EEG 및 수면 단계 기준의 분류

AI LAB_Sleep Scoring Modeling

EEG 및 수면 단계 기준의 분류

적외선 수면 비디오 및 음성 데이터베이스 구축 프로젝트 - 인공지능 기술을 활용한 질병 진단 [서울대학교병원 참여]

• 서울대학교병원 주최 하 적외선 수면 비디오 데이터와 음성 데이터를 활용한 질병 진단을 위한 인공지능 기술을 향상시키기 위한 연구 활동에 참여
• 해당 연구는 기관의 감독 하에 진행되며, 5000시간 이상의 적외선 수면 영상 데이터셋을 구축하였고, 필요한 작업을 완료한 후 익명화 및 표준화 진행

적외선 수면 영상 데이터:

• 적외선 수면 비디오 데이터와 관련된 수면다원검사 데이터를 구축
• 이 데이터를 기반으로 질환 예측 모델 및 알고리즘을 개발
• 인공지능 모델을 기반으로 한 서비스 모델을 구축

음성질환 구별을 위한 음성 데이터:

• 적외선 수면 비디오와 음성 데이터에 대한 학습 데이터셋을 구축하여 민간기업, 공공기관 및 연구소가 의료 데이터에 쉽게 접근하도록 연구
• 적외선 수면 비디오 및 음성 데이터를 활용한 시범 서비스를 구축

연구 개요:

• 수면은 피로가 누적된 뇌의 활동을 주기적으로 회복하는 생리적인 의식상실 상태로 정의된다. 수면은 주로 두 가지 주요 단계로 구분됨: '비-REM 수면(NREM)'과 'REM 수면(Rapid Eye Movement)'.
• 일반적으로, NREM 수면이 먼저 나타나며, 이후에 REM 수면이 차례대로 진행된다. NREM 수면은 4개의 단계로 나누어지며 (가끔은 3단계로도 나눈다), 전체 수면 시간의 75~80%를 차지한다. 처음 1-2단계는 얕은 수면으로 정의되며, 깨어있음과 잠든 상태 사이의 중간 단계이다. 1단계에서는 아주 얕은 수면 상태이며, 2단계에서는 심장박동과 호흡이 느려지며 체온이 떨어지는 상태다. 이어서 3-4단계는 깊은 수면으로 정의되며, 이때는 온 몸이 이완되는 상태이다. 마지막으로, REM 수면 단계에서는 뇌 활동이 증가하며 꿈을 꾸고 눈이 빠르게 움직이는 특징적인 상태로 나타난다.
• 이러한 수면 단계는 뇌파와 다른 생리적 측정 지표를 기반으로 판별된다. 이러한 기준과 뇌파의 변화는 정확한 수면 패턴을 이해하고 분류하는 데 중요한 역할을 한다. 이 연구에서는 수면 단계의 분류 기준과 뇌파의 특성에 대해 조사를 수행하였다.

수면 단계:

a. Stage W (Wakefulness):

• 수면 시작 전 50% 이상의 알파파 활동을 보임.
• 불규칙한 안구 움직임과 턱 근육의 긴장도 증가를 나타냄.

b. Stage N1 (NREM 1 - Shallow Sleep):

• 알파파 없음; 절반 이상의 에포크에서 약한 진폭과 정점 날카로운 물결이 나타남.
• 슬로우 웨이브(4-7Hz)가 W 단계보다 높으며, 특히 어린이에서 뒷머리 부위에서 우세함.

c. Stage N2 (NREM 2 - Shallow Sleep):

• 수면 방추파와 K 복합체가 N2 수면을 정의.
• 수면 방추파 또는 K 복합체가 없으면 EEG 활동이 계속됨.
• N2에서의 전환은 W 단계로 전환될 때, 수면 방추파나 K 복합체 없이 N1로 전환될 때, 또는 느린 웨이브 수면(N3)이나 REM 수면으로 전환될 때 일어남.

d. Stage N3 (NREM 3 - Deep Sleep):

• 수면 방추파와 안구 움직임이 없음.
• N2 대비 아랫턱 근육 톤이 낮으며, 때때로 REM 대비 느림.

e. Stage R (REM - Dream Sleep):

• 낮은 진폭과 혼합 주파수 EEG, 낮은 턱 근전도, 빠른 안구 움직임이 특징임.

PLM 및 PLM-관련 각성의 점수화:

• LM 기간은 0.5-10초이며, 8uV 이상의 휴식 EMG에서 시작하여 2uV 이하로 떨어질 때 종료.
• PLM은 최소 4개의 LM으로 정의되며, LM 간격은 5-90초입니다. 5초 이내에 여러 LM이 발생하면 하나의 LM으로 간주됨.
• PLM-관련 각성은 LM과 동시에 0.5초 이내에 발생하며, REM 수면 중 EEG 기준 및 턱 근전도 증가와 관련이 있음.

수면 점수화 원칙:

• N2, N3 또는 R에서 각성이 관찰되면 해당 epoch를 N1로 분류.
• R 동안 턱 근육 활동이 증가하면 N1로 판단.
• N3 기준이 N3 이후의 epoch에서 충족되지 않으면 N2로 재분류.
• 주요 신체 운동 중에도 일부 알파파 리듬이 관찰되면 W로 분류.

결론:

• 본 연구에서는 The AASM Manual for the Scoring of Sleep and Associated Events에서 제시한 원칙을 준수.
• 수면 단계, 각성 및 관련 이벤트를 올바르게 평가하는 것은 정확한 진단과 치료 계획 수립에 중요.
• 또한 의료데이터에 어려움을 겪는 민간기업, 공공기관, 연구소들이 쉽게 접근할 수 있도록 인공지능 연구 및 개발을 위한 윤리적 데이터에 대한 접근이 용이한 시스템을 구축.
• 학습된 데이터를 활용하여 데이터 가이드라인에 따라 시험 학습을 진행하고 모델을 저장할 수 있도록 시스템을 오픈함으로써 데이터의 활용도를 높이고자 함.

https://github.com/rootofdata/AILAB_Sleep-Scoring-Modeling

GitHub - rootofdata/AILAB_Sleep-Scoring-Modeling: Infrared sleep video and voice database construction project for disease diagn