Detekcja faz snu na podstawie analizy sygnału EEG

W poniższej pracy została omówiona tematyka snu, w szczególności detekcji faz snu. Celem pracy było opracowanie i zaimplementowanie algorytmów umożliwiających automatyczną detekcję faz snu. Wykorzystano 101 zapisów sygnałów EEG pochodzących z bazy danych Physionet. Dla każdej rejestracji w bazie istniał wzorzec z zaznaczonymi przez eksperta fazami snu. Było to niezwykle przydatne do weryfikacji opracowanego rozwiązania. Algorytm został zaimplementowany w języku programowania Python. Sygnały zostały podzielone na epoki, tak aby łatwiej było na nich pracować. Następnym krokiem było wyznaczenie PSD, czyli gęstości widmowej mocy. Do klasyfikacji otrzymanych danych wykorzystano klasyfikator SVM (Support Vector Machine). Otrzymana dokładność klasyfikatora wyniosła 70,7%. Podsumowując analiza faz snu przy użyciu sygnałów EEG i algorytmów uczenia maszynowgo otwiera nowe możliwości w diagnostyce zaburzeń snu oraz badaniach nad funkcjonowaniem mózgu podczas różnych etapów snu.

Słowa kluczowe:
EEG, przetwarzanie sygnałów, detekcja faz snu, uczenie maszynowe, klasyfikator SVM.