Przygotowywana praca doktorska wchodzi w zakres dyscypliny naukowej, będącej na pograniczu techniki i medycyny - biocybernetyki i inżynierii biomedycznej. Głównym problemem badawczym było określenie korelacji sygnałów elektrofizjologicznych wskazujących na sytuację zagrożenia życia. Zagadnienia poruszone w pracy doktorskiej dotyczą monitorowania snu za pomocą zapisów elektrokardiograficznych oraz zapisów akustycznych możliwych do wykonania w warunkach domowych. Doświadczenia przeprowadzane z użyciem różnych czujników o tak odmiennym charakterze pozwoliły na znalezienie zakresu ich wymienności. Celem pracy doktorskiej było opracowanie metody analizy dźwięków powstających w układzie oddechowym człowieka rejestrowanych podczas snu (np. takich jak normalny oddech, chrapanie, świsty czy sapanie). Istotą zaburzeń snu jest pojawiające się okresowo ograniczenie lub ustanie przepływu powietrza w drogach oddechowych. Każdy rodzaj zaburzeń oddechu podczas snu w mniejszym lub większym stopniu podwyższa opory dróg oddechowych, w najgorszej sytuacji powodując obturacyjny bezdech senny (OSAS, obstructive sleep apnea syndrome). W przedstawionej pracy Autorka dowodzi, że jednoczesna rejestracja (podzielonych na 7 grup zjawisk akustycznych) sygnału dźwiękowego i sygnału EKG wsparta dedykowaną analizą tych zapisów może wystraczająco skutecznie klasyfikować epizody zaburzeń oddychania podczas snu.
Identification of human vital functions based on selected cardiac and respiratory signals
The aim of the thesis is to create valid statistical models for automatic detection of sleep disorders such as snoring, wheezing and/or sleep apnea using acoustic derived biosignals, correlated to the patients ECG signal acquired during sleep. More specifically, the current work is aimed at finding a correlation between two particular physiological signals (vital functions): acoustic signal of breathing and ECG signal represented by heart activity parameters acquired during the same period of breathing during sleep. Evaluation of the simultaneously recorded signals using different methods enables the assessment of variability parameters during sleep. Three main expectations were taken into account: The first aim was to derive a set of descriptors (features, measurements) of measured signals using relevant methods of analysis of biomedical signals. The second goal was to select a specific set of features expected to provide high efficiency of breathing disorders recognition.
The third and final requisite was to develop and validate predictive statistical models, in general sensitive to signal variability.
