Representações visuais para classificação de estágios do sono
Rebeca Padovani Ederl
DISSERTAÇÃO
Português
T/UNICAMP Ed28r
[Visual representations for sleep stages classification]
Campinas, SP : [s.n.], 2024.
1 recurso online (74 p.) : il., digital, arquivo PDF.
Orientadores: Zanoni Dias, Anderson de Rezende Rocha
Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Instituto de Computação
Resumo: A presença de anomalias durante o sono, originalmente classificada por especialistas, é utilizada para o diagnóstico de distúrbios do sono. A polissonografia é o padrão-ouro utilizado em ambientes clínicos para monitoramento e classificação dos estágios do sono, entretanto, esse método exige...
Ver mais
Resumo: A presença de anomalias durante o sono, originalmente classificada por especialistas, é utilizada para o diagnóstico de distúrbios do sono. A polissonografia é o padrão-ouro utilizado em ambientes clínicos para monitoramento e classificação dos estágios do sono, entretanto, esse método exige equipamentos caros e desconfortáveis. Recentemente, a análise do sono por meio de dispositivos vestíveis, como smartwatches, tem sido investigada para a classificação automática dos estágios do sono, visando combinar o conforto dos smartwatches com a precisão da polissonografia. No entanto, os desafios enfrentados incluem a correta classificação dos estágios mais complexos e o desbalanceamento das classes nos conjuntos de dados. Utilizando dados de sensores de smartwatches, a literatura explora o desempenho da classificação de estágios do sono por meio de diferentes representações de dados, como dados brutos (séries temporais do sensor) e características extraídas deles (como média, desvio padrão, etc.). Nesse contexto, a representação de séries temporais por meio de imagens pode produzir características informativas e robustas ao ruído. Assim, este estudo inova ao explorar diferentes representações visuais de séries temporais derivadas de dados de acelerômetro e frequência cardíaca, avaliando sua eficácia na classificação dos estágios do sono. Baseado nos experimentos realizados, embora Gramian Angular Field (GAF) tenha demonstrado os resultados mais promissores, as representações por Gráficos de Recorrência (RP) e Markov Transition Field (MTF) também se revelaram técnicas promissoras para a classificação. Além disso, foi investigada a estratégia de dividir as imagens em patches, e empregar técnicas de ensembles com o objetivo de aprimorar os resultados na classificação dos estágios do sono. Os experimentos revelaram que essa abordagem contribui substancialmente para a melhoria da classificação. Adicionalmente, a pesquisa avaliou o potencial dos dados provenientes de sensores de acelerômetro e frequência cardíaca em smartwatches, explorando a combinação desses dois conjuntos de dados através da aplicação de ensembles. Os resultados indicam que, dependendo do contexto específico de classificação (seja em dois ou três estágios), os dados de acelerômetro ou de frequência cardíaca podem desempenhar um papel mais significativo. Finalmente, a comparação com outras representações comumente utilizadas na literatura ressaltou a superioridade das abordagens visuais neste contexto. A avaliação por meio de diferentes métricas confirmou a eficácia das técnicas propostas, indicando uma abordagem competitiva para a classificação dos estágios do sono com base em dados de dispositivos vestíveis
Ver menos
Abstract: The presence of anomalies during sleep, originally classified by specialists, is used for the diagnosis of sleep disorders. Polysomnography is the gold standard used in clinical settings for monitoring and classification of sleep stages, however, this method requires expensive and...
Ver mais
Abstract: The presence of anomalies during sleep, originally classified by specialists, is used for the diagnosis of sleep disorders. Polysomnography is the gold standard used in clinical settings for monitoring and classification of sleep stages, however, this method requires expensive and uncomfortable equipment. Recently, the analysis of sleep through wearable devices, such as smartwatches, has been investigated for the automatic classification of sleep stages, aiming to combine the comfort of smartwatches with the precision of polysomnography. Nevertheless, challenges faced include the correct classification of more complex stages and the imbalance of classes in datasets. Using data from smartwatch sensors, the literature explores the performance of sleep stage classification through different data representations, such as raw data (sensor time series) and extracted features from them (like mean, standard deviation, etc.). In this context, the representation of time series through images can produce informative and noise-robust features. Thus, this study innovates by exploring different visual representations of time series derived from accelerometer and heart rate data, assessing their effectiveness in classifying sleep stages. Based on the experiments conducted, although Gramian Angular Field (GAF) showed the most promising results, the representations by Recurrence Plots (RP) and Markov Transition Field (MTF) also proved to be promising techniques for classification. Furthermore, the strategy of dividing the images into patches, and employing ensemble techniques to enhance the results in the classification of sleep stages was investigated. The experiments revealed that this approach contributes substantially to the improvement of classification. Additionally, the research evaluated the potential of data from accelerometer and heart rate sensors in smartwatches, exploring the combination of these two data sets through the application of ensembles. The results indicate that, depending on the specific classification context (whether in two or three stages), the accelerometer or heart rate data may play a more significant role. Finally, the comparison with other representations commonly used in the literature highlighted the superiority of visual approaches in this context. The evaluation through different assessment metrics confirmed the effectiveness of the proposed techniques, indicating a competitive approach for the classification of sleep stages based on data from wearable devices
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Aberto
Dias, Zanoni, 1975-
Orientador
Rocha, Anderson de Rezende, 1980-
Coorientador
Cavalcanti, George Darmiton da Cunha
Avaliador
Raimundo, Marcos Medeiros, 1988-
Avaliador
Representações visuais para classificação de estágios do sono
Rebeca Padovani Ederl
Representações visuais para classificação de estágios do sono
Rebeca Padovani Ederl