Polissonografia Digital

Prévia do material em texto

Polissonografia Digital – Requisitos de Software para Estagiamento 
Automático do Sono 
 
Engª Marise Miranda1, Aristides Tavares dos Santos2, Prof. Dr. Carlos José Reis de 
Campos3 
 
1Mestre em Engenharia - Doutoranda em Informática em Saúde, Universidade Federal do Estado de São Paulo 
(UNIFESP), Brasil 
2Mestrando em Informática em Saúde, Universidade Federal do Estado de São Paulo (UNIFESP), Brasil 
 3Médico Neurologista - Vice Coordenador do Programa de Pós Graduação em Informática em Saúde, 
Universidade Federal do Estado de São Paulo (UNIFESP), Brasil 
 
 
 
Resumo – Modelos de sistemas automáticos usados na detecção e classificação dos estágios do sono humano 
tem sido objetos de muitas pesquisas de interesse clínico no processo de classificação dos sinais 
polissonográficos para estudo do sono humano, visando investigar distúrbios respiratórios e neurológicos. A 
análise visual de um exame de polissonografia com duração média de 8 horas é cansativa e exige atenção por 
parte do especialista. Através de técnicas computacionais aplicadas à polissonografia digital pode-se 
automatizar o estagiamento do sono, auxiliando o especialista em saúde na análise de problemas relacionados 
ao sono. O levantamento de requisitos auxilia na determinação de algoritmos que possam ser aplicados na 
etapa de processamento do sinal dos estágios do sono para garantir a qualidade do estagiamento automático. 
 
Palavras-chave: sono, processamento computacional, sinais biológicos. 
 
Abstract – Automatic system models regarding the detection and classification of human sleep stage has been 
object of many researches of clinical interests in the signals recognition process the polysomnography for human 
sleep studies, in the respiratory and neurological events. The visual analysis in polysomnography with around 
duration of 8 hours is tedious and demands specialist’s attention. Through applied computational techniques to 
the digital polysomnography makes be automatic staging sleep, to assist the health’s specialist in the analysis of 
trouble related with sleep. The requirements assists in the algorithms specials that can be applied in the stage of 
signal processing in the automatic sleep staging quality. 
 
Key-words: sleep, computational processing, biological signals. 
 
 
Introdução 
 
A análise dos registros polissonográficos é 
uma técnica para a investigação de distúrbios do 
sono, fornecendo informação dos registros de 
sinais biológicos da atividade elétrica cerebral. 
O sono não é um estado homogêneo, 
havendo dois estados distintos, sono REM e 
NREM. O sono em que ocorrem os movimentos 
rápidos dos olhos – REM (rapid eye movements) 
ocupa cerca de 20 % do sono em um adulto e é tão 
importante quanto o restante do sono denominado 
de NREM (Não REM), dividido em quatro fases, 
chamadas de estágios, de 1 a 4 [1]. 
Os dois estados do sono, REM e NREM 
alternam-se em ciclos, durante o período de 8 
horas de sono, associando-se os sonhos aos 
movimentos oculares rápidos. O sono é dividido 
dentro dos seguintes estágios: vigília, estágio 1 – 
sonolência, estágio 2 – sono leve, estágio 3 – sono 
profundo, estágio 4 - sono muito profundo e sono 
REM [1]. 
Para auxiliar os especialistas na análise dos 
sinais registrados durante o sono, em 1968 
definiram-se critérios de monitoramento e 
estagiamento, padrão esse ainda adotado, 
representado na Figura 1 [2]. 
O monitoramento do sono busca por sinais 
típicos indicados para análise dos registros 
polissonográficos. No estagiamento do sono é feita 
a classificação de cada estágio, sua duração e 
quantidade de ocorrências ao longo de uma noite 
de sono. A classificação é feita em períodos de 30 
segundos do exame chamados épocas, até os dias 
atuais ainda é usada a mesma sistematização para 
o chamado estagiamento do sono. 
No estagiamento avaliam-se padrões 
eletrencefalográficos específicos e ritmos cerebrais 
(ondas alfa, ondas de atividade lenta, fusos do 
sono, complexos K e outros) conjuntamente com o 
 
 
tônus muscular e os movimentos oculares. O termo 
polissonografia passou a ser utilizado a partir de 
1974, dois anos após serem incluídos na rotina do 
exame o registro da freqüência cardíaca e os 
transdutores respiratórios pelo grupo de Stanford 
em São Francisco na Califórnia [3]. 
 
 
CLASSE 
 
DESCRIÇÃO DO SINAL 
 
SINAL AMOSTRADO 
 
V
ig
íli
a 
 
O EEG exibe ritmo alfa quando o 
sujeito se encontra relaxado com 
os olhos fechados. Esse ritmo se 
altera quando o sujeito está 
tenso, ou mesmo com os olhos 
abertos. Também pode se 
encontrar o ritmo alfa, mesmo 
com os olhos abertos, se o 
indivíduo está sonolento. 
 
 
 
E
st
ág
io
 1
 Atividade de relativa baixa 
voltagem e freqüências mistas. 
Mista porque é comum a 
presença de artefatos, além de 
pequenas faixas de atividade teta 
que fragmenta o ritmo alfa. 
 
 
 
E
st
ág
io
 2
 
 
 Atividade de baixa voltagem e 
freqüências mistas. Basicamente, 
a diferenciação do estágio 2 para 
o estágio 1, se dá em dois 
padrões específicos conhecidos 
como fuso e complexo K. Os 
fusos são compostos por ondas 
de 12 a 14 Hz com duração de 
0,5 a 1,5 seg., enquanto que os 
complexos K são descritos como 
ondas agudas negativas bem 
delineadas, imediatamente 
seguidas por um componente 
positivo. 
 
 
 
 
Es
tá
gi
o 
3 
Apresenta um mínimo de 20% e 
um máximo de 50% de ondas de 
2 Hz com amplitudes maiores que 
75 µV de pico a pico por época. 
E
st
ág
io
 
4 
As ondas de atividade lenta, 
maior que 75 µV de pico, devem 
ser predominantes, estando 
presentes em pelo menos 50% na 
época analisada. 
 
R
E
M
 
 
O padrão do EEG para o sono 
REM também é caracterizado 
pela relativa baixa voltagem e 
freqüências mistas. Embora esse 
estágio se chame REM o simples 
movimentos dos olhos não é 
suficiente para indicar esse 
estado do sono. Isso acontece 
uma vez que o fenômeno não é 
contínuo, pois muitos indivíduos 
não apresentam o movimento 
rápido dos olhos. 
 
 
 
 
 
Figura 1 – Padrões definidos para estagiamento do sono 
(Adaptado de CARSKADON e RECHTSHAFFEN, 1994) 
 
Pesquisas têm sido realizadas para 
automatizar o processo de monitoramento e 
estagiamento na classificação dos sinais 
polissonográficos para estudo do sono humano, 
visando investigar distúrbios respiratórios e 
neurológicos [4]. Por ser um exame que tem a 
duração em torno de 8 horas, ou seja, uma noite de 
sono, a análise visual é um processo lento e 
cansativo por parte do especialista em saúde, 
devendo ser revisadas centenas de páginas 
impressas registradas em torno de 30 segundos 
cada, de sinais compostos em média de 18 canais. 
Sendo esta uma das vantagens para a 
automatização no processo de classificação dos 
sinais do sono, dim
especialistas apenas e
selecionadas pelos algo
Somando-se a 
desenvolvimento de re
computadores e progra
facilidade no que se refe
interpretação dos dados
Entretanto, o leva
o desenvolvimento de u
automático requer a co
sono humano e 
monitoramento, consid
classificação e padrões 
 
 
Especificação para 
estagiamento automát
 
São vários os sin
sono, conforme Figura
utilizados em po
eletroencefalograma (E
cerebral, o eletrooculog
dos olhos e o eletrom
elétrica muscular [2]. 
Esses sinais são 
especializados em regis
eletrodos e transdutores
sinais analógicos para
processados posterio
computacionais especia
Figura 2 – Sinais biológico
distúrb
 
Exemplos de pad
representados na Figura
 
inuindo a análise dos 
m segmentos previamente 
ritmos computacionais. 
isso, a difusão do 
cursos tecnológicos como 
mas, permitiu uma grande 
re ao registro, à análise e à 
 registrados [3]. 
ntamento de requisitos param sistema de estagiamento 
mpreensão da estrutura do 
a importância do seu 
erando os critérios de 
de sinais. 
o monitoramento e 
ico do sono 
ais utilizados na análise do 
 2. Os sinais essenciais 
lissonografia são o 
EG) – atividade elétrica 
rama (EOG) – movimento 
iograma (EMG) - atividade 
captados por equipamentos 
tros fisiológicos, através de 
, sendo eles convertidos de 
 sinais digitais, que serão 
rmente por algoritmos 
lizados. 
 
 
SINAL ORIGEM 
EEG Atividades cerebrais 
EOG Movimentos oculares 
EMG Queixo 
A1,A2 Referência auricular 
s mais utilizados na análise dos 
ios do sono 
rões dos sinais acima estão 
 3, mostram formas típicas 
 
de sinais como modelos de padrões a serem 
identificados e analisados [5]. 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 3 – Exemplos de padrões de ondas cerebrais para 
análise do especialista 
 
Vários critérios de seleção ou detecção são 
usados no desenvolvimento de métodos de 
automatização do monitoramento e estagiamento 
do sono, para distinguir sinais característicos de 
interesse na análise do especialista. 
No monitoramento do sono são utilizados os 
filtros passa alta, passa baixa e filtro de incisura 
para eliminação dos ruídos de 60 Hz sobrepostos 
aos sinais de interesse [2]. Como esses sinais não 
são estacionários, ou seja, grande variabilidade no 
tempo, técnicas de classificação tradicionais por 
transformadas de Fourier não conseguem 
compensar as rápidas alternâncias da base 
ortogonal (funções senos e co-senos) no domíno da 
frequência [6]. 
 A técnica que tem propiciado menor erro, 
utilizando a redundância na aproximação, é a 
Transformada de Wavelets (TW). A implementação 
desse algoritmo, em programas de computador, 
torna-se mais fácil devido a grande número de 
aplicações disponíveis. Em termos computacionais 
requer menor tempo de processamento, 
consumindo menos ciclos por máquina. A TW 
aproxima os vários espectros no domínio da 
freqüência utilizando a redundância das funções em 
intervalos muito curtos [7]. 
Outros estudos implementaram algoritmos 
de classificação diferentes, no entanto, o custo 
computacional não foi levado em consideração nos 
relatos, apenas a eficiência do algoritmo, que para 
muitos casos não resultou em melhorias 
consideráveis. 
Técnicas diversas podem ser utilizadas para 
cobrir as necessidades do monitoramento como o 
reconhecimento de padrões de sinais, detecção de 
ondas de freqüências elevadas ou picos de 
amplitudes nos sinais associados ao sono usando 
técnicas de filtragem, aproximação Baysiana 
(número de características ocorridas nas 
proximidades), e até técnicas de redes neurais. 
A polissonografia digital, além do 
monitoramento, é utilizada para o estagiamento 
automático do sono, simulando o procedimento e o 
raciocínio de especialistas em saúde, 
implementando seu modelo em um programa de 
computador. 
A representação gráfica exibe parâmetros 
importantes sobre o estagiamento, durante as 8 
horas de sono aproximadamente, permitindo a 
análise visual pelo especialista dos resultados 
obtidos de modelos matemáticos automatizados, 
comparação com outros modelos, extração de 
dados, tais como, o índice de acerto de cada 
estágio específico. 
 
a/b - ondas com picos elevados 
c - ondas de amplitude baixa 
d - ondas de amplitude alta 
e - ondas de freqüência baixa 
f - ondas de freqüência alta 
O método gráfico para representar a 
distribuição dos diferentes estágios do sono sobre 
determinados intervalos de tempo tem sido feito 
através do hipnograma (Figura 4), caracterizando a 
duração dos estágios e suas transições [8]. 
 
 
 
 
 
 
 
Figura 4 – Representação de um hipnograma 
 
Os algoritmos representando modelos 
matemáticos estatísticos e probabilísticos são 
implementados no estagiamento automático para 
exibir graficamente a dinâmica do sono. Esses 
algoritmos visam propiciar a quantificação de 
períodos que o paciente acordou durante o sono e 
permitem a montagem do hipnograma, 
representando todos os estágios durante uma noite. 
Assim, o médico poderá determinar a qualidade do 
sono, identificar anormalidades e estabelecer com 
precisão o diagnóstico correto. 
 
 
Um simples algoritmo de densidade 
probabilística poderia representar apenas a 
transição entre o estado acordado e dormindo, 
porém não ofereceria a representação dos critérios 
definidos para o estagiamento do sono. Os 
parâmetros em um modelo de hipnograma, levam 
em consideração, a distribuição cumulativa dos 
estágios em vários períodos, a probabilidade da 
aproximação de estágios distintos, a probabilidade 
da transição instantânea entre estágios, taxa de 
ocorrência das transições, intervalos curtos, entre 
outros dados [9]. Em geral, são aplicados modelos 
de processos estocásticos para representar, de 
modo estimado, o hipnograma, considerando os 
padrões definidos de estagiamento do sono. 
Entretanto, o que deve ser levado em 
consideração no desenvolvimento de programas 
computacionais, previstos para estas aplicações, 
vai muito além do levantamento de requisitos e 
especificações de algoritmos, desenvolvimento do 
“software”, da implementação até a manutenção 
desse sistema depois que entrou em operação [10]. 
É necessário avaliar o custo da implementação de 
algoritmos complexos e a carga em seu 
processamento. 
O modelo representado a seguir, na Figura 5, 
para polissonografia digital, procura cobrir de modo 
simplificado os requisitos mínimos para a etapa 
inicial do desenvolvimento do projeto. 
Esses requisitos contemplam a 
representação gráfica na tela do computador, 
escala de tempo variável, variação de faixas de 
amplitudes, montagens e remontagens dos sinais, 
aplicação de filtros digitais e outras técnicas 
matemáticas [11]. 
 
 
 
 
 
Figura 5 – Modelo para polissonografia digital 
 
Cada pacote de subsistema deve ser 
detalhado de acordo com a percepção do analista 
no entendimento das necessidades do clínico. O 
modelo serve também para esclarecer ao usuário 
em quais etapas devem estar incorporadas às 
funcionalidades exigidas (Tabela 1): 
 
Interface do Usuário 
(funcionalidades e interação) 
Sinais Impressora (impressão de 
configurações selecionadas) 
Plotagem Sinais Polissonografia 
(configuração de montagens de 
sinais) 
E
ta
pa
 d
e 
ap
re
se
nt
aç
ão
 d
os
 
da
do
s 
Sinais tela (alteração amplitude e 
tempo – seleção de sinais) 
 
 
Métodos quantitativos de análise de 
dados (faixas de 
amplitude e freqüência – filtros passa 
alta, baixa e faixa, filtro 60 Hz), 
inversão de fase. 
Métodos qualitativos de análise dos 
dados (artefatos, séries de 
transformadas e derivadas). 
Reconhecimento de padrões – 
técnicas estatísticas e 
Inteligência Artificial. 
Detecção e classificação dos 
estágios do sono – hipnograma. 
Et
ap
a 
de
 P
ro
ce
ss
am
en
to
 d
e 
da
do
s 
Integração dos dados – integração 
com outras tecnologias 
 
 
Tabela 1 – Funcionalidades mínimas de cada subsistema da 
Polissonografia Digital 
 
 
Para a etapa de processamento de dados 
são englobados todos os algoritmos matemáticos 
de quantificação, classificação, seleção e de 
reconhecimento de padrões utilizados no projeto. É 
nesta etapa que são incorporados filtros digitais 
adaptativos, transformadas de séries matemáticas, 
relações de domínio do tempo e freqüência, e 
também processos estatísticos, considerando-se o 
custo da implementação e do processamento [12]. 
A adoção de programação de código aberto 
e linguagem multiplataforma comoa Java, permite 
a uso de bibliotecas já desenvolvidas de uso livre, 
como rotinas de filtros digitais, rotinas de 
amplificação do sinal, dentre outras [13]. 
 
Discussão e Conclusão 
 
Os conhecimentos adquiridos em pesquisas 
e a evolução dos programas de computador para o 
estagiamento do sono são crescentes. Novos 
algoritmos de detecção são testados nesses 
programas, destacando-se o uso de técnicas de 
estatísticas e redes neurais que aprendem os 
modelos matemáticos. No entanto, muitos métodos 
 
 
de avaliação, inseridos nos “softwares” não 
ganharam a popularidade na prática clínica [5]. A 
limitação não está nos resultados dos recursos 
computacionais, nem tão pouco na teoria do 
processamento de sinais, mas na ambigüidade do 
padrão definido para o estagiamento e na análise 
dos sinais pelos especialistas, que na prática 
conduzem à geração de modelos matemáticos 
imprecisos. Tais modelos não levam em 
consideração a experiência desses especialistas. 
Não trata situações de sono natural e induzido por 
medicamentos, considera apenas o padrão de sono 
em adultos. 
Estas desvantagens podem ser corrigidas 
futuramente, na proposta dos requisitos, levar-se-á 
em consideração a abordagem do código aberto 
para que outros modelos matemáticos possam ser 
experimentados, atendendo a interoperabilidade 
com outros sistemas e compatibilizando recursos 
com necessidades mais específicas. 
 
Referências 
 
[1]Niedermeyer, E. Sleep and EEG. In: 
Niedermeyer, E. and SILVA, F.L. 
Electroencephalography. Basic Principles, 
Clinical applications, and related fields. 5 Ed. 
Lippincott Willian&Wilkins, Philadelphia, p 
194–203, 2004. 
 
[2]Carskadon, M. A. e Rechtschaffen, A. Monitoring 
and Staging Human Sleep. In: Kryger, M., 
Roth, T. e Dement, W. Principles and 
Practice of Sleep Medicine. 2. Ed. USA: W. 
B. Saunders Company, p 943 – 955, 1994. 
 
[3]Bustamante, G. O., Monitorização 
polissonográfica aspectos gerais. Simpósio 
Distúrbios Respiratórios do sono, Medicina de 
Ribeirão Preto, Volume 39, número 2, p 169 – 
184, 2006. 
 
[4]Nieuwenhuijs, D. Processed EEG in natural 
sleep, PubMed, Vol 13. Issue 2, Marc, p 49 –
56, 2006. 
 
[5]Agarwal, R. e Gotman, J., Digital Tools in 
Polysomnography. Journal of Clinical 
Neurophysiology. American Clinical 
Neurophysiology Society, Número 19, 
Volume 2, p 136 – 143, 2002. 
 
[6]Rangayyan, R. J., Biomedical Signal Analysis – A 
case – study approach. Wiley Student 
Edition, IEEE Press, p 391 – 409, 2004. 
 
[7]Reddy, D. C., Biomedical Signal Processing – 
Principles and Techiniques. McGraw-Hill, p 
315 – 321, 2005. 
 
[8]Agarwal, R. e Gotman, J.. Computer-Assited 
Sleep Stanging, IEEE Transactions on 
Biomedical Engineering, Número 12, Volume 
48, p 1412 – 1423, 2001. 
 
[9]Reddy, D. C., Biomedical Signal Processing – 
Principles and Techiniques. McGraw-Hill, 
Cap 5 – Sleep EEG, p 178 – 197, 2005. 
 
[10]Somerville, I. Engenharia de Software. Editora 
Addison Wesley, São Paulo, 6 ed, cap 1, p 
12 – 18, 2003. 
 
[11]Park, H. Automated Sleep Stage Analysis Using 
Hybrid Rule-Based and Case-Based 
Reasoning, Tese de doutorado, 
Interdisciplinary Program of Medical and 
Biological Engineering Major, p 10 – 16, 
2000. 
 
[12]Wiederhold, G. e Shortliffe, E. H. System 
Design and Engineering. In: Shortliffe, E.H; 
Perreault, L.E; Wiederhold, G and Fagan, 
L.M. Medical Informatics: Computer 
Applications in health care and biomedicine. 
Second Edition, Springer-Verlag, New York,. 
p 181 – 186, 2001. 
 
[13]Reis, C. R., Caracterização de um processo de 
Software para projetos de Software Livre, 
Dissertação de Mestrado, Instituto de 
Ciências Matemáticas e de Computação da 
Universidade de São Paulo, p 93 –94, 118 – 
119, 2003. 
 
 
Contato 
 
Carlos Jose Reis de Campos 
e-mail:cjcamp@dis.epm.br 
 
Marise Miranda 
e-mail:miranda-pg@dis.epm.br 
 
Aristides Tavares dos Santos 
e-mail: aristides-pg@dis.epm.br