Algorithms for Sleep Medicine

Resumo

Os trastornos do sono afectan a unha parte importante da sociedade, causando problemas que van dende a somnolencia di urna ata condici ons severas que ameazan a supervivencia. Afortunadamente, os expertos m edicos poden diagnosticalos e propo~ner un tratamento despois de analizar os datos rexistrados nun estudo do sono. O m ais com un destes estudos e a polisomnograf a. Durante o sono, rex stranse os sinais neuro siol oxicas do doente e, posteriormente, os expertos est udanos e anal zanos. O obxectivo e caracterizar a macro e micro estrutura do sono para comparala con caracterizaci ons de referencia, tanto de sono normal como de sono con trastornos. Mediante esta comparaci on p odese identi car a patolox a do doente. O problema desta aproximaci on e que a caracterizaci on e unha tarefa complexa e arida, consumindo varias horas incluso a un experto adestrado. Sen d ubida, a duraci on de esta tarefa dimin ue a capacidade das unidades do sono, sendo o seu l mite principal. Nesta tese desenvolvemos algoritmos que analizan os sinais automaticamente, solucionando este problema. Evitamos que o tempo do experto se consuma no an alise para que o poida empregar na diagnose e na proposta de tratamento. Propo~nemos m etodos para a clasi caci on das fases do sono e a detecci on dos seus eventos, cubrindo as a caracterizaci on da macro e micro estrutura do sono. Tam en presentamos a validaci on dun dos nosos algoritmos, utiliz andoo nun entorno real, e a construci on dunha API, pensada para facilitar o uso dos nosos algoritmos. Nesta tese utilizamos a intelixencia arti cial para conseguir as nosas metas. Con extracci on de caracter sticas e aprendizaxe m aquina detectamos os eventos da microestrutura do sono: despertares e fusos do sono. Para o primeiro evento tam en inclu mos un m etodo baseado no reco~necemento de patr ons. Para a clasi caci on das fases do sono utilizamos modelos de aprendizaxe profunda, en particular redes convolucionais