis o dever ser aplicado nesta fase ou no final Observando as curvas da
110. sinal desejado e premir o bot o GO de forma a que este apare a escrito na listbox em estudo para seguidamente ser Pag 69 SleepLab v 2 0 2011 seleccionado Fig 3 4 Caso a op o escrita n o seja constitu da pelos el ctrodos existentes ou pelo sinal AV uma mensagem erro aparecer na listbox Fig 3 5 Channels Others EOG EEG Standard Montage __ Customize Montage Sleep a OG Lei NoSelection Fi NoSelection ug Go E m in ight 2 He rome e 0 Sh sen Pana ireita Ga O1 A2 z Show Signal 5 E Es RA z DO EE z Execut Unipolar Customize Ca 01 m See Figura 3 4 Botao Go Channels Others EOG EEG Standard Montage Customize Montage ER OG Lei NoSelection vy No election Eur ERROR 4 in ight E Pema Esquerda e li ern A E ema ireita E S O1A2 Show Signal E 2 on IR mM z i Execut Unipolar Execut Montage Customize C3 07 u co E TR eee RR Cm Figura 3 5 Mensagem de erro ERROR No caso do sinal para classifica o do sono provir da listbox Customize Montage ou Standard Montage diz se que a classifica o do sono foi efectuada partindo de um sinal bipolar Ainda de evidenciar que em qualquer um dos casos o utilizador deve sempre confirmar o sinal escolhido para classifica o do sono na listbox em que este se encontra atrav s de um clique com o rato Depois de seleccionado o sinal desejado
111. st ncia de Itakura Saito n o sim trica calculada atrav s dos modelos AR e ar template wake Template Acordado poca representativa de todas as pocas em que o paciente est acordado e ar night Modelo AR de todas as pocas de um registo completo do sinal EEG e ar wake Modelo AR de todas as pocas em que o paciente se encontra acordado e diagrama cont m o diagrama acordado dormir diagrama que est a 1 quando o sujeito est acordado e a O quando est a dormir e electrodo Nome do sinal seleccionado no painel Channels para se efectuar a classifica o do sono e method M todo seleccionado para obten o do template Acordado e epocs wake pocas em que o paciente se manteve acordado e seu registo EEG e spindlograma Vari vel que indica o numero de fusos existentes em cada poca e rejected_epocsAC Estrutura que cont m o n mero de pocas e quais as pocas rejeitadas ap s execu o do bot o Artefact Correction Saturation e Rejected epocs300 Estrutura que cont m o n mero de pocas e quais as pocas rejeitadas ap s execu o do bot o Artefact Correction 300 uV Com o intuito de um melhor entendimento do funcionamento do software em estudo na figura 3 21 encontra se um fluxograma Este tem como objectivo uma visualiza o mais clara dos bot es que devem ser executados a cor de laranja e quais os bot es que s o opcionais a azul de forma a obter se uma classifica o autom ti
112. tado N1 Iber 2007 Epoch Epoch 50 51 52 53 50 51 52 53 i i i IK complex a IK complex C M Arousal C M i pi hg O 1 i i j N a er Tr E M Naty EM Ay E M i ASA E M aimma aS A SiageR StageR SiageNt Stage N2 E an SageR SugeR Stage N2 an Figura 1 38 Final da marca o de uma poca como estado R devido a um despertar seguido de um sinal de EEG de baixa amplitude e frequ ncia mista e SEM marcando se como estado N1 Iber 2007 Pag 25 SleepLab v 2 0 2011 g EMG EMG E M I 1 4 A m i neat N J StageR StageR StageR StageR Stage R Stage N1 Stage N1 Stage N1 Figura 1 39 Fim da marcac o de uma epoca como estado R devido a grande movimento do corpo seguido de SEM e um sinal EEG de baixa amplitude com frequ ncia mista sem despertares associados a complexos K ou fusos Iber 2007 Epoch Epoch 50 51 52 53 50 51 52 53 TE Ghee eee TREE i K complex i C M i I i I i i i i 1 OrM O M u e E s REM N N EM N j A i EM i i E M i i i i E M i i E M l i i i i r i i i EMG EMG c IEMG EMG i Tm i o ma Stage R Stage R Stage N2 Stage N2 Stage R StageR StageR Stage N2 Figura 1 40 Fim da marca o da poca como estado R caso um ou mais complexos K desassociados de despertares ou de fusos estejam presente
113. tance not symmetrical Nm N2 N3 800 900 00 500 600 70 Epochs 00 Itakura Saito Distance not symmetrical AR s Grau 10 Name Date 28 08 07 EEG Signal C3 Sleep States ltakura Saito Distance not symmetrical Epochs Figura 2 32 M todo do Hipnograma sinal do el ctrodo Cs Pag 61 SleepLab v 2 0 2011 Atraves do estudo dos gr ficos das dist ncias de um paciente normal denotou se mais algumas limita es relativas a dist ncia de takura Saito n o sim trica atrav s dos modelos AR e em todas as outras dist ncias A t tulo exemplificativo apenas demonstrada a dist ncia de takura Saito n o sim trica atrav s dos modelos AR com a obten o da template Acordado atrav s do m todo do Periodograma para o sinal C3 Fig 2 33 e para o sinal C3 A Fig 2 35 e atrav s do m todo do Hipnograma tamb m para ambos os sinais Fig 2 34 e Fig 2 36 ltakura Saito Distance not symmetrical AR s Grau 10 Name Date 13 08 08 EEG Signal C3 Awake N Sleep States ltakura Saito Distance not symmetrical ri N Nm N3 0 100 200 300 400 500 600 700 800 900 Epochs Figura 2 33 M todo do Periodograma para um paciente normal sinal do el ctrodo Cs Itakura Saito Distance not symmetrical AR s Grau 10 Name Date 13 08 08 EEG Signal C3 Awake REM N1 Sleep States ltakura Saito Distance not symmetrical N2 N3 0 100 200 300 400 500 600 7
114. trar e decimar o sinal Assim o sinal passa por um filtro passa baixo H que gera o coeficiente de detalhe D e passar igualmente por um filtro passa alto G que por sua vez gera um coeficiente de aproxima o A Gomes 2010 500 coefs 500 coefs Figura 1 19 Processo de filtragem e decima o Misiti 2009 1 2 4 4 Filtragem atrav s de An lise Multi Resolu o A an lise Wavelet refere se frequentemente a aproxima es e detalhes As aproxima es relacionam se com escala alta e componentes de frequ ncia baixa do sinal e os detalhes s o de baixa escala actuando nas componentes de frequ ncia alta do sinal Misiti 2009 Ent o tendo em conta as aproxima es e os detalhes a TWD pode ser descrita como a implementa o de v rios filtros n o uniformes com melhor resolu o em frequ ncia para baixas frequ ncias e melhor resolu o em tempo para altas frequ ncias Na TWD Fig 1 20 o sinal dividido em coeficientes de aproxima o e detalhes Cardoso 2010 Figura 1 20 rvore de decomposi o da TWD Misiti 2009 Analisando a figura 1 20 o sinal original S ir passar atrav s de dois filtros complementares que fornecem como sa das dois sinais cada qual constitu do por metade das amostras do sinal antecedente Arruda 2003 Os coeficientes cA s o os de aproxima o e os cD de detalhe Posto isto O sinal original ao fim do primeiro n vel da rvore de decomposi o de coeficientes ser
115. u ncias dos ritmos cerebrais a analisar para classifica o do sono compreender se entre O a 30Hz por m a n vel de investiga o encontra se em aberto um novo plano de explora o Ent o aprofundando a an lise Wavelet que est na base da aplica o do filtro a TWP uma generaliza o do conceito da TWD Nesta a resolu o tempo frequ ncia pode ser escolhida de acordo com o sinal diferindo da TWD no n mero de par metros de decomposi o Cardoso 2010 Na TWD os sinais s o decompostos por par metros de escala e posi o gerando se dois coeficientes por cada n vel aproxima o e detalhe provenientes apenas do coeficiente de aproxima o 4 Na TWP h um novo par metro a frequ ncia Dessa forma os coeficientes de detalhe que outrora n o eram utilizados na TWD s o utilizados originando se tamb m coeficientes de aproxima o e detalhe para todos os n veis de decomposi o Devido a tal garante se assim resolu o na frequ ncia para altas e baixas frequ ncias Fig 2 10 Castelano 2006 Figura 2 10 rvore de decomposi o de sinais na TWP onde A representa os coeficientes de aproxima o e D os coeficientes de detalhe para 3 n veis Castelano 2006 Como tal dependendo da resolu o necess ria v o existir mais ou menos n veis na rvore de decomposi o O sinal tem um n mero limitado de amostras logo ter um n mero m ximo de n veis que calculado efectuando o logaritmo de base dois do n
116. u de fusos estejam presentes na primeira metade da poca com aus ncia de REM Iber 2007 ua ae 26 Figura 1 41 Marca o de uma poca como estado R devido aus ncia de complexos K desassociados de despertares e fusos do sono mesmo na aus ncia de REM Iber 2007 27 Figura 1 42 A Marca o de uma poca como estado R na presen a de complexos K desassociados de despertares e fusos B Marca o de uma poca como estado R na aus ncia de complexos K desassociados de despertares e fusos Iber 2007 ccceeeceecseeeeeeeeeeeeeeaees 27 Figura 1 43 Varia o de um ciclo do sono com a idade Gorur 2003 nn 28 Figura 2 1 Esquema representativo da evolu o no tempo e nas tarefas do SleepLab 31 Figura 2 2 Exemplo de de um hiponograma em fomato ixt exportado do programa RemLogic v 1 1 para um paciente da base de dados cccccccccseeseeeeeeeeeeeeeeeeeeeeceeeseaeeeeeesseeeeeeeesseseeesesaaees 33 Figura 2 3 Carregamento de dados e leitura do cabe alho do ficheiro edf 35 Figura 2 4 Estrutura de dados proveniente do carregamento do sinal 36 Figura 2 5 Sinal proveniente do registo EEG sinal do el ctrodo C3 seleccionado pelo utilizador Caso de satura o do EEG erre eeera eae eer eae er aaa a era aa aerea aaa enena nennen 37 Figura 2 6 Sinal EEG sinal do el ctrodo C3 ap s remo o das pocas em que a sua amplitude
117. ubstitu da De referir ainda que caso a primeira poca do sinal bipolar se encontre com uma amplitude superior a 3000 uV este sofrer um tratamento id ntico ao aplicado ao sinal unipolar Assim no final de todo o tratamento de ambos os sinais realiza se a diferen a aritm tica entre o sinal e o sinal de refer ncia e obt m se o sinal bipolar Na figura 2 9 efectua se a esquematiza o do tratamento de um sinal bipolar que a titulo exemplificativo o Ca As Pag 39 SleepLab v 2 0 2011 Sinal Bipolar C A Amplitude do sinal C gt 3000 uV pocas o excepto a E primeira Sim Epoca actual no sinal C substituida pela anterior Epoca actual no sinal A subsitutida pela anterior N o Epoca em an lise mantem se Epoca correspondente no sinal A mantem se Sinal Bipolar C A Figura 2 9 Tratamento de pocas excepto a primeira em que se analisa se a amplitude do sinal bipolar superior a 3000 uV O tipo de artefactos para o qual o tratamento est esquematizado na figura 2 9 provocado pelo movimento dos cabos e dos el ctrodos usados para captar o sinal devido a uma contrac o muscular originando se um ligeiro deslocamento do el ctrodo em rela o pele Cardoso 2010 Numa an lise mais tardia verificamos que o algoritmo anterior deveria ser aplicado paralelamente a ambos os canais e portanto ser mutuamente exclusivo muito embora se preveja que o impa
118. uma poca em que o paciente esteja acordado e quieto vai ser diferente de outra poca qualquer em que o paciente esteja acordado mas a movimentar se Cardoso 2010 Em reconhecimento de voz tamb m surgiu o mesmo problema pois o espectro de uma pessoa iria ser diferente quando esta falasse baixo ou alto Assim takura alterou a medida de distor o de ltakura Saito de modo a minimizar a sensibilidade aos ganhos dos modelos AR ficando ent o a dist ncia modificada com o nome de dist ncia de takura tamb m denominada como log likelihood ratio distortion Soong 1988 2 n2 OA OB E D mins gt o Dis 2 10 A B ou seja Pag 56 SleepLab v 2 0 2011 Tl p 1 b eo b eiro dw 2 11 Dias log o pe On 1 aeie apeo ATI 2 sendo 4 E os espectros LPC linear predictive coding dos modelos AR Al Bj Ao alterar se a ordem de compara o e fazendo a m dia das duas dist ncias obt m se a dist ncia de takura sim trica F M Ebrahimi 2007 Dias Diga 2 12 D Sim tria Do Assim ap s obten o do espectro do template Acordado ent o poss vel efectuar a classifica o autom tica do sono Para tal utilizaram se as fun es distisar para o c lculo da dist ncia de ltakura Saito e distitar para a distancia de ltakura encontrando se estas na voicebox para o MATLAB Brokes 1997 Tamb m as fun es distitof e distispf foram aplicadas para c lculo das dist ncias de takura e
119. utilizador muito embora haja que respeitar a banda de 8 a 11 Hz para detec o do template Acordado usando o m todo do Periodograma Tempo Frequ ncia Logo esta banda n o dever ser perturbada e Filtragem TWP passa banda com informa o das frequ ncia reais SC Pag 83 SleepLab v 2 0 2011 e Aumento da velocidade de processamento a n vel do tratamento Wavelet devido ao menor consumo de recursos computacionais mediante melhoria do algoritmo de filtragem aproximadamente passou de 150 s para 50 s na plataforma de trabalho 5 Painel Distances e Implementa o da possibilidade de obten o do template Acordado de dois m todos escolha do utilizador 1 M todo do Periodograma Tempo Frequ ncia j implementado no SleepLab v 1 0 2 M todo do Hipnograma 3 Provis o de menu para mais um m todo a implementar e Escolha apenas das dist ncias que se deseja visualizar e Possibilidade de leitura no gr fico correspondente a cada dist ncia do nome do paciente data do exame e o sinal com o qual se efectuou a classifica o 6 Painel Spindle e Menor entropia visual devido diminui o do n mero de bot es para obten o do fusograma e Apresenta o mais intuitiva 7 Save All e Grava o de maior n mero de dados ver Fig 3 20 nomeadamente nome do paciente data e hora do exame n mero de pocas rejeitadas e quais as pocas rejeitadas quando o crit rio est relacionado com limites do EEG qual O
120. vidido em pocas de 30 segundos A classifica o do sono efectua se pela atribui o de estados do sono a estas pocas Ap s a ent o referida execu o essencial dos bot es do painel Correction o sinal encontra se dividido em pocas e com um menor n mero de artefactos Assim ap s se premir qualquer um dos bot es Artefact Correction Saturation e Artefact Correction 300 uV os campos por baixo de Number of Rejected Epochs s o preenchidos Fig 3 12 Estes campos s o preenchidos com o n mero de pocas que n o cumprem os requisitos subjacentes a estes bot es Tal informa o poder ser til de forma a inferir se uma ideia da qualidade do sinal inicial antes de efectuado qualquer tratamento ane SleepLab v 2 0 File Name Date 28 08 07 Time 23 35 49 Channels Others EOG EEG Standard Montage Customize Montage Sleep OG Lei NoSelecti i NoSelection EEE m aitoni g a ES No election I 2 REM T Mandan 0 Al ll at l eco Ca l o O1 A2 Show Signal E gt A2 LY ee eae er ed eee ee Lights off s o rm a 770 Customize E ICA Plottina Signals C3 C3 C4 AV Go CS o Input Output gnal C3 C3 C4 AV Go BR ze aa AV Plot ERROR Number of Rejected Spindle E Epochs High pass frequency Low pass frequency 145 lt B If Method APTF 2 34375 29 6875 Show Corrected Signals Figura 3 12 Campo Number of Rejected Epochs De evidenciar ainda que o campo Ligths off
121. vimento lento dos olhos seguido de um brusco movimento na direcc o oposta Movimento rapido dos olhos REM conjugado e irregular com uma deflex o inicial inferior a 500 ms EMG do queixo de amplitude vari vel sendo a mais elevada de todos os estados Movimento lento dos olhos SEM conjugado e regular associado a um movimento sinusoidal com uma deflex o inicial superior a 500 ms Ritmos EEG de v rias frequ ncias simult neas predominantemente teta Ondas agudas V rtex Ondas V ondas com dura o inferior a 0 5 s e forma de dente de serrote Complexos K por o de onda bem delineada que aumenta a sua amplitude no sentido positivo precedida de uma diminui o da componente positiva com uma dura o superior a 0 5 s Fusos do sono EMG do queixo de amplitude vari vel mas normalmente inferior do estado W podendo mesmo atingir valores semelhantes aos registados no estado R Ritmos delta com uma amplitude pico a pico superior a 75 pV medida na regi o frontal EMG do queixo de amplitude vari vel frequentemente inferior a do estado N2 e usualmente com um valor pr ximo dos valores registados no estado R Movimento conjugado irregular e acentuado r pido dos olhos com uma deflex o inicial de dura o inferior a 500 ms denominado movimento r pido dos olhos EMG do queixo tem usualmente o registo mais baixo de uma noite inteira Ondas com a forma dente de serrote ou triangulares com uma frequ nci

Download Pdf Manuals

Related Search

Related Contents

INSTRUCTION MANUAL Rev.5 AUTO TRACKING  Manual de Instruções  CLOCK RADIO  DeLonghi EO1200 Series Oven User Manual  Vantec HDA-252P  ユーザーズマニュアル - 121ware.com  Índice  GFCI Personnel Safety Devices  

Copyright © All rights reserved. Failed to retrieve file