Tự động phát hiện trạng thái chuyển từ thức sang ngủ

Với độ chính xác hơn 85% cho thấy mức độ khả thi để đưa ra những cảnh báo kịp thời ngay khi có sự chuyển trạng thái. Cách tiếp cận này mở ra những hướng ứng dụng để phát triển các hệ thống cảnh báo theo thời gian thực: trạng thái ngủ gật, buồn ngủ khi lái xe, khi làm việc, khảo sát sự đáp ứng của não bộ với các kích thích bên ngoài nhằm giảm khoảng thời gian sleep latency.

Giấc ngủ rất quan trọng cho sức khỏe của con người. Phân tích bản ghi đa ký giấc ngủ giúp thu được những thông tin có giá trị để đánh giá chất lượng giấc ngủ. Việc phát hiện chính xác thời điểm giấc ngủ bắt đầu lần đầu tiên rất quan trọng để có thể đánh giá cấu trúc vi thể của giấc ngủ. Nhóm nghiên cứu phân tích bản ghi đa ký giấc ngủ của 30 tình nguyện viên, sử dụng các thông tin của 1 kênh điện não kết hợp với điện mắt và điện cơ theo đúng chuẩn American Academy of Sleep Medicine (AASM)  mới nhất. Thuật toán tập trung phân tích tự động chính xác theo từng giây cho mỗi epoch. Kết quả thu được theo 2 cấp độ: nhận biết và thống kê các epoch xảy ra sự chuyển trạng thái và thời điểm chính xác xảy ra sự dịch chuyển này.

Theo các tác giả, trong khi ngủ, qua từng chu kỳ từ hành cầu não lại phát ra từng loạt xung động truyền lên vùng trán, và một số vùng khác của vỏ não. Chính những luồng xung động này đã gây hưng phấn các tế bào thần kinh trong vỏ não, gây ra pha ngủ nhanh, vì thế trên điện não đồ xuất hiện các sóng nhanh. Như vậy, khi não ở trạng thái ngủ vỏ não và các luồng xung động hoạt hoá từ thể lưới lên vỏ não bị ức chế, còn các trung khu ngủ chuyển sang hoạt động. Nói cách khác, trạng thái thức - ngủ được bảo đảm bởi sự tổ chức lại hoạt động của một số cấu trúc quan trọng là vỏ não, thể lưới thân não, các trung khu ngủ và cấu trúc ở hành não.

Mỗi đêm, con người trải qua 2 loại giấc ngủ luân phiên nhau tạo thành 1 chu kỳ bao gồm giấc ngủ NREM và giấc ngủ REM. Mỗi chu kỳ kéo dài khoảng 60 đến 90 phút, trong một đêm có thể có từ 4 đến 5 chu kỳ ngủ như vậy và có thể bị gián đoạn do thức giấc giữa đêm. Sau mỗi lần bị gián đoạn giấc ngủ như vậy thì giấc ngủ sẽ bắt đầu lại từ N1, N2 rồi mới đi sâu trở lại vào giấc ngủ. Nếu bị thức giấc nhiều lần trong đêm sẽ gây ảnh hưởng rất lớn đến chất lượng giấc ngủ từ đó kéo theo nhiều hệ quả không tốt lên sức khỏe. Phân tích cấu trúc đại thể của giấc ngủ giúp đánh giá diễn biến các trạng thái của giấc ngủ trong suốt 1 đêm.

Vẽ được biểu đồ giấc ngủ – hypnogram và qua đó cho phép phát hiện các rối loạn chính về giấc ngủ. Tuy nhiên, để nghiên cứu những biểu hiện bệnh lý của giấc ngủ, cần phân tích một số thông số “vi cấu trúc” của giấc ngủ. Có hai hình ảnh đặc biệt của điện não đồ đó là: hiện tượng vi thức tỉnh (arousal) và hình ảnh biến đổi điện não có chu kỳ (CAP: Cyclic Altemanting Pattem). Thời điểm chuyển trạng thái từ thức sang ngủ – Sleep Onset (SO) là một thông số có ý nghĩa quan trọng trong “vi cấu trúc” của giấc ngủ giúp định lượng chất lượng và số lượng của giấc ngủ. Thông tin về SO có thể được sử dụng để tính toán, xác định và phân tích nhiều thông số khác liên quan đến giấc ngủ như thời gian để rơi vào giai đoạn giấc ngủ đầu tiên – Sleep Onset Latency (SOL), mức độ hiệu quả của giấc ngủ – Sleep Efficiency (SE – tỷ lệ thời gian ngủ so với tổng thời gian nằm trên giường), tổng thời gian thức – Total Wake Time (TWT), tổng thời gian ngủ – Total Sleep Time (TST)… .

Giao diện người dùng được xây dựng theo 3 khối cơ bản.  Khối thứ nhất: các công cụ thao tác cho người dùng như nhập dữ liệu, di chuyển đồ thi ̣, phóng to, thu nhỏ, lấy tọa độ, lưu thông tin đã xử lý. Khối thứ hai: Trend Graph, là đồ thi ̣ chứa nội dung chính của luận văn: sơ đồ phân loại trạng thái thức – ngủ tại thời điểm SO. Các bước xử lý lọc tín hiệu cũng như phân loại sẽ được tích hợp vào chung trong khối này thông qua nút ấn Trend. Bên cạnh đó cũng có vi ̣ trí cho hiển thi ̣thông tin người đo cùng mã số bệnh nhân. Khối thứ ba: Waveforms/Spectrum, giúp người sử dụng có thể xem được dạng sóng tín hiệu cũng như phổ năng lượng theo đoạn tín hiệu ở thời gian cụ thể tùy lựa chọn. Người sử dụng cũng có thể lựa chọn được kênh tín hiệu muốn quan sát: EEG hoặc EOG. Bên cạnh đó có thêm nút Clear giúp xóa đi dữ liệu cũ trước khi chạy chương trình phân loại cho một dữ liệu khác.

Chức năng của các khối trên cửa sổ: khối Trend Graph là nơi hiển thi kết quả phân loại thời điểm chuyển trạng thái. Bên cạnh đó thông tin về tên bệnh nhân, mã số bệnh nhân cũng sẽ hiển thi ̣ bên cạnh. Khối Waveform/Spectrum là khối hiển thi ̣dạng sóng và phổ năng lượng của tín hiệu theo thời gian. Người dùng có thể linh hoạt trong việc lựa chọn hiển thi ̣: lựa chọn kênh tín hiệu muốn quan sát (kênh C4-A1 đối với tín hiệu EEG và ROC-A1 đối với tín hiệu EOG) cũng như khoảng thời gian muốn xem và tín hiệu hay phổ năng lượng.

 Việc xác định thời điểm chuyển trạng thái từ thức sang ngủ giúp nâng cao hơn tính chính xác về thời điểm cụ thể trong phân loại cấu trúc giấc ngủ và có ý nghĩa khá lớn, giúp tiến xa hơn trong phân loại, xử lý dữ liệu theo thời gian thực, giúp ích cho nhiều nghiên cứu khác sử dụng tín hiệu điện não theo thời gian thực. Kết quả đạt được như trên khá khả quan trong phân loại tự động trạng thái thức – ngủ, mở ra khả năng thay thế phương pháp phân loại truyền thống cũng như trong xử lý phân loại theo thời gian thực, hỗ trợ cho nhiều nghiên cứu khác không chỉ trong nghiên cứu giấc ngủ hay các rối loạn giấc ngủ. Chương trình vừa xử lý xác định thời điểm chuyển trạng thái, vừa giúp người dùng dễ dàng trong việc tự kiểm tra, đọc lại tín hiệu ở thời điểm mong muốn.