Analýza dlouhodobých polysomnografických záznamů

Abstract

Cílem této diplomové práce bylo vytvořit aplikaci pro analýzu dlouhodobých polysomnografických záznamů nad platformou .NET a frameworku WPF. Implementovaná aplikace umožňuje načíst zdrojová data ze souboru typu EDF a tyto data zobrazit. Zobrazení dat je realizováno po jednotlivých časových úsecích s možností volby délky zobrazovaného časového úseku. Jednotlivé úseky je umožněno ohodnotit do klasifikačních tříd, které si může uživatel v aplikaci sám nadefinovat. Pro lepší přehled je implementováno vykreslení všech klasifikovaných úseků celkového PSG záznamu. Pro analýzu záznamu aplikace umožňuje zadání příznaků pro vybraný signál. Zadané příznaky jsou následně vypočteny ze segmentů jednotlivých klasifikovaných úseků. Vypočtené příznaky jsou následně zobrazeny. Rozdělení úseků na jednotlivé segmenty je realizováno konstantní segmentací dle uživatelem zadaného časového intervalu. Jako metody pro výpočet příznaků byly použity metody založené na Fourierově transformaci, jako je FFT a PSD, které byly použity pro odhad frekvenčních příznaků či metody pro odhad statistických příznaků, jako je Skewness, Kurtosis a další. Výsledná aplikace byla koncipována modulárně, a proto je možné budoucí rozšíření o další příznaky, či jiné moduly.

The aim of this thesis was to build an application for long-term analysis of polysomnographic recordings on .NET platform and WPF Framework. This implemented application is capable of reading source data from EDF file and presenting the data. Data are presented per interval with an option to specify the length. Each interval can be placed into classification classes that could be created by the user. To improve an overview, the presentation coveres all classified sections of PSG recordings. For a recording analysis, the application allows to put a features for a choosen signal. User specified features are subsequently calculated from segments of each classification sections. After that, all calculated features are displayed. The division of sections into segments is implemented by constant segmentation, defined by the user's time interval. The methods used for feature calculation were based on Fourier transformation, such as FFT and PSD, which were used for an estimate of frequence features or for the method to estimate static parameters, such as Skewness, Kurtosis and other. The final application was designed to be modular, and therefore it is possible to extend the application with additional features, or modules.