Luận án Vật lý Kỹ thuật: Nghiên cứu cấu trúc giấc ngủ người trưởng thành qua EEG đơn kênh

Phân tích cấu trúc giấc ngủ đóng vai trò thiết yếu trong việc chẩn đoán sức khỏe con người. Giấc ngủ là hoạt động phổ biến, ảnh hưởng trực tiếp đến chất lượng cuộc sống. Định lượng chính xác cấu trúc giấc ngủ là nền tảng cơ bản để đánh giá chất lượng giấc ngủ. Điều này đặc biệt quan trọng trong chẩn đoán và điều trị các bệnh lý rối loạn liên quan đến giấc ngủ. Giấc ngủ không chỉ bao gồm giấc ngủ đêm thông thường. Nó còn có các trạng thái ngủ ngắn trong ngày như ngủ trưa, ngủ gật. Các trạng thái ngủ bệnh lý như hội chứng ngủ rũ cũng được quan tâm. Hiểu rõ kiến trúc giấc ngủ giúp nhận diện sớm các vấn đề sức khỏe. Các nghiên cứu về cấu trúc giấc ngủ luôn tìm cách cải thiện độ chính xác trong việc xác định các giai đoạn giấc ngủ. Phân loại giai đoạn giấc ngủ truyền thống dựa trên các tiêu chuẩn quốc tế R&K 1968 và AASM 2007. Tuy nhiên, phương pháp này vẫn phụ thuộc nhiều vào quan sát thủ công. Các chuyên gia phải đánh giá trực quan tín hiệu đa ký giấc ngủ (Polysomnography - PSG). Quá trình này tốn thời gian, đòi hỏi chuyên môn cao và tiềm ẩn sự khác biệt giữa các người phân tích. Công cụ máy tính có thể giải quyết những hạn chế này. Mục tiêu là cung cấp một quy trình tự động hóa. Quy trình này phân tích tín hiệu đa ký giấc ngủ, đánh giá chính xác các đặc trưng của giấc ngủ đêm, giảm thiểu sự chủ quan và tăng cường hiệu quả.

1.1. Giá trị của phân tích cấu trúc giấc ngủ

1.2. Thách thức trong phân loại giai đoạn giấc ngủ truyền thống

Phương pháp đa ký giấc ngủ (Polysomnography - PSG) là tiêu chuẩn vàng trong nghiên cứu cấu trúc giấc ngủ. Tuy nhiên, PSG có những hạn chế đáng kể. Cấu hình thực nghiệm phức tạp, yêu cầu nhiều cảm biến gắn trên cơ thể người bệnh. Điều này gây khó chịu cho người tham gia, ảnh hưởng đến giấc ngủ tự nhiên. Thiết bị PSG đắt tiền, cồng kềnh, đòi hỏi môi trường phòng thí nghiệm chuyên dụng. Nó không khả dụng cho những trường hợp chẩn đoán tại nhà hoặc ở những nơi không có máy đa ký. Những hạn chế này thúc đẩy nhu cầu tìm kiếm phương pháp thay thế đơn giản, hiệu quả hơn. Mục tiêu là một công cụ phân tích giấc ngủ tiện lợi hơn. Điện não đồ đơn kênh (EEG đơn kênh) nổi lên như một hướng nghiên cứu mới đầy triển vọng. Nghiên cứu này tập trung phát triển giải pháp sử dụng EEG đơn kênh để khảo sát cấu trúc giấc ngủ. Mục đích là khắc phục những hạn chế của PSG, mang lại khả năng chẩn đoán rộng rãi hơn. Điểm mới và quan trọng là cải thiện độ chính xác và tính đặc thù cho việc phân loại giai đoạn giấc ngủ N1. Giai đoạn N1 thường khó xác định chính xác bằng các phương pháp tự động hiện có. Việc này tạo cơ sở cho các nghiên cứu ứng dụng khác. Hướng tiếp cận này cho thấy sự phù hợp và triển vọng trong việc sử dụng tín hiệu EEG đơn kênh để nghiên cứu và chẩn đoán các vấn đề liên quan đến giấc ngủ, dần thay thế các nghiên cứu truyền thống dựa trên tín hiệu đa ký giấc ngủ.

2.1. Hạn chế của phương pháp đa ký giấc ngủ PSG

2.2. Tiềm năng của điện não đồ đơn kênh EEG đơn kênh

Nghiên cứu sử dụng một lượng lớn dữ liệu để đảm bảo tính toàn diện và độ tin cậy. Tổng cộng 153 bản ghi từ bộ dữ liệu Sleep EDF Expanded của Physionet đã được phân tích. Kết hợp với 55 bản ghi thực nghiệm thu thập tại phòng thí nghiệm Vật lý kỹ thuật y sinh, tổng số bản ghi là 208. Việc sử dụng kết hợp hai nguồn dữ liệu giúp đánh giá mô hình trên nhiều điều kiện khác nhau. Các bản ghi này chứa thông tin chi tiết về cấu trúc giấc ngủ của người trưởng thành khỏe mạnh. Việc chuẩn bị dữ liệu bao gồm tiền xử lý để loại bỏ nhiễu và làm sạch tín hiệu, đảm bảo chất lượng đầu vào cho các thuật toán. Luận án xây dựng quy trình xử lý và phân tích dữ liệu thô toàn diện. Quy trình này áp dụng cho cả tín hiệu đa ký và đơn ký. Các khối chức năng bao gồm: lọc nhiễu tín hiệu để loại bỏ các yếu tố gây sai lệch; trích xuất các đặc trưng quan trọng từ tín hiệu; chọn lọc các đặc trưng tối ưu. Cuối cùng, các mô hình huấn luyện và thuật toán máy học được áp dụng để phân loại các giai đoạn giấc ngủ. Quy trình này đảm bảo tính khách quan và tự động hóa cao. Việc sử dụng bản cập nhật mới nhất của tiêu chuẩn phân loại AASM 2007 được ưu tiên, mang lại sự phù hợp hơn so với việc chỉ áp dụng tiêu chuẩn R&K thông thường trong phân tích cấu trúc giấc ngủ. Quy trình được thiết kế để xác định chính xác các giai đoạn giấc ngủ chính: thức (Wake), giấc ngủ NREM (N1, N2, N3) và giấc ngủ REM. Việc phân loại tự động này giúp xây dựng một kiến trúc giấc ngủ chi tiết. Kiến trúc giấc ngủ bao gồm các thông số như thời gian chuyển đổi giữa các giai đoạn, tỷ lệ phần trăm của mỗi giai đoạn. Việc định lượng chính xác các thông số này cung cấp thông tin giá trị cho chẩn đoán. Nó cũng tạo tiền đề cho việc theo dõi sức khỏe giấc ngủ lâu dài. Kết quả của luận án thể hiện sự đóng góp đáng kể vào sự phát triển nghiên cứu tín hiệu đa ký giấc ngủ với sự trợ giúp của máy tính.

3.1. Thu thập và chuẩn bị dữ liệu giấc ngủ

3.2. Quy trình xử lý tín hiệu và áp dụng học máy

3.3. Xác định các giai đoạn giấc ngủ và kiến trúc giấc ngủ

Giai đoạn giấc ngủ N1, hay còn gọi là giai đoạn ngủ gà, thường là thách thức lớn trong việc phân loại tự động. Đặc trưng tín hiệu của N1 không rõ ràng như các giai đoạn khác (N2, N3, REM). Điều này dẫn đến độ chính xác thấp trong các nghiên cứu trước đây. Việc nhầm lẫn giữa N1 với trạng thái thức hoặc N2 là phổ biến. Một phân loại N1 không chính xác ảnh hưởng đến đánh giá toàn bộ kiến trúc giấc ngủ. Việc cải thiện độ chính xác cho giai đoạn N1 là mục tiêu then chốt. Nó cung cấp nền tảng vững chắc hơn cho các ứng dụng thực tế về phân tích giấc ngủ. Nghiên cứu này đạt được điểm mới và quan trọng. Đó là cải thiện đáng kể độ chính xác và tính đặc thù cho việc phân loại giai đoạn giấc ngủ N1. Điều này được thực hiện thông qua việc sử dụng tín hiệu điện não đơn kênh và các đặc trưng tín hiệu được chọn lọc. Kết quả vượt trội so với các nghiên cứu đã có. Việc xác định N1 chính xác hơn là cơ sở cho các nghiên cứu ứng dụng khác. Nó bao gồm việc phát hiện sớm quá trình chuyển từ thức sang ngủ. Sự cải thiện này mang lại giá trị lớn cho việc chẩn đoán các rối loạn giấc ngủ. Nó cũng hỗ trợ các ứng dụng theo dõi giấc ngủ hàng ngày.

4.1. Khó khăn trong nhận diện giai đoạn N1

4.2. Thành tựu mới trong phân loại N1 bằng EEG đơn kênh

Với hướng tiếp cận phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh, các đặc trưng quan trọng đã tìm được được ứng dụng vào thực tiễn. Một ứng dụng chính là xác định thời điểm chuyển trạng thái từ thức sang ngủ. Việc này có ý nghĩa lâm sàng quan trọng. Nó giúp đánh giá mức độ khó ngủ hoặc dễ ngủ của một người. Việc xác định chính xác thời điểm ngủ đi vào giấc ngủ là một thông số then chốt trong chẩn đoán mất ngủ. Dữ liệu EEG đơn kênh cung cấp một phương tiện không xâm lấn và hiệu quả để theo dõi quá trình này. Một ứng dụng thực tiễn khác là khảo sát tình trạng ngủ gật trong sinh viên. Ngủ gật là một vấn đề phổ biến, ảnh hưởng đến hiệu suất học tập và an toàn giao thông. Sử dụng tín hiệu EEG đơn kênh, nghiên cứu có thể phát hiện và định lượng các giai đoạn ngủ gật. Điều này giúp nhận diện những sinh viên có nguy cơ cao về thiếu ngủ hoặc rối loạn giấc ngủ. Từ đó, có thể đưa ra các biện pháp can thiệp phù hợp. Hướng tiếp cận này cho thấy sự phù hợp và triển vọng sử dụng tín hiệu điện não đơn kênh để nghiên cứu và chẩn đoán các vấn đề liên quan đến giấc ngủ. Kết quả nghiên cứu mở ra triển vọng lớn cho việc thay thế dần các nghiên cứu truyền thống dựa trên tín hiệu đa ký giấc ngủ (Polysomnography - PSG). EEG đơn kênh đơn giản hơn, ít gây khó chịu hơn cho người dùng. Thiết bị này cũng có chi phí thấp hơn, dễ dàng triển khai tại nhà hoặc trong các môi trường không chuyên dụng. Điều này giúp phổ biến việc theo dõi và đánh giá cấu trúc giấc ngủ. EEG đơn kênh có thể trở thành công cụ quan trọng trong y tế công cộng. Nó giúp phát hiện và quản lý các vấn đề về giấc ngủ ở quy mô lớn hơn.

5.1. Xác định thời điểm chuyển trạng thái thức sang ngủ

5.2. Khảo sát tình trạng ngủ gật ở sinh viên

5.3. Tiềm năng thay thế Polysomnography PSG truyền thống