נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
ניתוח שלבי שינה בשיטת למידה עמוקה בשימוש אותות אודיו בלבד
A deep learning approach for sleep stage identification using audio signals
תקציר בעיברית
זיהוי שלבי שינה הוא שלב הכרחי בפוליסומנוגרפיה (PSG), מחקר שינה מקיף המספק הבנה על איכות וכמות השינה. תהליך זיהוי שלבי השינה כולל חיישנים מרובים, שינה בסביבה לא מוכרת ותיוג על ידי טכנאים מה שהופך את התהליך לסובייקטיבי, גוזל זמן ועלול להיות מוטה. במחקר זה, אנו מציעים גישה מבוססת DNN לביצוע זיהוי שלבי שינה באופן אוטומטי, בין ארבעה שלבים (ערות, שינה קלה, שינה עמוקה ושנת חלום) באמצעות אותות שמע בלבד. לצורך ביצוע המחקר, השתמשנו במאגר נתונים של 248 נבדקים, פיתחנו אלגוריתם סנכרון ומימשנו העברת למידה (TL) על פי מודל שאומן מראש. המערכת השיגה דיוק כולל של 75% וציון F1 של 0.84 בזיהוי שינה/ערות. למרות שנדרשים מאמצים נוספים כדי לשפר את התוצאות, הגישה שלנו טומנת בחובה פוטנציאל לפתח מערכת ללא היסט בתחום הרפואה המרוחקת, שניתן לעשותה בבית.
תקציר באנגלית
Sleep staging is a critical step in polysomnography (PSG) which is a sleep study that provides insight into the quality and quantity of sleep. The process of sleep staging involves multiple sensors, sleeping in an unfamiliar environment, and annotating by human experts which is subjective, time-consuming, and potentially biased. This study proposes a DNN-based approach to perform automatic sleep staging between four stages (Wake, Rapid Eye Movement (REM), Light, and Deep) using audio signals solely. In order to perform the study, we used a database of 248 patients, developed a synchronization algorithm, and implement Transfer Learning (TL) on a pre-trained model. The system achieved an overall accuracy of 75% and an F1 score of 0.84 in Sleep/Wake detection. Although further efforts are required to enhance the outcomes, our approach holds the potential to develop an unbiased system in the remote medicine field, that can be done at home.