Detecção de apneia do sono em exames de polissonografia utilizando algoritmos de aprendizado de máquina

Abstract

A apneia do sono é um distúrbio comum do sono, que afeta aproximadamente 200 milhões de pessoas. Porém a detecção de apneia em exames de polissonografia ainda é algo extremamente trabalhoso de se fazer de forma manual. O objetivo deste trabalho é realizar esta detecção de forma automatizada, reduzindo o tempo e o esforço necessários para o diagnóstico de cada paciente. Para tanto, utilizou-se algoritmos de aprendizado de máquina, do tipo redes neurais artificiais (RNA), e os sinais do exame de polissonografia que estão diretamente associados com a respiração do paciente. Após uma etapa de tratamento dos dados, que inclui filtragem, divisão em épocas e balanceamento, foram avaliadas 14 arquiteturas diferentes para encontrar o modelo de rede neural com melhor desempenho. O modelo com o melhor desempenho atingiu um F1-Score de 85%.

Sleep apnea is a common sleep disorder that affects approximately 200 million people. The detection of apnea in polysomnography exams is still extremely hard-working and time-consuming to do manually. The objective of this work is to perform this detection automatically, reducing the time and effort required for the diagnosis of each patient. For this purpose, machine learning algorithms were used, such as Artificial Neural Networks (ANN), and the polysomnography examination signals that are directly associated with the patient’s breathing. After a stage of data treatment, which includes filtering, time division and balancing, 14 different architectures were evaluated to find the best performing neural network model. The model with the best performance reached an F1-Score of 85%.