S'abonner

Analyse automatique du sommeil par réseau de neurones à partir des signaux de polygraphie ventilatoire - 19/02/21

Doi : 10.1016/j.msom.2020.11.036 
Jade Vanbuis 1, , Guillaume Baffet 2, Mathieu Feuilloy 1, Jean-Marc Girault 1, Nicole Meslier 3, Frédéric Gagnadoux 3
1 ESEO, Angers, France 
2 Cidelec, Angers, France 
3 Laboratoire du sommeil du CHU d’Angers, Angers, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 2
Iconographies 0
Vidéos 0
Autres 0

Résumé

Objectif

Plus rapide à mettre en place et à lire, moins coûteuse et plus facilement réalisable en ambulatoire, la polygraphie ventilatoire (PV) possède de nombreux avantages sur la polysomnographie (PSG). Cependant, elle ne permet pas d’étudier la répartition des stades de sommeil et de déterminer avec précision l’IAH. Dans cette étude, nous avons évalué la faisabilité de l’analyse automatique du sommeil à partir des signaux disponibles en PV.

Méthodes

Nous avons réalisé une classification en trois étapes (réseau neuronal, règles de transition de l’AASM et correction finale) intégrant les signaux issus de cinq capteurs disponibles en PV : l’oxymètre, le capteur de sons trachéaux (PneaVoX), les sangles thoracico-abdominales, la lunette nasale et l’actimètre. Le classifieur a été entraîné et testé sur des groupes de 300 et 100 PSG enregistrées et scorées selon les recommandations AASM. Ces PSG sont issues de patients investigués pour suspicion d’apnées du sommeil et incluses dans la cohorte sommeil des Pays de la Loire.

Résultats

La classification en trois stades (éveil, sommeil paradoxal et sommeil lent) suggère un apport non négligeable pour le diagnostic. Le Kappa de Cohen est de 0,60(±0,14) et le taux d’accord de 78,5 %(±9,0 %). Le Temps de Sommeil Total (TST) extrait automatiquement de la PV est bien corrélé au TST extrait de la PSG (r=0,80). Il est également 0,74 fois inférieur au Temps d’Enregistrement (TE).

Conclusion

L’analyse automatique des signaux de PV par réseau de neurones permet une classification en trois stades satisfaisants.

Le texte complet de cet article est disponible en PDF.

Plan


© 2020  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 18 - N° 1

P. 29-30 - mars 2021 Retour au numéro
Article précédent Article précédent
  • La somnolence diurne excessive résiduelle chez les apnéiques traités par pression positive CPAP
  • Mahdi Martani, Mohamed Kheireddine Bourahli, Mohamed Bougrida
| Article suivant Article suivant
  • Le deep breathing montre une dysfonction autonomique chez des sujets avec syndrome d’apnées obstructive du sommeil
  • Mwetty Onanga, Sarah Joanny, Jean-Baptiste Maranci, Thomas Similowski, Isabelle Arnulf, Caroline Sevoz-Couche, Stefania Redolfi

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.