ES2684533B2 - Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxigeno - Google Patents
Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxigeno Download PDFInfo
- Publication number
- ES2684533B2 ES2684533B2 ES201700500A ES201700500A ES2684533B2 ES 2684533 B2 ES2684533 B2 ES 2684533B2 ES 201700500 A ES201700500 A ES 201700500A ES 201700500 A ES201700500 A ES 201700500A ES 2684533 B2 ES2684533 B2 ES 2684533B2
- Authority
- ES
- Spain
- Prior art keywords
- signal
- oxygen saturation
- band
- apnea
- variables
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
DESCRIPCIÓN
Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxígeno
Sector de la técnica
Sector de aplicación:
Medicina del sueño ambulatoria
Sistemas expertos de diagnóstico
Sistemas de monitorización de salud y bienestar
Área científica o técnica:
Medicina del sueño
Procesado de señal
Minería de datos
Sector de actividad.
Sector médico y tecnológico
Antecedentes de la invención
Los eventos de apnea se producen como consecuencia del cese completo de la señal de flujo inspiratorio de al menos 10 segundos de duración. Si el cese se manifiesta de forma completa se trata de una apnea y si es parcial, la obstrucción se denomina hipoapnea. Estos eventos caracterizan el Síndrome de Apnea Obstructiva del Sueño (SAOS).
Para poder cuantificar la gravedad del SAOS, se define el índice de apnea-hipoapnea (IAH), que indica el número de eventos de apnea o hipoapnea presentes durante una hora de sueño. La American Academy of Sleep Medicine Task Force clasifica el SAOS como leve si el IAH se encuentra entre 5 y 15, moderado si el IAH se encuentra entre 15 y 30 y severo si el IAH es superior a 30.
El SAOS tiene consecuencias directas en la salud provocando una alteración de la arquitectura normal de sueño que puede producir entre otros un incremento en el riesgo de padecer problemas cardiovasculares. El SAOS es considerado también un factor que contribuye al aumento de los accidentes.
El Gold standard para el diagnóstico de la panea obstructiva del sueño es la polisomnografía (PSG) que es una técnica basada en un conjunto de señales fisiológicas recogidas de pacientes durante el sueño. Como por ejemplo el electroencefalograma (EEG), electromiograma (EMG), electrooculograma (EOG), electrocardiograma (EKG), saturación de oxígeno, etc. Si bien estas señales constituyen la referencia para el diagnóstico de los trastornos del sueño, la aplicación de esta técnica es cara y tediosa requiriendo el registro de múltiples señales y precisando de personal cualificado que las analice.
Algunos dispositivos miden lo que se denomina SpO2 obteniendo los valores de saturación de oxígeno en zonas periféricas como en el dedo o lóbulo de la oreja. Mediante la pulsioximetría, se puede medir de forma no invasiva a través de métodos fotoeléctricos, el porcentaje de saturación de oxígeno de la hemoglobina en sangre. Mediante el uso de métodos de procesado de señal aplicado únicamente a esta señal es posible disponer de un sistema de screening más cómodo para el paciente y de bajo coste.
Tradicionalmente se ha utilizado la SpO2 para detectar eventos de apnea mostrando una alta especificidad. Por ejemplo utilizando un índice de desaturación de oxígeno que dé cuenta del número de desaturaciones por debajo de un cierto porcentaje con respecto a un valor basal por hora. Otros métodos han utilizado la medida de tendencia central o diferentes técnicas de entropía. Se puede aplicar un enfoque de clasificación de patrones para lograr una mayor exactitud en la clasificación de OSA. La mayor parte de las propuestas han tratado de obtener una medida general que dé cuenta del grado de apnea del sujeto pero sin entrar a considerar el instante preciso en el que los eventos acontecen.
Muy pocos estudios han considerado el momento concreto en el que se producen los eventos. (Xie B. y Minn H. Real-time sleep apnea detection by classifier combination. Information Technology in Biomedicine, IEEE Transactions on, 16(3):469- 477, 2012.) crearon una regla de decisión a partir de tres clasificadores y una combinación de 39 características. En (Ravelo A., Kraemer J., Navarro, J., Hernández E., Navarro J., Juliá G. y Wessel N. (2015). Oxygen Saturation and RR Intervals Feature Selection for Sleep Apnea Detection. Entropy, 17(5), 2932 2957.) se utilizó un análisis discrimínate lineal para detectar eventos respiratorios a partir de variables temporales y frecuenciales de la señal de SpO2. En (Casanova U. (2014). Sistema de diagnóstico aplicado a la detección de la apnea obstructiva del sueño mediante poligrafía) se utilizaron un total de 9 variables temporales y frecuenciales de la SpO2 para la detección de eventos.
El método que se presenta en este documento hace uso de la regresión logística como clasificador y de la varianza y potencias calculadas en 6 bandas de frecuencia de SpO2 que hacen que un sistema más simple de 7 variables alimente un clasificador de regresión logística de bajo coste computacional.
Explicación de la invención
El método hace uso de una segmentación de la señal de SpO2 en tramas de un minuto y realiza una extracción de variables en cada segmento para componer un vector de características formado por la varianza de la señal por un lado y por potencias calculadas a partir de determinadas bandas de frecuencia obtenidas a partir de la densidad espectral de potencia por otro. El cálculo de la densidad espectral de potencia se realiza a partir de un segmento de cinco minutos centrado en la época de un minuto que se trata de analizar.
Antes de proceder a calcular la densidad espectral de potencia es preciso eliminar el término de continua de la señal restando a la señal original su media. El periodograma es utilizado para el cálculo del espectro de la señal utilizando la transformada de Fourier (Eq 1).
Para calcular las potencias en las distintas bandas se desarrolla un filtrado directamente sobre el dominio de la frecuencia. Las siguientes bandas son consideradas para el cálculo de las potencias espectrales:
Banda 2: 2.5 Hz - 5 Hz
Banda 3: 5 Hz - 7.5 Hz
Banda 8: 17.5 Hz - 20 Hz
Banda 10: 25 Hz - 27.5 Hz
Banda 12: 27.55 Hz - 30 Hz
Banda 20: 47.5 Hz - 50 Hz.
La detección de un evento de apnea se determina a partir de un modelo basado en regresión logística propuesto para determinar la probabilidad de apnea a partir del vector de características que se extrae en cada minuto de la señal de saturación de oxígeno. Esta probabilidad puede ser determinada a partir de la siguiente expresión:
Siendo P0...P7 los 8 parámetros del modelo de regresión logística y X1...X7 las 7 variables analizadas en cada minuto. A partir de un umbral se considera apnea en un determinado segmento de un minuto si el valor de la regresión logística supera dicho valor.
Breve descripción de los dibujos
FIG. 1. Diagrama de flujo del método de detección de eventos de apnea a partir de la señal de saturación de oxígeno.
Realización preferente de la invención
La señal de saturación de oxígeno es troceada en segmentos de un minuto. A partir de este proceso se analiza cada uno de los segmentos de forma secuencial a partir de la tercera época y se generan vectores de características con la concatenación de la varianza de la señal de SpO2 y las características obtenidas a partir del cálculo de potencias de la señal en unas bandas de frecuencia específicas. Dichas potencias espectrales son obtenidas a partir de segmentos de cinco minutos de señal SpO2. Tras eliminar la componente continua de la señal restándole a la señal su valor medio, se procede al cálculo de las potencias en las siguientes bandas de frecuencia: Banda segunda entre 2.5 Hz y 5 Hz, banda tercera entre 5 Hz y 7.5 Hz, banda octava entre 17.5 Hz y 20 Hz, banda decimoprimera entre 25 Hz y 27.5 Hz, banda decimosegunda entre 27.55 Hz y 30 Hz y banda vigésima entre 47.5 Hz y 50 Hz.
El proceso de obtención del vector de características por minuto se repite hasta que son analizados todos los segmentos del registro.
Claims (4)
1. Un método para la exploración de la apnea obstructiva del sueño basado en la señal de oximetría que consiste en lo siguiente:
a. Procesar la señal de saturación de oxígeno para extraer una variable en el dominio del tiempo por época, la varianza.
b. Preparación de la señal de saturación de oxígeno para la extracción de variables en el dominio de la frecuencia por medio de la eliminación de la componente continua de la señal y calculando la densidad espectral de potencia.
c. Procesar la señal de saturación de oxígeno para extraer un conjunto de variables en el dominio de la frecuencia por época tomado 5 minutos de señal entorno a la época de interés.
d. El cálculo de la potencia espectral de la señal de saturación de oxígeno se realiza en sólo 6 bandas de frecuencia, la segunda entre 2.5 Hz y 5 Hz, tercera banda entre 5 Hz y 7.5 Hz, octava banda entre 17.5 Hz y 20 Hz, decimoprimera banda entre 25 Hz y 27.5 Hz, decimosegunda banda entre 27.55 Hz y 30 Hz y vigésima banda entre 47.5 Hz y 50 Hz.
e. Detección de las épocas concretas en las que se producen los eventos de apnea basado en la señal de oximetría y tomando como variables las características que se reivindican en las etapas b, c y d.
f. Obtención de un indicador de la gravedad de la apnea a partir de la señal de oximetría cuantificando el número de épocas en que se produce el evento de apnea.
2. El método de exploración de la reivindicación 1 donde dice saturación de oxígeno incluye los valores de saturación de oxígeno obtenidos durante el sueño mediante cualquier dispositivo que mida el nivel de saturación de hemoglobina en sangre.
3. El método de la reivindicación 1 donde dice épocas, se refiere a tramos de señal de saturación de oxígeno de un minuto de duración.
4. El método de la reivindicación 2 donde dice método de exploración incluye un método de clasificación basado en la regresión logística.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201700500A ES2684533B2 (es) | 2017-03-30 | 2017-03-30 | Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxigeno |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201700500A ES2684533B2 (es) | 2017-03-30 | 2017-03-30 | Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxigeno |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2684533A1 ES2684533A1 (es) | 2018-10-03 |
ES2684533B2 true ES2684533B2 (es) | 2021-04-16 |
Family
ID=63682511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES201700500A Active ES2684533B2 (es) | 2017-03-30 | 2017-03-30 | Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxigeno |
Country Status (1)
Country | Link |
---|---|
ES (1) | ES2684533B2 (es) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3637432B1 (en) | 2018-09-21 | 2022-03-23 | Tata Consultancy Services Limited | System and method for non-apnea sleep arousal detection |
WO2021222897A2 (en) * | 2020-05-01 | 2021-11-04 | The Brigham And Women's Hospital, Inc. | System and method for endo-phenotyping and risk stratfying obstructive sleep apnea |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8585607B2 (en) * | 2007-05-02 | 2013-11-19 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
US9545219B2 (en) * | 2012-11-16 | 2017-01-17 | University Of Manitoba | Acoustic system and methodology for identifying the risk of obstructive sleep apnea during wakefulness |
KR101601895B1 (ko) * | 2014-08-29 | 2016-03-22 | 연세대학교 원주산학협력단 | 산소포화도와 광용적맥파를 이용하여 수면 상태와 중증 정도를 반영한 수면 무호흡-저호흡의 자동 평가 장치 및 그 방법 |
JP6691334B2 (ja) * | 2015-05-19 | 2020-04-28 | 国立大学法人京都大学 | 睡眠時無呼吸症候群の疑いを検知するためのシステム、処理部及びコンピュータプログラム |
-
2017
- 2017-03-30 ES ES201700500A patent/ES2684533B2/es active Active
Also Published As
Publication number | Publication date |
---|---|
ES2684533A1 (es) | 2018-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2348985T3 (es) | Evaluacion de la calidad del sueño y problemas respiratorios durante el sueño basandose en el acoplamiento cardiopulmonar. | |
Almazaydeh et al. | Detection of obstructive sleep apnea through ECG signal features | |
Long et al. | Analyzing respiratory effort amplitude for automated sleep stage classification | |
de Zambotti et al. | Measures of sleep and cardiac functioning during sleep using a multi-sensory commercially-available wristband in adolescents | |
Almazaydeh et al. | Obstructive sleep apnea detection using SVM-based classification of ECG signal features | |
Lai et al. | Prognosis of sleep bruxism using power spectral density approach applied on EEG signal of both EMG1-EMG2 and ECG1-ECG2 channels | |
Tzimourta et al. | EEG-based automatic sleep stage classification | |
US20140180036A1 (en) | Device and method for predicting and preventing obstructive sleep apnea (osa) episodes | |
Alvarez et al. | Nonlinear characteristics of blood oxygen saturation from nocturnal oximetry for obstructive sleep apnoea detection | |
Almazaydeh et al. | A neural network system for detection of obstructive sleep apnea through SpO2 signal features | |
WO2018180219A1 (ja) | 睡眠状態の評価 | |
US7630758B2 (en) | Separation of natural and drug-induced sleep of a subject | |
JP2021517008A (ja) | 睡眠時無呼吸検出システム及び方法 | |
Caseiro et al. | Screening of obstructive sleep apnea using Hilbert–Huang decomposition of oronasal airway pressure recordings | |
Tataraidze et al. | Sleep stage classification based on respiratory signal | |
Sharma et al. | Automated detection of obstructive sleep apnea in more than 8000 subjects using frequency optimized orthogonal wavelet filter bank with respiratory and oximetry signals | |
Garde et al. | Identifying individual sleep apnea/hypoapnea epochs using smartphone-based pulse oximetry | |
WO2008132736A2 (en) | Method and device for characterizing sleep | |
Han et al. | Detection of apneic events from single channel nasal airflow using 2nd derivative method | |
Jayawardhana et al. | Enhanced detection of sleep apnoea using heart-rate, respiration effort and oxygen saturation derived from a photoplethysmography sensor | |
Decker et al. | Validation of ECG-derived sleep architecture and ventilation in sleep apnea and chronic fatigue syndrome | |
ES2684533B2 (es) | Método para la exploración de apnea obstructiva del sueño basado en la señal de saturación de oxigeno | |
Ranta et al. | An open source classifier for bed mattress signal in infant sleep monitoring | |
Moradhasel et al. | Spectrogram classification of patient chin electromyography based on deep learning: A novel method for accurate diagnosis obstructive sleep apnea | |
Sloboda et al. | A simple sleep stage identification technique for incorporation in inexpensive electronic sleep screening devices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
BA2A | Patent application published |
Ref document number: 2684533 Country of ref document: ES Kind code of ref document: A1 Effective date: 20181003 |
|
FG2A | Definitive protection |
Ref document number: 2684533 Country of ref document: ES Kind code of ref document: B2 Effective date: 20210416 |