Виявлення порушень сну за допомогою модифікованого алгоритму узгодженого переслідування – Matching Pursuit

Д. Зоммермайєр, М. Швайболд, Б. Шеллер, Л. Гроте, Й. Хеднер, А. Больц

MCC Gesellschaft f. Діагностична система Medizin und Technik mbH & Co.KG, Карлсруе, Німеччина

Лабораторія сну, кафедра легеневої медицини, Гетеборгський університет, Швеція

Інститут біомедичної інженерії, Університет Карлсруе, Німеччина

Анотація

Порушення сну, крім головного болю, є найбільш часто згадуваною проблемою у лікарів загальної практики.

Приблизно 20% дорослих у західному світі страждають на порушення сну, найчастіше апное уві сні (сонне апное), яким страждають 2-4% дорослих людей середнього віку. Тому потрібний надійний амбулаторний скринінговий тест – обстеження порушень сну вдома, який легко виконати та який не вимагає глибоких знань медицини сну.

У цій статті представлений новий алгоритм на основі Matching Pursuit, який використовує комбінацію SpO2 та інформацію про пульсову хвилю, отриману за допомогою фотоплетизмографії, для розрахунку індексу респіраторних порушень (RDI). Крім того, був побудований “індекс вегетативного збудження” (AAI), щоб відобразити інтенсивність пульсаційних змін, що передбачають раптові сплески симпатичної активності, пов’язані з пробудженням від сну. Алгоритм декомпозиції сигналу, заснований на словнику частотно-часових шаблонів патернів – атомів (відомий як метод Matching Pursuit), був модифікований для аналізу різних патернів у фотоплетизмографических сигналах. Ефективність алгоритму була протестована на 62 послідовних дорослих пацієнтах із підозрою на синдром нічного сонного апное, які були направлені до лабораторії сну. На другому етапі були проаналізовані та зіставлені показники вегетативних збуджень у різних групах пацієнтів.

Розріджена апроксимація – задача розкладання сигналу, що одночасно містить найменшу кількість елементів і мінімізує помилку, за надмірною, що не є лінійно незалежною множиною функцій, що називається словником. Існує два підходи до розрідженої апроксимації – Basis Pursuit та Matching Pursuit. Алгоритм Matching Pursuit, є більш сучасним і добре себе зарекомендував. Один з перших алгоритмів розрідженої апроксимації – MP (Matching Pursuit) був розроблений Mallat S. та Zhang Z. у 1993 році. Він являв собою ітеративний процес пошуку елементів словника, які мінімізують на кожному кроці помилку апроксимації.

Коефіцієнт кореляції між AHI, розрахованим вручну, та автоматично розрахованим RDI з використанням тільки каналів пульсової оксиметрії становив r = 0,967. Аналіз Бланда-Альтмана показав середню різницю –0,6 між двома параметрами. Використовуючи граничне значення RDI ≥ 15/год для класифікації SA, було досягнуто чутливості 96,2% та специфічності 91,7%. Середнє значення AAI значно різниться між здоровими людьми та людьми з помірною кількістю респіраторних подій, важкими пацієнтами з сонним нічним апное та безсонням.

Цей новий комп’ютерний алгоритм надає простий та дуже точний інструмент для кількісної оцінки нічного сонного апное та надає важливу інформацію про автономну активність під час сну. Таким чином, така система скринінгу, мабуть, дає важливу інформацію для діагностики інших захворювань, таких як вегетативна невропатія або безсоння.

Ключові слова: Matching Pursuit, скринінг сну, нічне сонне апное уві сні, вегетативні збудження, алгоритм узгодженого переслідування.

1.Вступ – нічне сонне апное: що це, методи діагностики

Апное уві сні (нічне сонне апное) – поширене респіраторне захворювання, яке характеризується епізодами тимчасової відсутності або припинення дихання під час сну. Нічне сонне апное часто асоціюється з патологічними станами, такими як серцева недостатність, гіпертонія, серцево-судинні захворювання та цереброваскулярні захворювання.

Таким чином, зростає розуміння сонного нічного апное як потенційного фактора ризику серцево-судинних захворювань.

Золотим стандартом діагностики сонного нічного апное уві сні є полісомнографія (ПСГ) у лабораторії сну, яка потребує великих витрат часу та грошей, а доступність у деяких областях обмежена.

Тому потрібен надійний амбулаторний скринінговий тест (обстеження порушень дихання уві сні вдома), який легко і практично виконувати і який не вимагає глибоких знань медицини сну.

Отже, для амбулаторного використання було запропоновано низку альтернатив полісомнографу.

Пульсоксиметрія спершу приваблива своєю широкою доступністю і простотою застосування. Зменшення насичення киснем, виявлене пульсоксиметрією, використовується для позначення респіраторних захворювань. Але результати попередніх досліджень показують широкий діапазон чутливості від 40% до 100% при порівнянні ПХГ та пульсової оксиметрії. Ці результати можна пояснити впливом інших параметрів насичення киснем, таких як положення під час сну, фаза сну, частота дихання і т.д.

Представлена ​​робота являє  собою новий комп’ютерний онлайн-алгоритм для фотоплетизмографічних сигналів, заснований на модифікованій процедурі Matching Pursuit. Зміни внутрішньогрудного тиску, які викликають частотну складову у виміряному дистальному сигналі пульсової хвилі, аналізуються, щоб розділити нічне сонне апное на обструктивне і центральне. Крім того, оцінюються морфологічні зміни сигналу пульсової хвилі, що вказують на раптову зміну вегетативного тонусу, що дозволяє оцінити показник якості сну та дає цінні відомості про стан вегетативної системи.

2.Матеріали та методи

2.1. Принцип розробленого алгоритму.

Основна ідея алгоритму полягає у поєднанні інформації з кількох сигналів пульсової оксиметрії, отриманих від одного датчика на пальці пацієнта. Можна взяти до уваги додаткову інформацію, наприклад, із сигналу потоку, якщо вона доступна.

Оцінюються морфологічні зміни сигналу пульсової хвилі, що свідчать про раптову зміну вегетативного тонусу. “Індекс вегетативного збудження” (AAI) був побудований для відображення інтенсивності пульсаційних змін, що передбачають раптові сплески симпатичної активності, пов’язані з пробудженням від сну та фрагментацією сну.

Спочатку алгоритм обчислює параметри амплітуди пульсової хвилі (PWA) та частоти пульсу (PR), що беруться з нефільтрованого сигналу пульсової хвилі (рисунок 1).

Рис.1 Розрахунок параметрів пульсової хвилі

амплітуди пульсової хвилі (PWA) та частоти пульсу (PR)

Всі 3 сигнали – SpO2, PWA та PR – аналізуються з використанням модифікованої онлайн-процедури Matching Pursuit. Крім того, відфільтрований сигнал PWA аналізується, щоб розділити респіраторні події на обструктивні та центральні. Вихідний алгоритм Matching Pursuit поділяє будь-який сигнал на лінійні розширення форм сигналів, які вибираються із словника функцій. Ці форми сигналів вибрані для найкращої відповідності структур сигналів.

Нарешті, зберігається набір параметрів, що показує найкращий показник якості. Якщо LSE нижче за певний поріг, буде скоригований весь атом. В іншому випадку, шаблон ігнорується.

2.2. Модифікований алгоритм пошуку збігів

Розкладання сигналів всіх трьох сигналів, SpO2, PWA та PR, було виконано за допомогою модифікованої та оптимізованої процедури Matching Pursuit (MP).

Замість повного словника можливих шаблонів сигналів (атомів), який вимагає багато пам’яті, визначається похідна функція, що складається з трьох підфункцій. Функцію можна змінювати за допомогою п’яти параметрів, щоб настроїти її на зразки сигналів у згаданих сигналах.

Адаптація описаного атома до кожної вибірки сигналів, що відповідало б класичному алгоритму MP, потребує великих обчислювальних ресурсів. Отже, перші перспективні позиції в сигналах ідентифікуються шляхом аналізу ослаблення сигналу до наперед визначеного порога. Щоб оцінити релевантність шаблону сигналу, рівень якості визначається на основі найменшої квадратичної помилки (LSE) між загасанням вихідного сигналу і першою підфункцією.

У процесі оптимізації змінюються настройки першої підфункції. Нарешті, зберігається набір параметрів, що показує найкращий показник якості. Якщо LSE нижче за певний поріг, буде налаштований весь атом. В іншому випадку, шаблон ігнорується.

У разі налаштування всього атома наступним кроком є ​​визначення приблизної тривалості патерну за допомогою критеріїв похідної та амплітуди. Атом апроксимується з використанням того ж розрахунку LSE, який вже використовувався для першої частини атома. При цьому якість відповідності всього атома обчислюється і використовується для прийняття рішення, чи відображає шаблон сигналу ослаблення, яке цікавить виявлення подій сну.

2.3. Розрахунок трудовитрат

Як описано Murray et al. 1967 р. зміни внутрішньогрудного тиску при самостійному диханні можна було побачити по периферичному пульсу.

Відповідно, аналізується активність компонента сигналу PWA у типовому діапазоні частот дихання (~ 0,15-0,4 Гц), щоб отримати інформацію про обструктивний або центральний характер респіраторних подій. Тому перехідні згасання сигналу PWA видаляються за допомогою фільтрації верхніх частот. Після цього сила частотної складової, яка відображає дихальне зусилля, визначається шляхом обчислення сигналу, що огинає «зусилля».

2.4. Визначення фізіологічного стану шляхом комбінування виявлених патернів MP

Алгоритм використовує два варіанти виявлення респіраторних подій:

– Зниження SpO2 на 4% з мінімальною довжиною чотири секунди

– Зниження SpO2 на 3% та одночасне виникнення вегетативного збудження (визначення див. нижче)

Щоб виявити наявність або відсутність дихального зусилля, сигнал зусилля, отриманий із сигналу PWA, аналізується під час передбачуваної фази респіраторної події та розглядається по відношенню до середньої амплітуди за 15 секунд до події. Остаточне рішення ухвалюється щодо «співвідношення зусиль» поточної події:

Співвідношення зусиль = Середнє зусилля під час події / Середнє зусилля перед подією

Оскільки зміни внутрішньогрудного тиску часто підвищуються під час обструкції, можливі співвідношення зусиль > 1,0. Для виявлення центральної події потрібне відношення зусиль явно менше 1,0.

Термін “вегетативне збудження” використовується для опису короткочасних реакцій вегетативної регуляції. Ці події не обов’язково пов’язані із порушенням ЕЕГ. Існує значний інтерес до використання зручних, неінвазивних маркерів симпатичної активації у певних ситуаціях, наприклад, під час порушень сну, таких як нічне сонне апное.

У цій роботі «вегетативне збудження» визначається як збільшення частоти пульсу та/або зменшення амплітуди пульсової хвилі. Є три варіанти визначення вегетативного збудження:

– явне почастішання пульсу

– явне падіння амплітуди пульсової хвилі

– невелике збільшення частоти пульсу та невелике зменшення PWA одночасно

2.5. Суб’єкти

Точність автоматично розрахованого RDI була перевірена на 62 послідовних дорослих пацієнтах із підозрою на сонне нічне апное, які були направлені у відділення медицини сну університетської лікарні Сальгренська у Гетеборзі. Характеристики пацієнтів, які брали участь у дослідженні, перелічені у таблиці 1.

Таблиця 1. Характеристики пацієнтів

* ODI – індекс десатурації кисню

Всім пацієнтам було проведено стандартну нічну поліграфію (PG) за допомогою апарату SOMNOcheck 2 (WEINMANN, Німеччина), який є визнаним методом PG-діагностики (нічної поліграфії).

Дані нічної поліграфії PG були вручну оцінені зареєстрованими фахівцями зі сну. Сонне апное оцінювали з використанням стандартних критеріїв, встановлених Американською академією медицини сну.

Для оцінки виявлених вегетативних збуджень було проаналізовано п’ять груп. Таблиця 2 містить параметри груп.

Таблиця 2. Характеристики груп пацієнтів

3. Отримані результати

89 пацієнтів завершили дослідження нічної поліграфії PG у домашніх умовах. Через технічні проблеми або втрачені датчики у 27 суб’єктів не було аналізованих даних (аналізований потік і фотоплетизмографічні сигнали) протягом більше 3 годин.

3.1. Оцінка AHI вручну в порівнянні з RDI

Оскільки неможливо визначити, чи падіння сатурації SpO2 викликане нічним сонним апное або гіпопное без сигналу потоку, індекс респіраторних порушень (RDI) розраховується за допомогою сигналів пульсової оксиметрії. Коефіцієнт кореляції між AHI з ручною оцінкою та автоматичним RDI становив r = 0,967. Аналіз Бланда-Альтмана показав, що середня різниця між двома параметрами становить 0,6. Графік кореляції автоматичного RDI і AHI, що оцінюється вручну, можна побачити малюнку 2.

Рисунок 2. Кореляція автоматичного RDI та ручного AHI

3.2. Діагностична здатність RDI

Наявність синдрому нічного апное уві сні визначали за пороговим значенням ≥ 15/год (рекомендації ICSD-28), щоб підтвердити діагностичну чутливість та специфічність автоматичних RDI. При 96,2% для чутливості та 91,7% для специфічності обидва значення були виявлені >90%.

3.3. Характер хвороби

Коефіцієнт кореляції Пірсона для обструктивного RDI і оціненого вручну обструктивного AHI склав 0,95, коефіцієнт кореляції центрального RDI (c RDI) і вручну оціненого центрального AHI (c AHI) склав 0,86. Середні помилки між ручними та автоматичними показниками становили від мінус 0,2/год до мінус 0,1/год. Переважаючий характер захворювання правильно виявлено у всіх 62 випадках.

3.4. Вегетативні порушення у різних груп пацієнтів

Середнє значення AAI (подій/год) у здоровій групі склало 19,9 (±5,0), для людей з помірною кількістю респіраторних подій – 32,7 (±13,7), важким нічним сонним апное – 56,1 (± 16,4), діабетом – 21,3 (± 12,0) та безсонням 34,8 (± 9,8). AAI значно розрізнялися між здоровими людьми та людьми з помірною кількістю респіраторних подій (незалежний t-критерій, p<0,05), здоровими та важкими пацієнтами з сонним нічним апное (p<0,005) та здоровими та страждаючими безсонням (p<0,005).

Рис.3 AAI та ODI у різних групах пацієнтів

4.Обговорення

Представлений алгоритм поєднує інформацію кількох сигналів, що походять від одного датчика пульсової оксиметрії.

Економія ресурсів та точний онлайн-аналіз, заснований на процедурі Matching Pursuit, надає точну інформацію про час та частоту виявлених шаблонів. Якщо подивитися на кілька характеристик та хронологічні елементи, ці закономірності поєднуються з фізіологічними порушеннями сну, такими як респіраторні події та вегетативні збудження.

Досягнуті результати явно перебувають у межах очікуваного розкиду варіабельності результатів ручного аналізу AHI між різними учасниками. Відомі алгоритми, а також ручні лічильники показують найбільшу варіабельність результатів, особливо у разі легких респіраторних явищ (гіпопное, сплющування), які часто спричиняють лише невеликі падіння сатурації SpO2. Представлений підхід оцінює діагностичну цінність невеликого зниження сатурації SpO2 шляхом перевірки релевантності патерну шляхом перевірки супутніх вегетативних збуджень.

Таким чином, автоматизований підрахунок балів дає можливість усунути проблему варіабельності показників та регіональних відмінностей за умов AHI.

Оскільки такий алгоритм може використовуватись у простих пристроях для скринінгу вдома у пацієнта, можливий вимір кількох ночей поспіль. Це дає лікарю інформацію про варіабельність у нічний час, а також доступ до додаткової інформації, яку не можна отримати при дослідженні за одну ніч, наприклад, змінюючи нічні змінні, такі як споживання алкоголю або положення під час сну.

5.Висновки

Ми використовували новий алгоритм, який виконує скринінг сну лише за допомогою даних пульсової оксиметрії. Порівняно з попередніми звітами розроблений алгоритм пропонує відмінну діагностичну чутливість (>95%) та специфічність (>90%). Крім того, він надає інформацію про обструктивний або центральний характер захворювання.

Показники «вегетативних збуджень» суттєво відрізнялися у різних групах пацієнтів, що може мати корисне діагностичне значення. У поєднанні з іншими параметрами (наприклад, ODI) AAI, мабуть, надає важливу додаткову інформацію про вегетативну регуляцію під час нормального та порушеного сну. Новий алгоритм працює онлайн та оптимізований з точки зору споживання пам’яті та обчислювальної потужності, тому його можна реалізувати та протестувати у стандартній вбудованій системі.

Представлена ​​методика дозволяє проводити дуже простий, зручний та точний скринінг сну.

Ця робота була надана Міністерством освіти та науки Німеччини (BMBF).