728x90 반응형 SMALL 수면다원검사14 인공물 인식 (2) (Mechanical Artifact) 기계 인공물 (Mechanical Artifact) 기계적인 인공물은 느슨한 전극이나 열악한 전극 임피던스로 인한 60Hz 간섭 및 전극 팝부터 장비 오작동 또는 라디오, 텔레비전 또는 휴대폰으로 인한 공중 인공물에 이르기까지 일부 외부 영향과 범위로 인해 발생한다. 이러한 유물 중 상당수는 특징적인 외관을 갖고 있어 쉽게 식별할 수 있는 반면, 다른 유물은 식별하기가 상당히 어려울 수 있다. 다시 말하지만, 이러한 아티팩트를 식별하고 가능하다면 제거하기 위해 모든 노력을 기울이는 것이 매우 중요하다. 전극 인공물 (Electrode Artifact) 전극 인공물은 가장 일반적인 기계적 인공물이다. 전극 인공물은 녹음에서 날카롭고 높은 진폭의 신호 편향으로 나타나는 전극 "팝"을 생성한다. 전극 팝은 종.. 2023. 10. 18. 폴리그래프 교정 (2) (Patient Calibrations) 환자 교정 (Patient Calibrations) 기기 교정 후에는 기록 증폭기의 반응을 확인하고 문서화하기 위해 표준 환자 교정 세트가 수행된다. 기기는 기록할 각 매개변수에 대해 다양한 주파수와 진폭의 생물물리학적 활동을 기록하도록 보정되었다. 각 개인의 생물학적 특성은 독특하기 때문에 개별 환자가 생성한 신호를 기반으로 필터 설정을 조정하는 것이 중요하다. 환자 보정 중에 일부 기록 채널의 감도 또는 기타 설정을 조정하여 정확한 기록을 제공해야 한다. 환자 교정 및 기록 중에 이루어진 모든 기기 설정 변경은 일반적으로 변경되는 대로 시스템에 의해 기록된다. 사용 가능한 신호를 확인하고, 기본 기록을 확보하고, 밤에 발생할 수 있는 다양한 환자 상태에 대한 거짓말 탐지기 반응을 문서화하기 위해 환자.. 2023. 10. 17. 전극 적용 방법 전극 적용 피부가 적절하게 준비되면 전극이 적용된다. 수면다원검사에서는 기본 EEG, EOG, EMG 전극 적용 방법인 paste와 collodion 두 가지 유형을 사용한다. 어느 응용 분야에서든 전해질이 포함된 전극 페이스트 또는 전도성 젤리를 사용하여 피부와 전극 사이의 신호 전도를 돕는다. 전해질 (electrolyte)은 용액에 있을 때 이온으로 분리되어 전기 신호를 전달할 수 있는 물질이다. 두피의 체액과 전극 아래에 배치된 전도성 페이스트에는 모두 유리 염화물 이온이 포함되어 있으며 총칭하여 전해질이라고 한다. 적용 방법 : paste 페이스트 도포 방법은 비교적 사용하기 쉽다. 페이스트에는 냄새가 없으며 이 기술을 사용하면 좋은 임피던스를 얻을 수 있다. 전도성이 좋은 비교적 두꺼운 페이스.. 2023. 10. 16. 호기말 이산화탄소 분압 그래프 (Capnograph) 호기말 이산화탄소 분압 그래프 (Capnograph) 카프노그래프는 기도의 이산화탄소 수준을 그래프 (카프노그래피)과 수치 (카프노메트리)로 표시할 수 있다. 수면다원검사에서 그래픽 호기 CO2 표시는 종종 폴리그래프와 인터페이스되어 공기 흐름을 측정하는 데 사용된다. 수치 출력은 산소농도계에서 생성된 것과 유사한 신호를 제공하며 시간 경과에 따른 CO2 수준을 모니터링하는 데 유용하다 (추세). 카프노그래프와 그 신뢰성에 영향을 미칠 수 있는 임상적, 기술적 요인에 대한 기본적인 이해가 필수적이다. 현재 기술은 비강 캐뉼라 (nasal cannula)를 사용하여 내쉬는 부류 공기의 CO2 수준을 측정한다. 카프노그래프에는 CO2 수준을 분석하여 수면 중인 환자를 모니터링하는 데 유용한 지속적이고 비침습.. 2023. 10. 16. 수면다원검사에서 보조 장비의 사용 (2) 사진과 영상 모니터링 및 녹화 수면 실험실에서는 사진, 비디오 모니터링 및 녹음이 일반적으로 사용된다. 많은 검사실에서는 환자의 폴라로이드나 디지털 사진이 환자 차트의 표준 부분이다. 사진은 시간 경과에 따른 체중 감소, 턱 전진 수술 후 또는 구강 장치 사용 후 얼굴 구조의 변화 등의 변화를 기록하는 데 유용할 수 있다. 수면다원검사 중 비디오 모니터링 및 녹화는 거의 모든 실험실에서 표준이며 다음 용도로 사용된다. 환자의 안전을 보장 호흡기 장애를 평가 환자의 위치를 결정 유지 관리 절차를 기록 REM 행동 장애, 사건 수면증, 운동 장애, 수면 중 발작 장애 등의 수면 장애를 진단 행동 활동을 기록하고 사건수면과 발작 활동을 구별 환자와 기술자의 행동을 문서화 비디오 장비 요구 사항 제어실에서 .. 2023. 9. 27. Digital Polysomnography Digital Polysomnography 컴퓨터화된 폴리그래프는 표준 폴리그래프를 대체했다. 일부 시스템은 아날로그-디지털 변환기를 사용하여 아날로그 증폭기를 컴퓨터에 연결한다. 오늘날 대부분의 시스템은 디지털 수면다원검사를 기록하기 위해 아날로그-디지털 변환기를 통해 연결된 보조 장비와 함께 컴퓨터에 직접 연결된 디지털 증폭기를 사용한다. 그러나 컴퓨터를 사용한다고 해서 표준 계측 원리를 이해할 필요성이 줄어들지는 않다. 실제로 컴퓨터를 사용하려면 기술자가 수면다원검사 중에 기록된 다양한 생물물리학적 신호를 컴퓨터가 적절하고 정확하게 기록하고 있는지 판단할 수 있을 만큼 충분한 지식이 있어야 한다. 적절한 전극 및 센서 적용 기술과 정밀한 장비 교정은 여전히 필수적이다. 정확한 신호 처리는 물론 .. 2023. 9. 25. 폴리그래프 (Polygraph) (3) 감도 (Sensitivity) AC 증폭기에는 펜에 기록된 출력 신호에 대한 입력 신호의 비율을 제어하는 감도 설정도 있다. 신호 편향의 진폭에 대한 입력 전압의 비율인 감도는 문자 그대로 증폭기를 전압에 어느 정도 민감하게 만든다. 앰프로 들어오는 활동의 전압이 너무 높아서 펜이 막힐 경우 (사각형이 되거나 신호가 서로 충돌하는 경우) 출력 (녹음)이 더 이상 정확하지 않다. 그 반대의 경우도 발생할 수 있다. 신호가 너무 작아서 특징 (주파수 및 파동 형태)을 볼 수 없을 수도 있다. 첫 번째 경우에는 감도가 너무 높게 설정되어 있다. 두 번째 경우에는 감도가 너무 낮게 설정되어 있다. 감도는 밀리미터당 마이크로볼트 (μV/mm)로 측정되며 경우에 따라 센티미터당 밀리볼트 (mV/cm)로 측정된다.. 2023. 9. 25. 수면다원검사 : 딥러닝을 사용한 불안 및 우울증 식별 수면다원검사 : 딥러닝을 사용한 불안 및 우울증 식별 불안과 우울증은 심각한 이환율 및 의료 비용과 관련된 일반적인 정신 질환이다. 수면은 진화적으로 보존된 건강 상태이다. 불안과 우울증은 수면과 양방향 관계가 있다. 이 연구는 불안과 우울의 존재를 감지하기 위해 딥러닝 방법을 사용하는 수면다원 데이터 분석의 사용에 대해 보고한다. 수면다원검사분석을 위해 2016년 1월 1일부터 2018년 12월 31일까지 3년 동안 학업 수면 센터에서 수행한 940명의 환자에 대한 데이터를 식별했다. 데이터는 불안/우울증이 있는 환자 205명, 불안/우울증이 없는 환자 349명, 불안/우울 가능성이 있는 환자 386명의 3개 하위 그룹으로 나누었다. 처음 두 개의 하위 그룹은 딥러닝 알고리즘의 훈련 및 테스트에 사용되.. 2022. 6. 21. [Deep Learning] A Deep Learning Model for Automated Sleep Stages Classification Using PSG Signals A Deep Learning Model for Automated Sleep Stages Classification Using PSG Signals 수면 장애는 일상생활의 질에 상당한 영향을 미칠 수 있는 많은 신경 질환의 증상이다. 기존의 방법은 시간이 많이 걸리고 실험실 환경에서 얻은 수면다원검사 (PSG) 신호의 수동 스코어링을 수반한다. 그러나 수면 단계의 자동 모니터링은 신경학적 장애를 정확하게 발견하는 데 도움을 줄 수 있다. 본 연구에서는 원시 PSG 신호를 이용한 유연한 딥러닝 모델을 제안한다. 수면 단계의 분류를 위해 뇌전도 (EEG) 및 EOG 신호를 사용하여 1차원 컨볼루션 신경망 (1D-CNN)이 개발되었다. 시스템의 성능은 두 개의 공개 데이터베이스 (sleep-edf 및 sleep.. 2022. 6. 17. 수면 데이터 분석을 위한 진단 기준 (2) 수면다원 데이터의 자동 분석 최근까지 수면다원검사 기록을 기반으로 한 수면 병기 및 사지 움직임 및 수면 관련 호흡 장애 진단은 반자동 PSG 모니터링 시스템의 도움으로 수면 단계, 움직임, 및 수면 기록으로부터의 호흡 사건 수면 전문가에 의해 대부분 수동으로 수행된다. 그러나 궁극적인 채점은 여전히 인간 전문가에 의해 이루어진다. 최근에는 PSG 분석의 자동화 및 아티팩트 감지와 같은 데이터 전처리를 위한 머신 러닝 접근 방식이 평가되었다. 다양한 기능 세트와 분류기의 조합을 사용하면 유망한 결과를 얻을 수 있다. 기능 기반 기계 학습 접근 방식은 종종 분석할 신호에 대한 다음과 같은 시간적 설명을 사용한다. 선 길이는 30초 에포크동안 파생된 기록된 그래프의 총 길이이다. 이 시간적 특성은 진폭 .. 2022. 5. 6. 이전 1 2 다음 728x90 반응형 LIST
