Automatic Sleep Staging via Deep Learning

Moro, Francesco (2021) Automatic Sleep Staging via Deep Learning. Bachelor thesis, Scuola Universitaria Professionale della Svizzera Italiana.

[img] Text
DOC_MORO.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial.

Download (534kB)
[img] Text
POSTER_MORO.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial.

Download (287kB)

Abstract

Abstract italiano Il tema di questa tesi è l’applicazione di un modello di Deep Learning nell’ambito dello studio del sonno. La Polisonnografia (PSG) è un esame diagnostico volto all’individuazione di eventuali disturbi del sonno. Durante la PSG vengono generalmente monitorate l’attività cerebrale (EEG), attività cardiaca (ECG), i movimenti oculari (EOG) e i movimenti muscolari (EMG). I dati raccolit vengono analizzati per classificare le varie fasi e i cicli del sonno. Vengono riconosciute cinque fasi del sonno: Wakefulness (W), fasi non-REM (N1, N2, N3), e Rapid Eye Movement (REM). In questo progetto, viene esteso un algoritmo di Deep Learning dedicato alla classificazione delle fasi del sonno, integrando la tecnica Monte Carlo Dropout, un modo per migliorare i risultati predetti dalla rete. --- The subject of this thesis is the application of a Deep Learning model in the study of sleep. The Polysomnography (PSG) is a diagnostic examination aimed at detecting sleep disorders. During PSG, brain activity (EEG), cardiac activity (ECG), eye movements (EOG) and muscle movements (EMG) are generally monitored. The data collected is analysed to classify the various sleep stages and cycles. Five sleep phases are recognised: Wakefulness (W), non-REM phases (N1, N2, N3), and Rapid Eye Movement (REM). In this project, a Deep Learning algorithm dedicated to the classification of sleep stages is extended by integrating the Monte Carlo Dropout technique, a way to improve the results predicted by the network.

Item Type: Thesis (Bachelor)
Corso: UNSPECIFIED
Supervisors: Faraci, Francesca Dalia and Fiorillo, Luigi
Subjects: Informatica
Divisions: Dipartimento tecnologie innovative > Ingegneria informatica
URI: http://tesi.supsi.ch/id/eprint/4093

Actions (login required)

View Item View Item