Lernverfahren zur robusten Arousal-Erkennung in mehrkanaligen EEG-Datensätzen und statistische Untersuchung der Zusammenhänge mit Blutdruck und Herzrate [article]

Dennis Lerch, Technische Universität Berlin, Technische Universität Berlin, Reinhold Orglmeister
2020
Ein erholsamer Schlaf ist für jeden Menschen wichtig. Um zu definieren was "erholsamer" und "nicht erholsamer" Schlaf bedeutet, werden Untersuchungen in Schlaflaboren durchgeführt. Das Schlaf-Arousal (kurz Arousal) als störender Einfluss des erholsamen Schlafes gewinnt zunehmend an Aufmerksamkeit. Es wird über einen zeitlich begrenzten Leistungsanstieg in Frequenzbändern des Elektroenzephalogramms (EEG) definiert. Es sind weitere Zusammenhänge zwischen dem häufigen Auftreten von Arousals und
more » ... spielsweise Herz-Kreislauferkrankungen wie Bluthochdruck, erhöhtes Herzinfarktrisiko, erhöhter Mortalität oder auch Depressionen bekannt. Ein verstärktes Interesse besteht in der Gewinnung tieferer Einblicke und der Aufdeckung weiterer Zusammenhänge. Die manuelle Annotierung von Arousals erfordert viel Erfahrung und ist sehr zeitintensiv. Studien belegen zudem eine große Abweichung in der Annotation der Daten ein und derselben Nacht, wenn sie unwissentlich vom gleichen Experten oder verschiedenen Experten ausgewertet werden. Für tiefere Einblicke in die Zusammenhänge von Arousals und anderen Vitalparametern, z.B. Blutdruck oder Herzrate, sind exakt bestimmte Anfangs- und Endzeitpunkte der Arousals von enormer Bedeutung. In dieser Arbeit wurden zwei neue Arousal-Detektionsalgorithmen namens DAVA und k-HMM entwickelt und mit einem Verfahren nach dem Stand der Technik bezüglich der zeitlichen und quantitativen Detektionsgenauigkeit verglichen. Die neuen Detektionsalgorithmen stellen eine Kombination aus unüberwachten und überwachten Lernverfahren dar, wodurch der Umgang mit ungenauen manuellen Annotationen ermöglicht wird. Zusätzlich konnten einheitliche Parameter der Detektionsalgorithmen unter Zuhilfenahme eines umfangreichen Datensatzes mit kompletten Nächten extrahiert und an einem gänzlich unterschiedlichen Datensatz angewendet werden, wodurch die Allgemeingültigkeit der Arousal-Detektionsalgorithmen nachgewiesen wurde. Zur zusätzlichen Verifizierung der Detektionsqualität wurden die Auswirkungen der Arousals auf den Verlauf v [...]
doi:10.14279/depositonce-9758 fatcat:kjez6ylfl5crbpydnx7l3fcwci