Разработка технологии и программно-аппаратного комплекса для исследования структуры сна человека тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Татараидзе, Александр Бидзинович

• Татараидзе, Александр Бидзинович
• кандидат наук
• 2016

Оглавление диссертации кандидат наук Татараидзе, Александр Бидзинович

Оглавление

Стр.

Список сокращений

Введение

Глава 1. Постановка задачи исследования

1.1 Сон и полисомнография

1.2 Нарушения сна

1.3 Методы диагностики нарушений сна

1.4 Аналитический обзор литературы

1.5 Формальная постановка задачи определения структуры сна и обоснование критерия качества её решения

1.6 Выводы по главе 1

Глава 2. Исследование физиологических сигналов и методов их регистрации, потенциально применимых для

длительного мониторинга структуры сна

2.1 Анализ изменений физиологических параметров в течение сна

2.2 Анализ методов регистрации физиологических сигналов, потенциально применимых к задаче

2.3 Исследование возможности определения структуры сна

человека на основе анализа дыхательных движений

2.3.1 Введение

2.3.2 Предобработка сигналов

2.3.3 Извлечение признаков из сигнала ВСР

2.3.4 Извлечение признаков из сигнала РИП

2.3.5 Классификация и результаты

2.4 Выводы по главе 2

Стр.

Глава 3. Разработка методов учёта особенностей структуры сна

3.1 Особенности структуры сна

3.2 Нормализованный индекс эпохи

3.3 Оценка априорных вероятностей в течение ночи

3.4 Математическая модель оценки априорных вероятностей

3.5 Эвристические правила

3.6 Двухступенчатая классификация

3.7 Выводы по главе 3

Глава 4. Разработка биотехнической системы длительного

автоматического бесконтактного определения структуры

сна человека

4.1 Экспериментальные исследования по совместной регистрации биорадиолокационных сигналов и полисомнографии

4.2 Разработка алгоритма определения артефактов и дыхательных циклов на биорадиолокационном сигнале

4.3 Исследование пространства признаков и методов классификации

4.4 Апробация методов учёта особенностей структуры сна

4.5 Исследование качества определения структуры сна и возможности диагностики инсомнии на основе

биорадиолокационного мониторинга

4.6 Разработка требований к биотехнической системе длительного бесконтактного мониторинга структуры сна человека

4.7 Выводы по главе 4

Основные выводы и заключение по диссертационной работе

Список литературы

Список сокращений

АД — артериальное давление

АНС — автономная нервная система

АКТ — актиграфия

БДР — бодрствование

БКГ — баллистокардиография

БО — биологический объект

БРЛ — биорадиолокация

БТС — биотехническая система

ВСР — вариабельность сердечного ритма

ГС — глубокий сон

ДЦ — дыхательный цикл

ИАГ— индекс апноэ-гипопноэ

М1 — 1 стадия ФМС

М2 — 2 стадия ФМС

М3 — 3 стадия ФМС

М4 — 4 стадия ФМС

МАП — межартефактный период

МКР — межквартильный размах

МПИ — межпиковый интервал

НДВС — нарушения дыхания во время сна

ПБ — периоды бодрствования

ПНС — парасимпатическая нервная система

ППЭ — плотность потока энергии

ПОМ — пульсоксиметрия

ПС — поверхностный сон

РИП — респираторная индуктивная плетизмография

СО — стандартное отклонение

СНС — симпатическая нервная система

ТПА — тонус периферических артерий

ФБС — фаза быстрого сна

ФМС — фаза медленного сна

ФПГ — фотоплетизмография

бФПГ — бесконтактная ФПГ

ЦНС — центральная нервная система

ЧД — частота дыхания

ЧСС — частота сердечных сокращений

ЭКГ — электрокардиография

ЭЭГ — электроэнцефалография

ЭОГ — электроокулография

ЭМГ — электромиография

AASM — American Academy of Sleep Medicine

ACC — точность, доля правильных ответов

DSM-5 — Diagnostic and Statistical Manual of Mental Disorders - fifth edition

IG — информационный прирост (Information Gain)

ICSD-3 — International Classification of Sleep Disorders - third edition

к — каппа Коэна

R&K — Rechtschaffen and Kales

SEN — чувствительность

SPC — специфичность

Введение диссертации (часть автореферата) на тему «Разработка технологии и программно-аппаратного комплекса для исследования структуры сна человека»

Введение

Нарушения сна широко распространены в общей популяции и часто остаются недиагностированными. Так, инсомния, в зависимости от используемой методологии исследования, отмечается у 6-48% популяции [1], а обструктивное апноэ сна наблюдается у 1-5% женщин и 3-8% мужчин [2], при этом около 80% случаев апноэ так и остаются недиагностированными [3]. Согласно Европейскому социальному исследованию, 25% населения России в возрасте 41-65 лет отмечают у себя наличие беспокойного сна, а доля людей старше 65 лет с симптомами инсомнии составляет 50% [4].

Помимо широкой встречаемости, нарушения сна, сопровождаясь появлением дневной сонливости, значительно увеличивают риск несчастных случаев [5] и ДТП [6; 7], что обусловливает социальную значимость этой группы патологических состояний. Кроме того, снижение продолжительности и качества сна в краткосрочной перспективе влияет на самочувствие, работоспособность, дневную сонливость и усталость, а в долгосрочной — повышает риск возникновения сердечно-сосудистых заболеваний, ожирения, сахарного диабета и депрессии [8].

Структура сна является ключевым измеряемым диагностическим показателем при определении нарушений сна. «Золотым стандартом» определения структуры сна является полисомнография (ПСГ), по результатам которой врач, визуально анализируя электроэнцефалограмму (ЭЭГ), электроокулограмму (ЭОГ) и электромиограмму (ЭМГ), классифицирует каждую эпоху (30-секундный интервал записи) как период бодрствования (ПБ), фазу быстрого сна (ФБС) или одну из стадий фазы медленного сна (ФМС).

Согласно Международной классификации нарушений сна 3-го пересмотра, инсомния определяется как нарушение инициации или поддержания сна, происходящее не менее 3 раз в неделю в течение не менее чем 3 месяцев. На настоящий момент для оценки наличия инсомнии и выраженности её симптомов применяются опросники и дневники сна. Однако, в многочисленных исследованиях показано, что способности человека к объективной оценке сна ограничены, и в большинстве случаев субъективная оценка сна значительно отличается от объективных показателей [9; 10]. В некоторых случаях это приводит к парадоксальной инсомнии, когда, несмотря на то что объективно измеренные продолжительность и структура сна соответствуют норме, пациент сообщает о трудностях в инициации и поддержании сна. В клинической практике также применяются и объективные методы оценки продолжительности и структуры сна — ПСГ и актиграфия. Однако ПСГ, в силу высокой трудоёмкости и стоимости, неприменима для длительной оценки структуры сна, в то время как актиграфия позволяет только отделить сон от бодрствования.

Использование устройств для длительного мониторинга структуры сна представляет интерес не только для диагностики инсомнии и других нарушений сна, но также для профилактики, что особенно актуально в группах высокого риска, и контроля эффективности терапии. Кроме того, подобный мониторинг может помочь в организации режима сна-бодрствования, увеличить внимание пациента к своему здоровью и мотивировать его на соблюдение гигиены сна. Согласно опросу [11], 35% врачей хотели бы иметь возможность длительного мониторинга структуры сна своих пациентов на дому, что лишь немногим менее доли врачей (36%), считающих полезным иметь возможность следить за количеством потреблённых пациентами калорий.

Таким образом, существует потребность в инструментах для длительного мониторинга структуры сна как здоровых людей, с целью

профилактики и соблюдения гигиены сна, так и людей с нарушениями сна, для диагностики, отслеживания динамики заболевания и коррекции терапии. В связи с этим, разработка средств для длительного автоматического определения структуры сна является актуальной задачей.

Целью диссертационной работы является разработка программного-аппаратного комплекса для длительного автоматического определения структуры сна человека.

Для достижения поставленной цели были сформулированы и решены следующие задачи:

1) исследование и обоснование выбора физиологических сигналов, на основе анализа которых будет определяться структура сна, и метода их регистрации;

2) разработка комплекса алгоритмов определения структуры сна человека;

3) разработка биотехнической системы (БТС) для длительного автоматического определения структуры сна человека;

4) доклиническое исследование эффективности разработанных средств и методов.

Методы исследования

Поставленные задачи решались на основе теории биотехнических систем, методов цифровой обработки сигналов, теории машинного обучения, теории вероятности и математической статистики.

Основные положения, выносимые на защиту:

1. Автоматическое определение структуры сна взрослого практически здорового человека со средним качеством 0,47 каппы Коэна по сравнению с ПСГ возможно осуществить на основе анализа дыхательных движений.

2. Для автоматического определения структуры сна как практически здоровых испытуемых, так и испытуемых с инсомнией, на основе

биорадиолокационного (БРЛ) мониторинга необходимо сформировать пространство признаков, описывающее эпоху сна, состоящее из:

- характеристик двигательной активности;

- спектральных характеристик;

- характеристик дыхательных циклов (ДЦ);

- характеристик регулярности дыхательного паттерна.

3. В результате апробации показано, что предложенная БТС обеспечивает определение структуры сна человека со средним качеством 0,5 каппы Коэна по сравнению с ПСГ как для практически здоровых испытуемых, так и для испытуемых с инсомнией.

Научная новизна:

1. Разработан алгоритм определения артефактов и дыхательных циклов на БРЛ сигнале, позволяющий идентифицировать ДЦ с точностью 96% и чувствительностью 98% на длительных записях БРЛ мониторинга сна.

2. Разработаны методы учёта особенностей структуры сна, позволяющие повысить качество определения структуры сна как для практически здоровых испытуемых, так и для испытуемых с инсомнией.

3. Обоснован набор характеристик эпох сна, позволяющий осуществлять их автоматическую классификацию на основе БРЛ мониторинга.

4. Разработана БТС, определяющая структуру сна со средним качеством 0,5 каппы Коэна по сравнению с ПСГ.

Практическая значимость диссертационной работы заключается в разработке и апробации метода автоматического определения структуры сна человека на основе бесконтактного биорадиолокационного мониторинга с качеством, не уступающим методам определения структуры сна человека,

представленным в литературе, по кардиореспираторным параметрам, зарегистрированным с помощью контактных датчиков.

Результаты работы внедрены в научную работу ФГБУ «СЗФМИЦ им. В.А. Алмазова» Минздрава России, ИЭФБ им. И.М. Сеченова и МГТУ им. Н.Э. Баумана.

Апробация работы.

Основные результаты работы докладывались и обсуждались на: научном семинаре факультета «Биомедицинская техника» МГТУ им. Н.Э. Баумана (г. Москва, 2016); Annual International Conference of the IEEE Engineering in Medicine and Biology Society (Milan, Italy, 2015; Orlando, USA, 2016); Российско-Германской конференции по биомедицинской инженерии (г. Санкт-Петербург, 2014; г. Суздаль, 2016); Congress of the European Sleep Research Society (Tallinn, Estonia, 2014; Bologna, Italy, 2016); SPIE Symposium on Defense and Security, XVIII Radar Sensor Techonology Conference (Baltimore, USA, 2014); научном семинаре «Радиолокационные системы малой и сверхмалой дальности» (г. Москва, 2014 г.); научном семинаре Microwave Sensing, Signals and Systems Group, Delft University of Technology (г. Делфт, Нидерланды, 2015 г.); научном семинаре Institute for the Electromagnetic Sensing of the Environment (г. Неаполь, Италия, 2013); Молодёжной школе-конференции с международным участием «Сон - окно в мир бодрствования» (г. Ростов-на-Дону, 2013 г., г. Санкт-Петербург, 2015 г.).

Материалы диссертации использовались в ходе исследований, проводимых в рамках грантов РФФИ (14-07-31151 мол_а, 16-07-01096 а, 15-07-02472 а), грантов Президента Российской Федерации для государственной поддержки молодых российских учёных-кандидатов наук (MK-889.2014.9, МК-7812.2015.7), гранта Фонда содействия инновациям (11402р/17221), гранта EU FP7 AMISS (PIRSES-GA-2010-269157).

За работы, которые являются частью данной диссертации, автору присуждена стипендия Президента Российской Федерации молодым учёным

и аспирантам и стипендия Президента Российской Федерации для обучения за рубежом студентов и аспирантов.

Публикации. Основные результаты по теме диссертации изложены в 20 печатных изданиях [12-31], в том числе в 3 статьях в журналах [13; 14; 26], рекомендованных ВАК РФ для публикации материалов диссертаций на соискание учёных степеней кандидата и доктора наук, в 1 патенте на полезную модель [17] и 1 свидетельстве об официальной регистрации программ для ЭВМ [12].

Объем и структура работы. Диссертация состоит из введения, четырёх глав и заключения. Полный объём диссертации составляет 138 страниц с 53 рисунками и 24 таблицами. Список литературы содержит 159 наименований.

Глава 1. Постановка задачи исследования 1.1 Сон и полисомнография

«Сон жизненно важное биологическое состояние, являющееся одной из форм адаптивного пассивно-оборонительного поведения, которое характеризуется низким уровнем взаимодействия (восприятия и реакции) с внешней средой, подчинено суточной цикличности освещённости, способствует восстановлению, нормализации и развитию физиологических и психических ресурсов организма. Будучи универсальным биологическим явлением, сон изменяется и усложняется по мере эволюции животного мира и усложнения ЦНС животных» — согласно определению И.Г. Кармановой [32]. В свою очередь В.М. Ковальзон определяет сон как «особое генетически детерминированное состояние организма геотермных (теплокровных) животных (млекопитающих и птиц), характеризующееся закономерной последовательной сменой определённых полиграфических картин в виде циклов, фаз и стадий» [33].

Согласно стандарту Rechtschaffen and Kales (R&K) 1968 года [34], принято выделять ФБС, четыре стадии (М1-М4) ФМС, а также ПБ. В обновлённом стандарте Американской академии медицины сна (American Academy of Sleep Medicine, AASM) 2007 г. [35] стадии М3 и М4 были объедены в одну стадию М3, также известную как стадию глубокого сна (ГС).

Фазы и стадии сна циклически сменяют друг друга. Каждый цикл сна состоит из стадий ФМС и ФБС. Как правило, ночной сон состоит из 4-6 подобных циклов, средняя продолжительность которых у взрослого человека составляет около 90 минут. Процентный состав циклов меняется в течении

Рис. 1.1. Процентный состав сна

сна, так представленность ГС в первой половине ночного сна больше чем во второй, а представленность ПС и ФБС возрастает во второй половине сна.

«Золотым стандартом» определения структуры сна является лабораторная ПСГ, представляющая собой параллельную регистрацию различных физиологических параметров во время сна в контролируемых лабораторных условиях (Рис. 1.2). ПСГ должна включать в себя, как минимум, регистрацию ЭЭГ, ЭОГ и ЭМГ, на основе анализа которых и происходит классификация эпох. Зачастую ПСГ включает в себя также регистрацию электрокардиограммы (ЭКГ), абдоминальных и торакальных дыхательных усилий, дыхательного потока, сатурации крови кислородом, тонуса мышц нижних конечностей, видеозаписи, храпа и положения тела.

Рассмотрим особенности фаз и стадий сна, а также критерии их определения по ПСГ.

ПБ — период бодрствования. ПБ определяется на основе следующих параметров:

- быстрые движения глаз, читающие движения глаз, моргания на ЭОГ;

- а (8-12 Гц) ритмы на ЭЭГ;

- высокая амплитуда сигнала ЭМГ.

Рис. 1.2. Пациент во время лабораторной ПСГ

ФБС — фаза быстрого сна (Rapid Eye Movement (REM) sleep), отличается увеличением активности центральной нервной системы (ЦНС) до уровня близкого к бодрствованию, за что ее называют также парадоксальным сном. В ФБС наблюдается повышение артериального давления (АД), высокая вариабельность дыхания и сердечного ритма. Именно эта фаза сна ассоциируется с наличием сновидений. ФБС составляет около 25% от общей длительности сна, причём длительность ФБС в конце ночного сна, как правило, больше чем в начале. ФБС определяется на основе следующих параметров:

- быстрые движения глаз на ЭОГ;

- низкая амплитуда ЭЭГ со смешанными в (4-8 Гц) и а ритмами;

- очень низкая амплитуда ЭМГ.

ФБС может быть разделена на тоническую и фазическую части. В тонической ФБС происходит паралич больших мышечных групп, активными остаются только сердце, диафрагма и некоторые сфинкторы. В фазической ФБС происходит быстрые движения глаз, а также наблюдаются миоклонические вспышки активности на ЭМГ.

ФМС (non-REM (NREM) sleep) составляет около 75% от общей длительности сна и делится на 3 стадии сна согласно стандарту AASM [35].

М1 — первая стадия ФМС представляющая собой переход от бодрствования ко сну, дремоту. Если разбудить человека во время этой стадии в первом цикле, то он может субъективно воспринимать произошедшее и как сон, и как спокойное бодрствование. Также в М1 может происходить непроизвольное вздрагивание во сне. АД, частота сердечных сокращений (ЧСС), ВСР, частота дыхания (ЧД) и мышечный тонус снижаются в этой стадии по сравнению со спокойным бодрствованием. Длительность М1 как правило очень небольшая (1-7 мин.), а всего она занимает около 3% от общего времени сна. Эта стадия определяется на основе следующих параметров:

- медленные движения глаз на ЭОГ;

- низкая амплитуда ЭЭГ с ^-ритмом;

- снижение амплитуды ЭМГ.

М2 — вторая стадия ФМС. Длительность М2 растёт от начала ночного сна к его концу, а продолжительность составляет примерно половину от общего времени сна. АД, ЧСС, ВСР, ЧД и мышечный тонус продолжают снижаться. Эта стадия определяется на основе следующих параметров:

- редкие медленные движения глаз на ЭОГ;

- сонные веретена и K-комплексы на ЭЭГ;

- снижение амплитуды ЭМГ по сравнению с М1.

М3 (глубокий сон, дельта-сон) — третья стадия ФМС. Длительность М3 постепенно падает от начала ночного сна к его концу, а общая продолжительность составляет около 20-25% от общего времени сна. АД, ЧСС, ВСР, ЧД и мышечный тонус продолжают снижаться. Эта стадия определяется на основе следующих параметров:

- редкие медленные движения глаз на ЭОГ;

- высокоамплитудные £-волны (0,5-2,0 Гц) на ЭЭГ;

- низкая амплитуда ЭМГ.

Критерии определения фаз и стадий сна по ПСГ обобщены в Таблице 1.

Таблица 1.

Критерии определения фаз и стадий сна на основе ПСГ

Стадия ЭЭГ ЭОГ ЭМГ

ПБ а-ритмы быстрые движения глаз, читающие движения глаз, моргания высокая амплитуда

ФБС низкая амплитуда, в и а ритмы очень низкая амплитуда быстрые движения глаз

М1 низкая амплитуда, #-ритм снижение амплитуды медленные движения глаз

М2 сонные веретена, К-комплексы снижение амплитуды редкие медленные движения глаз

М3 высокоамплитудные ^-волны низкая амплитуда редкие медленные движения глаз

По результатам классификации эпох строится гипнограмма (график отображающий структуру сна от времени, Рис. 1.3), а также рассчитываются параметры структуры сна. Набор параметров структуры сна может варьироваться, но наиболее распространённые из них включают:

- общее время записи — время, прошедшее от момента отключения освещения до его включения;

- период сна — время от инициации сна до его окончания;

- общее время сна — время сна, без учёта ПБ во время сна;

- эффективность сна - процентное отношение общего времени сна к общему времени записи;

- количество пробуждений;

Рис. 1.3. Гипнограмма

- латентность ко сну —время от момента отключения освещения до первой эпохи сна;

- латентность к М2 —время от момента отключения освещения до первой эпохи М2;

- латентность к М3 — время от момента отключения освещения до первой эпохи М3;

- латентность к ФБС — время от первой эпохи сна до первой эпохи ФБС;

- количество завершённых циклов сна;

- общая длительность ПБ — длительность ПБ в записи, включая ПБ до инициации сна и ПБ после завершения сна до окончания записи (включения света);

- длительность ПБ по отношению к периоду сна (%);

- общая длительность ФБС;

- длительность ФБС по отношению к периоду сна (%);

- длительность ФБС по отношению к общему времени сна (%);

- общая длительность М1;

- длительность М1 по отношению к периоду сна (%);

- длительность М1 по отношению к общему времени сна (%);

- общая длительность М2;

- длительность М2 по отношению к периоду сна (%);

- длительность М2 по отношению к общему времени сна (%);

- общая длительность М3;

- длительность М3 по отношению к периоду сна (%);

- длительность М3 по отношению к общему времени сна (%).

1.2 Нарушения сна

Номенклатура нозоологий сна, их классификация и диагностические критерии представлены в двух общепринятых руководствах: Международная классификация нарушений сна 3-го пересмотра (ICSD-3, International Classification of Sleep Disorders - third edition), изданная в 2014 г. AASM; Диагностическое и статистическое руководство по психическим расстройствам 5-го пересмотра (DSM-5, Diagnostic and Statistical Manual of Mental Disorders - fifth edition), изданное в 2013 г. Американской психиатрической ассоциацией.

Согласно ICSD-3, нозологии сна делятся на следующие группы:

- инсомнии;

- нарушения дыхания во сне (НДВС);

- гиперсомнии;

- расстройства цикла «сон - бодрствование»;

- парасомнии;

- расстройства движения во сне;

- другие расстройства сна.

К гиперсомниям относятся нарушения сна, приводящие к его избыточной продолжительности. В ICSD-3 выделяются следующие гиперсомнические нозологии: нарколепсия I и II типа; идиопатическая гиперсомния; синдром Клейне-Левина; гиперсомния вследствие заболеваний;

гиперсомния вследствие приема лекарственных средств; гиперсомния, ассоциированная с психическими расстройствами; синдром недостаточного сна. Одна из наиболее клинически значимых гиперсомний — нарколепсия — встречается у 0,02-0,06% общей популяции [36].

1С8Б-3 выделяет следующие расстройства цикла «сон-бодрствование»: синдром задержки фазы сна; синдром опережающей фазы сна; нерегулярный цикл «сон-бодрствование»; не 24-часовой цикл «сон-бодрствование»; расстройство цикла «сон-бодрствование» при сменной работы; синдром смены часовых поясов; неуточненное расстройство цикла «сон-бодрствование». Эпидемиология данной группы патологических состояний не вполне ясна ввиду недостаточности данных в литературе. Так, распространенность в Японии оценивается в 0,13% [37] от общей популяции, а среди европейских подростков в 0,4% [38].

Расстройства движения во сне включают: синдром беспокойных ног; синдром периодических движений конечностей; ночные судороги; бруксизм; расстройство с ритмичными движениями во сне; доброкачественные миоклонии сна младенцев; проприоспинальные миоклонии засыпания; расстройство движения во сне вследствие других заболеваний; расстройство движений во сне вследствие приема лекарственных препаратов; неуточненное расстройство движений во сне. Наиболее распространенным нарушением движения во сне является синдром беспокойных ног, который встречается у 0,1-2,7% общей популяции [39].

К парасомниям относятся нежелательные события, происходящие во время инициации сна, пробуждения или в течении сна. Парасомнии делятся на ассоциированные с ФМС и ФБС. К парасомниям, ассоциированным с ФМС, относят: пробуждение со спутанным сознанием; снохождения; ночные страхи; расстройства пищевого поведения; ассоциированные со сном. К парасомниям, ассоциированным с ФБС относят: расстройства поведения в ФБС; сонный паралич; кошмары. Кроме того, выделяют

такую категорию как «другие парасомнии», к которым относятся: синдром «взрывающейся головы»; галлюцинации связанные со сном; ночной энурез; парасомнии вследствие других заболеваний; парасомнии вследствие приёма лекарственных препаратов; неуточненную парасомнию. Распространённость парасомний в общей популяции оценивается от 0,4% для расстройства пищевого поведения, ассоциированного со сном, до 2,8% для ночных кошмаров [40].

ICSD-3 выделяет следующие НДВС: синдром обструктивного апноэ сна; синдром центрального апноэ сна; расстройства с гиповентиляцией во сне; расстройства с гипоксемией во сне. Наиболее распространённым НДВС является синдром обструктивного апноэ сна, которое встречается у 4% мужчин и 2% женщин [36]. Наличие НДВС диагностируется при индексе апноэ-гипопноэ (ИАГ) > 5. ИАГ — среднее количество эпизодов апноэ (остановки дыхания) и гипопноэ (значимое снижение дыхательного потока) в час.

Инсомния — «это клинический синдром, характеризующийся наличием повторяющихся нарушений инициации, продолжительности, консолидации или качества сна, возникающих несмотря на наличие достаточного количества времени и условий для сна и проявляющихся нарушениями деятельности различного вида» [41].

Оба руководства, ICSD-3 и DSM-5, включают в качестве диагностических критериев инсомнии частоту (не менее 3 раз в неделю) и продолжительность (не менее 3 месяцев) нарушения сна. В ICSD-3 используется термин «хроническая инсомния» (chronic insomnia disorder), в то время как в DSM-5 «инсомния» (insomnia disorder). Эта категория заменила такие нозологии, существующие в предыдущих редакциях данных руководств, как «первичная инсомния» и «вторичная инсомния», ввиду того, что зачастую невозможно достоверно установить причинно-следственную связь между инсомнией и коморбидными состояниями [36].

В зависимости от используемой методологии исследования, представленность инсомнии в популяции может быть оценена от 6% до 48%. В Таблице 2 представлены данные о встречаемости инсомнии из обзора М. ОИауоп [1]. Инсомния чаще встречается у женщин, кроме того риск инсомнии вырастает с возрастом (Таблица 3).

Таблица 2.

Оценка распространенности инсомнии в зависимости от используемых диагностических критериев, согласно обзору М. ОИауоп [1]

Критерий Распространенность

_(%)

Наличие хотя бы одного симптома инсомнии 30-48

Симптомы инсомнии, проявляющиеся не менее 3 раз 16-21 в неделю

Неудовлетворенность качеством или 8-18 продолжительностью сна

Критерии Б8М-4 6

Таблица 3.

Распространенность инсомнии и ее симптомов в зависимости от возраста и пола, согласно обзору К. Ье1еЬ81ет е! а1. [42]

Популяция (%) Пожилые (%) Мужчины (%) Женщины (%)

Инсомния 15,3 25,2 12,4 18,2

Сложность инициации 13,4 15,4 11,4 15,4

сна

Сложность 15,4 25,8 13,2 17,6

поддержания сна

Ранее пробуждение 12,7 15,5 11,8 13,6

Инсомния часто сопровождается коморбидными заболеваниями, в Таблице 4 представлена информация об их распространённости в группах с наличием и отсутствием инсомнии, согласно исследованию Taylor et al., 2007 [43]. Кроме того, инсомния часто сопровождается психическими расстройствами: депрессией, тревожным расстройством,

паническим расстройством, расстройством адаптации, соматоформными расстройствами и др. [36]. Пациенты с диагностированной инсомнией в 10 раз чаще страдают депрессией и в 17 тревожными расстройствами, а встречаемость данных патологических состояний в данной группе составляет около 20% и 19% соответственно [36].

Таблица 4.

Встречаемость заболеваний в группах с наличием и отсутствием инсомнии,

согласно обзору Taylor et al. [43]

Распространённость в группе (%) c инсомнией без инсомнии

Заболевания сердца 21,9 9,5

Злокачественная опухоль 8,8 4,2

Высокое артериальное давление 43,1 18,7

Неврологические заболевания 7,3 1,2

Нарушения дыхания 24,8 5,7

Нарушения мочевыделительной системы 19,7 9,5

Диабет 13,1 5,0

Хроническая боль 50,4 18,2

Нарушения ЖКТ 33,6 9,2

Любые 86,1 48,4

Представленность инсомнии и её симптомов различна не только в группах с разным полом и возрастом, но и в популяциях разных стран. Единственной публикацией, известной автору, в которой приведены данные для России, является анализа данных Европейского социального исследования (European Social Survey), проведённый A. Dregan и D. Armstrong [4]. Согласно данной работе, 25% населения России в возрасте 41-65 лет отмечают у себя наличие беспокойного сна (restless sleep), а доля людей старше 65 лет с симптомами инсомнии составляет 50%. В Таблице 5 представлены данные о распространённости жалоб на беспокойный сон для некоторых стран, рассмотренных в исследовании A. Dregan и D. Armstrong [4].

Инсомния часто остаётся недиагностированной, а люди страдающие инсомнией прибегают к курированию симптомов с помощью алкоголя

Таблица 5.

Распространённость беспокойного сна в зависимости от страны и возрастной группы, согласно исследованию A. Dregan и D. Armstrong [4]

Возраст 41-65 лет (%) Возраст 66+ лет (%)

Россия 25 55

Украина 27 54

Эстония 20 35

Великобритания 20 25

Финляндия 9 15

Швейцария 12 14

и снотворных средств. Так, согласно исследованию Johnson et al. [44], проведённого на основе опроса 2181 жителей штата Мичиган в возрасте 18-45 лет, 13% популяции используют алкоголь в качестве снотворного, 18% используют фармацевтические препараты, а 5% используют как алкоголь, так и фармацевтические препараты.

1.3 Методы диагностики нарушений сна

В клинической практике применяются несколько методов исследования сна и диагностики его нарушений, каждый из которых имеет свою область применения, преимущества и недостатки.

Лабораторная ПСГ проводится в специально оборудованном помещении и является «золотым стандартом» исследования сна. Этот метод, тем не менее, обладает рядом существенных недостатков, а именно:

1. высокая трудоёмкость исследования, которая определяется следующими факторами:

- использованием большого количества электродов и датчиков (более 40), что приводит к необходимости тратить

продолжительное время (около часа) на подготовку пациента к исследованию (Рис. 1.4), - расшифровкой ПСГ записи путём её визуального анализа, что все ещё остаётся основным способом определения структуры сна и занимает около 1,5 часов;

Рис. 1.4. Подготовка пациента к проведению ПСГ

2. высокая стоимость исследования, которая определяется следующими факторами:

Список литературы диссертационного исследования кандидат наук Татараидзе, Александр Бидзинович, 2016 год

Список литературы

1. Ohayon M.M. Epidemiology of insomnia: what we know and what we still need to learn // Sleep Medicine Reviews. 2002. Vol. 6, N. 2. P. 97-111.

2. Punjabi N.M. The epidemiology of adult obstructive sleep apnea. // Proceedings of the American Thoracic Society. 2008. Vol. 5, N. 2. P. 136-43.

3. Jennum P., Riha R.L. Epidemiology of sleep apnoea/hypopnoea syndrome and sleep-disordered breathing // European Respiratory Journal. 2009. Vol. 33, N. 4. P. 907-914.

4. Dregan A., Armstrong D. Cross-country variation in sleep disturbance among working and older age groups: an analysis based on the European Social Survey//International Psychogeriatrics. 2011. Vol. 23, N. 09. P. 1413-1420.

5. A prospective study of fatal occupational accidents - Relationship to sleeping

о

difficulties and occupational factors / T. Akerstedt [et al.] // Journal of Sleep Research. 2002. Vol. 11, N. 1. P. 69-71.

6. Sleep disorders, sleepiness and traffic safety: A public health menace / S.R. Pandi-Perumal [et al.] // Brazilian Journal of Medical and Biological Research. 2006. Vol. 39, N. 7. P. 863-871.

7. Driver sleepiness and risk of serious injury to car occupants: population based case control study. / J. Connor [et al.] // BMJ (Clinical research ed.). 2002. Vol. 324, N. 7346. 1125 p.

8. Sleep epidemiology-A rapidly growing field / J.E. Ferrie [et al.] // International Journal of Epidemiology. 2011. Vol. 40, N. 6. P. 1431-1437.

9. Self-reports versus sleep laboratory findings in 122 drug-free subjects with complaints of chronic insomnia. / M.A. Carskadon [et al.] // The American journal of psychiatry. 1976. Vol. 133, N. 12. P. 1382-1388.

10. The relation between polysomnography and subjective sleep and its

о

dependence on age - poor sleep may become good sleep. / T. Akerstedt

[et al.] // Journal of sleep research. 2016.

11. Physician and Consumer Surveys / Pricewaterhousecoopers Health Research Institute.. 2010.

12. Татараидзе А.Б., Скакунов В.Н. Система для определения фазы быстрого сна по вариабельности сердечного ритма: Свидетельство о государственной регистрации программы для ЭВМ №2012615344. заявл. 19.04.2012; зарег. 14.06.2012; опубл. 20.09.2012. Бюлл. №3. 2012.

13. Comparison of Bioradiolocation and Respiratory Plethysmography Signals in Time and Frequency Domains on the Base of Cross-Correlation and Spectral Analysis / M. Alekhin [et al.] // International Journal of Antennas and Propagation. 2013. Vol. 2013. P. 1-6.

14. Татараидзе А.Б., Анищенко Л.Н., Алёхин М.Д. Оценка обобщающей способности классификаторов в задаче определения структуры сна по вариабельности сердечного ритма // Биомедицинская радиоэлектроника. 2013. №6. С. 44-51.

15. Verification of Bio-radiolocation Method with Respiratory Plethysmography for Non-contact Remote Breathing Monitoring / M.D. Alekhin [et al.] // Proceedings of the 43rd European Microwave Conference. Nuremberg, Germany. 2013. P. 704-707.

16. Биорадиолокационный мониторинг сна / А.Б. Татараидзе [и др.] // Материалы 7-ой Российской молодежной школы-конференции с международным участием. Ростов-на-Дону. 2013. С. 77-78.

17. Алехин М.Д. [и др.]. Устройство для автоатизированного распознавания паттернов биорадиолокационных сигналов: Патент на полезную модель № RU142167U1. заявл. 13.02.2014; опубл. 20.06.2014. Бюлл. № 17.

18. Application of step-frequency radars in medicine / L. Anishchenko [et al.] // Proceedings of SPIE Symposium on Defense and Security, Radar Sensor Technology XVIII Conference / Ed. by K. I. Ranney, A. Doerry. Vol. 9077. Boston, USA. 2014. P. 90771N1-7.

19. Estimation of respiratory rhythm during night sleep using a bio-radar / A. Tataraidze [et al.] // Proceedings of SPIE Symposium on Defense and Security, Radar Sensor Technology XVIII Conference. Vol. 9077. Boston, USA. 2014. P. 90770Z1-6.

20. Tataraidze A., Anishchenko L., Alekhin M. Sleep stage classification using hear rate variability // X Russian-Germany Conference on Biomedical Engineering. St. Petersburg, Russia. 2014. P. 75-77.

21. Sleep estimation based on respiratory analysis / A. Tataraidze [et al.] // Abstracts of the 22rd Congress of the European Sleep Research Sociery. Tallinn, Estonia. 2014. 162 p.

22. Sleep stage classification based on respiratory signal / A. Tataraidze [et al.] // 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Milan, Italy. IEEE, 2015. P. 358-361.

23. Sleep stage classification based on bioradiolocation signals / A. Tataraidze [et al.] // 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Milan, Italy. IEEE, 2015. P. 362-365.

24. Использование метода биорадиолокации для бесконтактного определения структуры сна человека / А.Б. Татараидзе [и др.] // Биомедицинская радиоэлектроника. 2015. № 7. С. 85-92.

25. Радиолокация анализирует сон / А.Б. Татараидзе [и др.] // Природа. 2015. № 11. С. 60-64.

26. Определение структуры сна на основе биорадиолокационного мониторинга / А.Б. Татараидзе [и др.] // Материалы 8-ой Российской молодежной школы-конференции с международным участием. Санкт-Петербург. 2015. P. 105-106.

27. Sleep Architecture Measurement Based on Cardiorespiratory Parameters / A. Tataraidze [et al.] // 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Vol. 53. Orlando, USA. 2016. P. 3478-3481.

28. Bioradiolocation-based Sleep Stage Classification / A. Tataraidze [et al.] // Annual International Conference of the IEEE Engineering in Medicine and Biology. Vol. 38. Orlando, USA. 2016. P. 2839-2842.

29. Tataraidze A. Sleep stage classification using respiratory effort signals // Proceedings of the 12th Russian-German Conference on Biomedical Engineering. Suzdal, Russia. 2016. P. 143-144.

30. Sleep-wakefulness evaluation based on bioradiolocation / A. Tataraidze [et al.] // Abstracts of the 23rd Congress of the European Sleep Research Sociery. Bologna, Italy. 2016. 255 p.

31. Sleep estimation based on the analysis of cardiorespiratory activity / A. Tataraidze [et al.] // Abstracts of the 23rd Congress of the European Sleep Research Sociery. Bologna, Italy. 2016. 255 p.

32. Сомнология и медицина сна. Избранные лекции / Под ред. Я.И. Левин, М.Г. Полуэктов. М: Медфорум, 2013. 432 c.

33. Ковальзон В.М. Основы сомнологии: физиология и нейрохимия цикла «бодрствование-сон». М: БИНОМ. Лаборатория знаний, 2012. 239 c.

34. Rechtschaffen A., Kales A. A manual of standardized terminology, techniques and scoring system for sleep stages of human subjects. Washington, USA: U.S. National Institute of Neurological Diseases and Blindness, Neurological Information Network, 1968. 58 p.

35. The AASM Manual for the Scoring of Sleep and Associated Events / R. Berry [et al.]. Westchester, USA: American Academy of Sleep Medicine, 2007. 59 p.

36. Principles and Practice of Sleep Medicine / Ed. by M. Kryger, T. Roth. 6 ed. Philadelphia, PA. Elsevier, 2017. 1730 p.

37. Yazaki M., Shirakawa S., Okawa M. Demography of sleep disturbances associated with circadian rhythm disorders in Japan // Psychiatry and Clinical Neurosciences. 1999. Vol. 53. P. 267-268.

38. Prevalence and Patterns of Problematic Sleep Among Older Adolescents / M.M. Ohayon [et al.] // Journal of the American Academy of Child &

Adolescent Psychiatry. 1998. Vol. 39, N. 12. P. 1549-1556.

39. Merlino G., Luigi G. Sleep-related movement disorders // Neurological Science. 2012. Vol. 33. P. 491-513.

40. Bjorvatn B., Gr0nli J., Pallesen S. Prevalence of different parasomnias in the general population//Sleep Medicine. 2010. Vol. 11. P. 1031-1034.

41. Полуэктов М.Г. Диагностика и лечение расстройств сна. М: МЕДпресс-информ, 2016. 256 c.

42. Epidemiology of Sleep: Age, Gender, and Ethnicity / K.L. Lichstein [et al.]. Mahwah, USA: Lawewnce Erlbaum Assiciates, 2004. 238 p.

43. Comorbidity of Chronic Insomnia With Medical Problems / D.J. Taylor [et al.] // Sleep. 2007. Vol. 30, N. 2. P. 213-218.

44. Epidemiology of Alcohol and Medication as Aids to Sleep in Early Adulthood / E.O. Johnson [et al.] // Sleep. 1998. Vol. 21, N. 2. P. 178-186.

45. EmblettaX100. URL: http://www.mortara.com/au/products/sleep-diagnostics/ portable-sleep-systems/emblettar-x100tm/ (date of access: 04.09.2016).

46. Кардио-респираторный мониторинг. URL: http://www.hrap.by/news/ kardio-respiratornyi-monitoring (дата обращения: 04.09.2016).

47. Pulse oximetry. URL: https://en.wikipedia.org/wiki/Pulseoximetry (date of access: 04.09.2016).

48. Actigraphy. URL: http://www.actigraphy.com/applications/about_actigraphy. html (date of access: 04.09.2016).

49. Пример дневника сна. URL: http://buzunov.ru/wp-content/uploads/2012/09/ (дата обращения: 04.09.2016).

50. Gaina A., Michekazu S., Chen X. Validity of Child Sleep Diary Questionnaire among Junior High School Children // Journal of Epidemiology. 2016. Vol. 14. 2004.

51. Baker F.C., Maloney S., Driver H.S. A comparison of subjective estimates of sleep with objective polysomnographic data in healthy men and women // Journal of Psychosomatic Research. 1999. Vol. 47, N. 4. P. 335-341.

52. Kushida C., Chang A., Gadkary C. Comparison of actigraphic, polysomnography, and subjective assessment of sleep parameters in sleep-disordered patients // Sleep Medicine. 2001. Vol. 2. P. 389-396.

53. Determination of Sleep State in Infants Using Respiratory Variability / G.G. Haddad [et al.] // Pediatric Research. 1987. Vol. 21, N. 6. P. 556-562.

54. Harper R.M., Schechtman V.L., Kluge K.A. Machine classification of infant sleep state using cardiorespiratory measures // Electroencephalography and Clinical Neurophysiology. 1987. Vol. 67, N. 4. P. 379-387.

55. Sleep state scoring in infants from respiratory and activity measurements / N.A. Sazonova [et al.] // Annual International Conference of the IEEE Engineering in Medicine and Biology. 2006. Vol. 1. P. 2462-2465.

56. REM Sleep Classification with Respiration Rates / G.S. Chung [et al.] // 2007 6th International Special Topic Conference on Information Technology Applications in Biomedicine. IEEE, 2007. P. 194-197.

57. REM sleep estimation only using respiratory dynamics. / G.S. Chung [et al.] // Physiological measurement. 2009. Vol. 30, N. 12. P. 1327-40.

58. Attractor structure discriminates sleep states: Recurrence plot analysis applied to infant breathing patterns / P.I. Terrill [et al.] // IEEE Transactions on Biomedical Engineering. 2010. Vol. 57, N. 5. P. 1108-1116.

59. Application of recurrence quantification analysis to automatically estimate infant sleep states using a single channel of respiratory data / P.I. Terrill [et al.] // Medical and Biological Engineering and Computing. 2012. Vol. 50, N. 8. P. 851-865.

60. Respiration amplitude analysis for REM and NREM sleep classification / X. Long [et al.] // Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS. 2013. Vol. 2013. P. 5017-5020.

61. Analyzing respiratory effort amplitude for automated sleep stage classification / X. Long [et al.] // Biomedical Signal Processing and Control.

2014. Vol. 14, N. 1. P. 197-205.

62. Redmond S.J., Heneghan C. Cardiorespiratory-based sleep staging in subjects with obstructive sleep apnea // IEEE Transactions on Biomedical Engineering. 2006. Vol. 53, N. 3. P. 485-496.

63. Sleep staging using cardiorespiratory signals / S.J. Redmond [et al.] // Somnologie. 2007. Vol. 11, N. 4. P. 245-256.

64. Time-frequency analysis of heart rate variability for sleep and wake classification / X. Long [et al.] // 2012 IEEE 12th International Conference on Bioinformatics & Bioengineering (BIBE). 2012. P. 85-90.

65. Sleep stage classification with ECG and respiratory effort / P. Fonseca [et al.] // Physiological Measurement. 2015. Vol. 36, N. 10. P. 2027-2040.

66. Sleep and wake classification with actigraphy and respiratory effort using dynamic warping / X. Long [et al.] // IEEE Journal of Biomedical and Health Informatics. 2014. Vol. 18, N. 4. P. 1272-1284.

67. Measuring dissimilarity between respiratory effort signals based on uniform scaling for sleep staging / X. Long [et al.] // Physiological Measurement. 2014. Vol. 35, N. 12. P. 2529-2542.

68. Self-Dissimilarity of Respiratory Effort Across Sleep States and Time / X. Long [et al.] // Meeting of the Associated Professional Sleep Societies. Vol. 37. 2014. P. A36.

69. Automatic Feature Selection for Sleep/Wake Classification with Small Data Sets / J. Foussier [et al.] // 6th International Conference on Bioinformatics Models, Methods and Algorithms. 2013. P. 1-7.

70. Watanabe T., Watanabe K. Noncontact method for sleep stage estimation // IEEE Transactions on Biomedical Engineering. 2004. Vol. 51, N. 10. P. 1735-1748.

71. Kurihara Y., Watanabe K. Sleep-stage decision algorithm by using heartbeat and body-movement signals // IEEE Transactions on Systems, Man, and Cybernetics Part A:Systems and Humans. 2012. Vol. 42, N. 6. P. 1450-1459.

72. Evaluation of the sleep quality based on bed sensor signals: Time variant analysis / M.O. Mendez [et al.] // 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2010. Vol. 2010. P. 3994-3997.

73. Sleep staging based on signals acquired through bed sensor / J.M. Kortelainen [et al.] // IEEE Transactions on Information Technology in Biomedicine. 2010. Vol. 14, N. 3. P. 776-785.

74. Sleep-wake detection based on respiratory signal acquired through a Pressure Bed Sensor / G. Guerrero-Mora [et al.] // Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS. 2012. Vol. 2012. P. 3452-3455.

75. Bianchi A.M., Mendez M.O. Automatic detection of sleep macrostructure based on a sensorized T-shirt // 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC'10. 2010. Vol. 2010. P. 3606-3609.

76. Optimization of Time-Variant Autoregressive Models for tracking REM -non REM transitions during sleep / G. Tacchino [et al.] // 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Vol. 2012. IEEE, 2012. P. 2236-2239.

77. Migliorini M., Nistico D. Time-frequency analysis of the ballistocardiogram for sleep staging. Milan. Politechico di Milano, 2010. 150 p.

78. EMFIT. URL: https://www.emfit.com/ (date of access: 04.09.2016).

79. Emfit. URL: http://cdn.shopify.com/s/files/1/0850/0144/t/2/assets/ home-left-right-image-3.png?17599053060246059139 (date of access: 04.09.2016).

80. An evaluation of a non-contact biomotion sensor with actimetry / N.A. Fox [et al.] // Annual International Conference of the IEEE Engineering in Medicine and Biology - Proceedings. 2007. P. 2664-2668.

81. Sleep/wake measurement using a non-contact biomotion sensor / P. De Chazal [et al.] // Journal of Sleep Research. 2011. Vol. 20, N. 2. P. 356-366.

82. Comparison of a novel non-contact biomotion sensor with wrist actigraphy in estimating sleep quality in patients with obstructive sleep apnoea / M. Pallin [et al.] // Journal of Sleep Research. 2014. Vol. 23, N. 4. P. 475-484.

83. Automated sleep staging classification using a non-contact biomotion sensor / A. Zaffaroni [et al.] // Journal of Sleep Research. 2014. Vol. 23, N. Sp. 1. 105 p.

84. ResMed. URL: https://2nznub4x5d61ra4q12fyu67t-wpengine.netdna-ssl.com/ wp-content/uploads/2014/10/ResMed-S-.png (date of access: 04.09.2016).

85. Accuracy validation of sleep measurements by a contactless biomotion sensor on subjects with suspected sleep apnea / M. Hashizaki [et al.] // Sleep and Biological Rhythms. 2014. Vol. 12, N. 2. P. 106-115.

86. DoppleSleep: A Contactless Unobtrusive Sleep Sensing System Using Short-Range Doppler Radar / T. Rahman [et al.] // Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing - UbiComp '15. 2015. P. 39-50.

87. Shambroom J. R., Fabregas S. E., Johnstone J. Validation of an automated wireless system to monitor sleep in healthy adults // Journal of Sleep Research. 2012. Vol. 21, N. 2. P. 221-230.

88. Sleep stage classification by body movement index and respiratory interval indices using multiple radar sensors / M. Kagawa [et al.] // Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS. 2015. P. 7606-7609.

89. Detection of Nocturnal Slow Wave Sleep Based on Cardiorespiratory Activity in Healthy Adults / X. Long [et al.] // IEEE Journal of Biomedical and Health Informatics. 2015. P. 1-11.

90. Chouchou F., Desseilles M. Heart rate variability: A tool to explore the sleeping brain? // Frontiers in Neuroscience. 2014. Vol. 8, N. DEC. P. 1-9.

91. 2013 ESH/ESC Guidelines for the management of arterial hypertension / G. Mancia [et al.] // European Heart Journal. 2013. Vol. 34. P. 2159-2219.

92. Физиология человека / Под ред. В.М. Покровский, Г.Ф. Коротько. Москва. Медицина, 2007. 656 c.

93. Хауликэ И. Вегетативная нервная система. Бухарест. Медицинское издательство Социалистической Республики Бухарест, 1978. 349 c.

94. Гриппи М.А. Патофизиология легких / Под ред. Н.А. Наточин. 2 изд. Москва. Бином, 2005. 304 c.

95. Ambient and Unobtrusive Cardiorespiratory Monitoring Techniques / C. Bruser [et al.] // IEEE Reviews in Biomedical Engineering. 2015. Vol. 8. P. 30-43.

96. Zeo Sleep Manager Pro. URL: http://www.pcmag.com/article2/0,2817, 2413445,00.asp (date of access: 04.09.2016).

97. Automatic sleep stage classification using two-channel / J. Virkkala [et al.] // Journal of Neuroscience Methods. 2007. Vol. 166. P. 109-115.

98. Detection of breathing sounds during sleep using non-contact audio recordings / T. Rosenwein [et al.] // 2014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC 2014. 2014. P. 1489-1492.

99. Dafna E., Tarasiuk A., Zigel Y. Sleep-wake evaluation from whole-night non-contact audio recordings of breathing sounds // PLoS ONE. 2015. Vol. 10, N. 2. P. 1-22.

100. Remote monitoring of breathing dynamics using infrared thermography / C. B. Pereira [et al.] // Biomedical Optics Express. 2015. Vol. 6, N. 11. 4378 p.

101. Wu T., Blazek V., Schmitt H.J. Photoplethysmography imaging: a new noninvasive and noncontact method for mapping of the dermal perfusion changes // Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series. 2000. Vol. 4163. P. 62-70.

102. Automatic sleep staging based on ballistocardiographic signals recorded through bed sensors / M. Migliorini [et al.] // 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC'10. Vol. 2010. IEEE, 2010. P. 3273-3276.

103. Unobtrusive online monitoring of sleep at home / J. Paalasmaa [et al.] // Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS. 2012. Vol. 2012. P. 3784-3788.

104. Estimation Using Unobtrusively Measured Ballistocardiogram / D.W. Jung [etal.]. 2014. Vol. 61, N. 1. P. 131-138.

105. Обнаружение и дистанционная диагностика людей за препятствиями с помощью РЛС / А.С. Бугаев [и др.] // Радиотехника. 2003. Т. 7. С. 42-47.

106. Immoreev I., Ivashov S. Remote monitoring of human cardio-respiratory system parameters by radar and its applications // 2008 4th International Conference on Ultrawideband and Ultrashot Impulse Signals, UWBUSIS

2008. 2008. P. 34-38.

107. Анищенко Л.Н. Разработка технологии и программно-аппаратного комплекса биорадиолокационного мониторинга двигательной активности, дыхания и пульса: дис. ... канд. техн. наук. Москва.

2009. 183 c.

108. Дистанционный контроль параметров кардиореспираторной системы человека с помощью радиолокационных средств / А.С. Бугаев [и др.] // Биомедицинские технологии и радиоэлектроника. 2004. Т. 10. С. 24-31.

109. Биорадиолокация / Под ред. А.С. Бугаев, С.И. Ивашов, И.Я. Имореев. Москва. МГТУ им. Н.Э. Баумана, 2010. 396 c.

110. Chest wall motion during tidal breathing. / A. De Groote [et al.] // Journal of applied physiology (Bethesda, Md. : 1985). 1997. Vol. 83, N. 5. P. 1531-1537.

111. Laser monitoring of chest wall displacement / T. Kondo [et al.] // European Respiratory Journal. 1997. Vol. 10, N. 8. P. 1865-1869.

112. Kaneko H. Estimating breathing movements of the chest and abdominal wall using a simple, newly developed breathing movement-measuring device // Respiratory care. 2014. Vol. 59, N. 7. P. 1133-9.

113. Kaneko H., Horie J. Breathing Movements of the Chest and Abdominal Wall in Healthy Subjects // Respiratory Care. 2012. P. 1442-1451.

114. Миняева А.В. Реакции торокального и абдоминального компонентов дыхания человека на прогрессирующую гиперкапнию и мышечную работу и их особености, обусловленные положением тела в пространстве: дис. ... канд. биол. наук. Тверь. 1996. 120 c.

115. Ramachandran G., Singh M. Three-dimensional reconstruction of cardiac displacement patterns on the chest wall during the P, QRS and T-segments of the ECG by laser speckle inteferometry // Medical & Biological Engineering & Computing. 1989. Vol. 27, N. 5. P. 525-530.

116. Sleep versus wake classification from heart rate variability using computational intelligence: consideration of rejection in classification models. / A. Lewicke [et al.] // IEEE transactions on bio-medical engineering. 2008. Vol. 55, N. 1. P. 108-118.

117. Sleep stage and obstructive apneaic epoch classification using single-lead ECG. / B. Yilmaz [et al.] // Biomedical engineering online. 2010. Vol. 9. P. 39.

118. Towards automated sleep state estimation using a holter-oximeter / C.P. Chua [et al.] // Annual International Conference of the IEEE Engineering in Medicine and Biology - Proceedings. 2007. Vol. 2007. P. 3998-4001.

119. Adnane M., Jiang Z. Automatic sleep-wake stages classifier based on ECG // Iccas-Sice. Vol. 2. 2009. P. 493-498.

120. Heart Rate Spectrum Analysis for the automated Classification of Sleep Stages / S. Canisius [et al.] // World Congress on Medical Physics and Biomedical Engineering. 2009. P. 782-785.

121. Mendez M., Matteucci M. Sleep staging from Heart Rate Variability: time-varying spectral features and Hidden Markov Models // International Journal of Biomedical Engineering and Technology. 2010. Vol. 3. P. 246-263.

122. Adnane M., Jiang Z., Yan Z. Sleep-wake stages classification and sleep efficiency estimation using single-lead electrocardiogram // Expert Systems with Applications. 2012. Vol. 39, N. 1. P. 1401-1413.

123. Karlen W. Adaptive Wake and Sleep Detection for Wearable Systems. Ph.D. thesis / Ecole Polytechnique. 2009. 165 p.

124. Automatic sleep staging from ventilator signals in non-invasive ventilation / C. Sady [et al.] // Computers in Biology and Medicine. 2013. Vol. 43, N. 7. P. 833-839.

125. Automatic sleep staging using empirical mode decomposition, discrete wavelet transform, time-domain, and nonlinear dynamics features of heart rate variability signals / F. Ebrahimi [et al.] // Computer Methods and Programs in Biomedicine. 2013. Vol. 112, N. 1. P. 47-57.

126. Signal processing and feature extraction for sleep evaluation in wearable devices / A.M. Bianchi [et al.] // Annual International Conference of the IEEE Engineering in Medicine and Biology - Proceedings. 2006. Vol. 1. P. 3517-3520.

127. Bianchi A.M., Mendez M.O. Methods for heart rate variability analysis during sleep // 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. IEEE, 2013. P. 6579-6582.

128. Sleep stages classification based on heart rate variability and random forest / M. Xiao [et al.] // Biomedical Signal Processing and Control. 2013. Vol. 8, N. 6. P. 624-633.

129. An ECG-based algorithm for the automatic identification of autonomic activations associated with cortical arousal. / M. Basner [et al.] // Sleep. 2007. Vol. 30, N. 10. P. 1349-61.

130. Assessing sleep architecture and continuity measures through the analysis of heart rate and wrist movements recordings in healthy subjects: comparison with results based on polysomnography / A. Muzet [et al.] // Sleep Medicine. 2016.

131. Sleep Staging Based on Autonomic Signals : A Multi-Center Validation Study / J. Hedner [et al.] // Journal of clinical sleep medicine. 2011. Vol. 7, N. 3. P. 301-306.

132. Isa S. M., Wasito I., Arymurthy A. M. Kernel Dimensionality Reduction on Sleep Stage Classification using ECG Signal // International Journal of Computer Science Issues. 2011. Vol. 8, N. 4. P. 115-123.

133. Devot S., Dratwa R., Naujokat E. Sleep/wake detection based on cardiorespiratory signals and actigraphy // 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC'10. 2010. Vol. 2010. P. 5089-5092.

134. Domingues A., Paiva T., Sanches J. M. Hypnogram and sleep parameter computation from activity and cardiovascular data // IEEE Transactions on Biomedical Engineering. 2014. Vol. 61, N. 6. P. 1711-1719.

135. Evolutionary Selection of Features for Neural Sleep/Wake Discrimination / P. Diirr [et al.] // Journal of Artificial Evolution and Applications. 2009. Vol. 2009. P. 1-10.

136. Karlen W., Mattiussi C., Floreano D. Improving actigraph sleep/wake classification with cardio-respiratory signals // 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Vol. 2008. IEEE, 2008. P. 5262-5265.

137. Karlen W., Mattiussi C., Floreano D. Adaptive sleep/wake classification based on cardiorespiratory signals for wearable devices // Conference Proceedings - IEEE Biomedical Circuits and Systems Conference Healthcare Technology, Bi0CAS2007. 2007. P. 203-206.

138. Sleep and Wake Classification With ECG and Respiratory Effort Signals / W. Karlen [et al.]. 2009. Vol. 3, N. 2. P. 71-78.

139. An evaluation of cardiorespiratory and movement features with respect to sleep-stage classification / T. Willemen [et al.] // IEEE Journal of Biomedical and Health Informatics. 2014. Vol. 18, N. 2. P. 661-669.

140. Probabilistic cardiac and respiratory based classification of sleep and apneic events in subjects with sleep apnea / T. Willemen [et al.] // Physiological Measurement. 2015. Vol. 36, N. 10. P. 2103-2118.

141. Respiration during sleep in normal man. / N. J. Douglas [et al.] // Thorax. 1982. Vol. 37, N. 11. P. 840-844.

142. Cardiovascular and respiratory dynamics during normal and pathological sleep / T. Penzel [et al.] // Chaos. 2007. Vol. 17, N. 1.

143. Breathing during REM and non-REM sleep: Correlated versus uncorrelated behaviour / J.W. Kantelhardt [et al.] // Physica A: Statistical Mechanics and its Applications. 2003. Vol. 319. P. 447-457.

144. Redline S. Sleep Heart Health Study. URL: http://sleepdata.org/datasets/shhs.

145. Methods for obtaining and analyzing unattended polysomnography data for a multicenter study. Sleep Heart Health Research Group. / S. Redline [et al.] // Sleep. 1998. Vol. 21, N. 7. P. 759-67.

146. A Wavelet-Based ECG Delineator: Evaluation on Standard Databases / J. Martinez [et al.] // IEEE Transactions on Biomedical Engineering. 2004. Vol. 51, N. 4. P. 570-581.

147. An open source tool for heart rate variability spectral analysis / L. Rodriguez-Linares [et al.] // Computer Methods and Programs in Biomedicine. 2011. Vol. 103, N. 1. P. 39-50.

148. Mosaic organization of DNA nucleotides / C.K. Peng [et al.] // Physical Review E. 1994. Vol. 49, N. 2. P. 1685-1689.

149. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series / C.K. Peng [et al.] // Chaos: An

Interdisciplinary Journal of Nonlinear Science. 1995. Vol. 5, N. 1. P. 82-87.

150. Eckmann J.P., Kamphorst S.O., Ruelle D. Recurrence Plots of Dynamical Systems // Europhysics Letters (EPL). 1987. Vol. 4, N. 9. P. 973-977.

151. Recurrence Plots At A Glance. URL: http://www.recurrence-plot.tk/glance. php (date of access: 04.09.2016).

152. Sleep Stage Recognition using Respiration Signal / J. Yang [et al.] // 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2016. P. 2843-2846.

153. Aziz W., Arif M. Multiscale Permutation Entropy of Physiological Time Series // 2005 Pakistan Section Multitopic Conference. 2005. P. 1-6.

154. Chen T., Guestrin C. XGBoost: A Scalable Tree Boosting System. URL: https://arxiv.org/abs/1603.02754 (date of access:: 04.09.2016).

155. Платформа для соревнований по машиному обучению Kaggle. URL: https://www.kaggle.com/ (дата обращения: 04.09.2016).

156. Gender and age differences in polysomnography findings and sleep complaints of patients referred to a sleep laboratory / A. Silva [et al.] // Brazilian Journal of Medical and Biological Research. 2008. Vol. 41, N. 12. P. 1067-1075.

157. Hume K.I., Van F., Watson A. A field study of age and gender differences in habitual adult sleep. // Journal of sleep research. 1998. Vol. 7, N. 2. P. 85-94.

158. Phillips P., Heneghan C., Murray T. System and method for determining sleep stage. 2014.

159. Общая таблица распределения частот стран участников регионального содружества в области связи в полосе частот 9 КГц - 275 ГГц. / Комиссия РСС по регулированию использования радиочстотного спектра и спутниковых орбит. 2011. 107 c. URL: http://www.rcc.org.ru/userdocs/ docs/13_P_46_4_1_OTP4_PCC.pdf (дата обращения: 04.09.2016).