Luận án tiến sĩ Vật lý kỹ thuật: Nghiên cứu cấu trúc giấc ngủ ở người trưởng thành sử dụng tín hiệu điện não đơn kênh

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ QUỐC KHẢI

NGHIÊN CỨU CẤU TRÚC GIẤC NGỦ Ở NGƯỜI TRƯỞNG THÀNH SỬ DỤNG

TÍN HIỆU ĐIỆN NÃO ĐƠN KÊNH

LUẬN ÁN TIẾN SĨ

TP HỒ CHÍ MINH - NĂM 2023

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ QUỐC KHẢI

NGHIÊN CỨU CẤU TRÚC GIẤC NGỦ Ở NGƯỜI TRƯỞNG THÀNH SỬ DỤNG

TÍN HIỆU ĐIỆN NÃO ĐƠN KÊNH

Chuyên ngành: Vật lý kỹ thuật Mã số chuyên ngành: 62520401

Phản biện độc lập : PGS TS BS Trần Công Toại Phản biện độc lập : PGS TS Trần Trung Duy

Phản biện : PGS TS Lê Vũ Tuấn Hùng Phản biện : TS Hoàng Mạnh Hà

Phản biện : TS Ngô Thị Minh Hiền

NGƯỜI HƯỚNG DẪN:

1 PGS TS Huỳnh Quang Linh 2 TS Lý Anh Tú

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và các kết luận trong luận án này là trung thực, và không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào Việc tham khảo các nguồn tài liệu (nếu có) đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định

Tác giả luận án

Chữ ký

Lê Quốc Khải

i

TÓM TẮT LUẬN ÁN

Ngủ là một hoạt động phổ biến của con người và khảo sát cấu trúc giấc ngủ đóng một vai trò quan trọng đáng kể trong việc chẩn đoán sức khỏe con người Phân tích cấu trúc giấc ngủ là nền tảng cơ bản trong các nghiên cứu về đánh giá chất lượng giấc ngủ Việc định lượng chính xác trong phân tích cấu trúc giấc ngủ có ảnh hưởng quan trọng trong chẩn đoán và điều trị các bệnh lý rối loạn liên quan đến giấc ngủ Ngoài giấc ngủ quen thuộc là giấc ngủ buổi tối qua đêm, còn có các loại giấc ngủ diễn ra ngắn trong ngày như ngủ trưa, hoặc các trạng thái ngủ không mong muốn như ngủ gật, hoặc trạng thái ngủ liên quan đến bệnh lý như hội chứng ngủ rũ Nghiên cứu về cấu trúc giấc ngủ có hai tiêu chuẩn quốc tế cơ bản là R&K 1968 và AASM 2007 dùng để phân loại các trạng thái giấc ngủ khác nhau mà đối tượng khảo sát trải qua Mặc dù đã có các tiêu chuẩn thống nhất, tính chính xác của việc phân loại phần lớn phụ thuộc vào phương thức thủ công là dựa vào quan sát trực quan các đặc trưng của tín hiệu đa ký giấc ngủ bởi các chuyên gia

Với công cụ máy tính, luận án tiếp cận hướng nghiên cứu về cấu trúc giấc ngủ với mục tiêu cung cấp một quy trình tự động hoá trong việc phân tích các tín hiệu đa ký giấc ngủ nhằm đánh giá chính xác các đặc trưng của giấc ngủ đêm 153 bản ghi từ bộ dữ liệu Sleep EDF Expanded của Physionet kết hợp với 55 bản ghi thực nghiệm tại phòng thí nghiệm Vật lý kỹ thuật y sinh đã được sử dụng phân tích Bên cạnh đó, với việc sử dụng bản cập nhật mới nhất của tiêu chuẩn phân loại AASM 2007, luận án đề xuất các hướng nghiên cứu liên quan đến giấc ngủ phù hợp hơn so với việc chỉ áp dụng tiêu chuẩn R&K thông thường Dựa trên những kết quả đạt được về việc phân tích tín hiệu đa ký, một định hướng mới được nghiên cứu phát triển là sử dụng tín hiệu điện não đơn kênh khảo sát cấu trúc giấc ngủ với mục đích khắc phục những hạn chế cấu hình thực nghiệm phức tạp khi sử dụng phương pháp đa ký giấc ngủ và khả dụng cho những trường hợp chẩn đoán không có máy đa ký Điểm mới và quan trọng trong nội dung này là cải thiện độ chính xác và tính đặc thù cho việc phân loại giai đoạn giấc ngủ N1 so với các nghiên cứu đã có, làm cơ sở cho các nghiên cứu ứng dụng khác

Với hướng tiếp cận phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh, nghiên cứu áp dụng các đặc trưng quan trọng đã tìm được vào ứng dụng thực tiễn

là xác định thời điểm chuyển trạng thái từ thức sang ngủ và khảo sát tình trạng ngủ gật trong sinh viên Hướng tiếp cận này cho thấy sự phù hợp và triển vọng sử dụng tín hiệu điện não đơn kênh để nghiên cứu và chẩn đoán các vấn đề liên quan đến giấc ngủ, thay thế dần các nghiên cứu truyền thống dựa trên tín hiệu đa ký giấc ngủ

Về mặt phương pháp, luận án đã xây dựng được quy trình xử lý và phân tích dữ liệu thô từ tín hiệu đa ký hoặc đơn ký thu được từ thiết bị đo thông qua các khối chức năng: lọc nhiễu tín hiệu, trích xuất các đặc trưng, chọn lọc các đặc trưng và áp dụng các mô hình huấn luyện và thuật toán máy học để phân loại trong từng mảng vấn đề chọn lọc Kết quả của luận án thể hiện sự đóng góp đáng kể vào sự phát triển nghiên cứu tín hiệu đa ký giấc ngủ với sự trợ giúp của máy tính thông qua một quy trình phân tích, chọn lọc các đặc trưng phù hợp cho từng hướng nghiên cứu liên quan

Using computational tools, this thesis approaches the research direction of sleep structure with the intention of providing an automated process for analyzing polysomnography signals and accurately detecting sleep features The study used 153 records from the Sleep EDF Expanded dataset of Physionet, combined with 55 experimental recordings at the Biomedical Engineering Laboratory Additionally, by using the latest update of the AASM 2007 classification standard, the study opened up more relevant sleep-related research directions than just applying the usual R&K standard Based on the results of polysomnography analysis, a new direction was developed for studying sleep structure using single-channel EEG signals This approach overcomes the limitation of complex measurement configurations in polysomnography and shows the availability of quick diagnoses without a polysomnography monitor A new and important result of this approach is the improved accuracy and specificity of N1 sleep stage classification compared to existing studies, serving as a basic tool for other applications

By analyzing sleep structure using single-channel EEG signals, this study continued to apply the classification of important features to practical application cases, such as determining the time interval of state transition from wakefulness to sleep and studying drowsiness This approach has demonstrated the suitability and potential of using single-channel EEG signals to study and diagnose sleep-related problems, gradually replacing traditional studies based on polysomnographic signals

In terms of methodology, this thesis has established a procedure for processing and analyzing raw data from polysomnographic or single-channel signals obtained from measuring equipment The workflow consists of function blocks such as signal noise filtering, feature extraction, feature selection, and the implementation of training models and machine learning algorithms to classify the sleep structure of selected problems The results represent a significant contribution to the development of computer-aided polysomnographic or sleep structure research through a procedure of analyzing and selecting appropriate features for each specific research direction

v

LỜI CẢM ƠN

Lời đầu tiên, tôi xin gửi lời cảm ơn trân trọng đến hai thầy hướng dẫn là PGS TS Huỳnh Quang Linh và TS Lý Anh Tú, những người đã luôn bên cạnh tôi trên suốt con đường nghiên cứu khoa học này Tôi muốn bày tỏ lòng biết ơn sâu sắc và sự kính trọng đến thầy Huỳnh Quang Linh, thầy không chỉ truyền đạt cho tôi những kiến thức quý báu về học thuật, mà còn giúp tôi học được từ thầy rất nhiều điều về cách làm việc khoa học, sự đam mê với công việc, sự tận tâm cống hiến trong từng lĩnh vực nhỏ nhất mà thầy tham gia Nhờ có những trao đổi chuyên môn, những lời động viên khích lệ kịp thời trong suốt quá trình học tập, nghiên cứu từ thầy mà tôi mới có được những gì như ngày hôm nay Tôi cũng muốn gửi những lời tri ân tốt đẹp nhất đến thầy Lý Anh Tú Tôi cảm thấy mình thật may mắn khi luôn nhận được sự quan tâm, những lời khuyên quý báu của thầy từ những ngày mới bước chân vào giảng đường đại học cho đến tận hôm nay Nhờ thầy mà tôi đã có những thay đổi tích cực, những cách tiếp cận mới không chỉ trong lĩnh vực nghiên cứu mà còn áp dụng được rất nhiều điều trong công tác giảng dạy, học tập và trong cuộc sống hiện tại

Tôi cũng muốn gửi lời cảm ơn chân thành đến Quý Thầy Cô Trường Đại học Bách Khoa, ĐHQG-HCM mà đặc biệt là Khoa Khoa học Ứng dụng đã tạo mọi điều kiện thuận lợi cho tôi trong suốt quá trình học tập, làm việc, nghiên cứu trong thời gian qua Khoa Khoa học Ứng dụng và Bộ môn Vật lý kỹ thuật y sinh thật sự là ngôi nhà thứ hai của tôi; tôi trân quý từng phút giây được sống và cống hiến trong một môi trường chuyên nghiệp cùng Quý Thầy Cô đồng nghiệp của mình Tôi cũng muốn gửi lời cảm ơn đến thầy ThS Lê Cao Đăng, trưởng phòng thí nghiệm Vật lý kỹ thuật y sinh và ThS Trần Trung Tín đã cho phép tôi được sử dụng phòng thí nghiệm thực hiện hoàn tất những nghiên cứu trong suốt thời gian qua

Xin gửi lời cảm ơn đến các bạn sinh viên, những học viên cao học đã đồng hành cùng tôi trong nhóm nghiên cứu Nhờ sự tham gia tích cực và những đóng góp quý báu của các bạn mà tôi mới có thể xây dựng hoàn chỉnh những nội dung, phát triển các ý tưởng để hoàn tất đề tài nghiên cứu trong luận án tiến sĩ này

Lời cuối, tôi muốn cảm ơn gia đình đã luôn quan tâm chăm sóc, tạo những điều kiện tốt nhất để tôi có thể vững bước thực hiện và hoàn tất nghiên cứu này Xin cảm ơn những lời động viên tích cực, sự kiên nhẫn và lòng vị tha từ người bạn đời và con trai nhỏ đã giúp tôi vượt qua những khó khăn thử thách trên con đường đã chọn

vii

MỤC LỤC

2.1 Tổng quan về phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký 102 1.1 Các dữ liệu chuẩn của một bảng kết quả đa ký giấc ngủ 11

2.1.5.1Trạng thái W (tương đương với trạng thái Wake theo quy tắc R&K) 19

2.1.5.2Giai đoạn N1 (tương đương với Giai đoạn S1 theo quy tắc R&K) 19

2.1.5.3Giai đoạn N2 (tương đương với giai đoạn S2 theo quy tắc R&K) 20

2.1.5.4Giai đoạn N3 (tương đương với gian đoạn S3 và S4 theo quy tắc R&K) 21

2.1.5.5Trạng thái R (tương đương với trạng thái REM theo quy tắc R&K) 21

2.3 Tổng quan về nghiên cứu ngủ gật ở người trưởng thành sử dụng tín hiệu điện não đơn

3.2 Phương pháp nghiên cứu cấu trúc giấc ngủ sử dụng tín hiệu đa ký 36

3 2.2 Phân tích cấu trúc vi thể giấc ngủ 39

3.4 Phương pháp xác định thời điểm chuyển trạng thái giấc ngủ (Sleep Onset) 58

3.5 Ứng dụng phân tích tín hiệu điện não đơn kênh trong nghiên cứu ngủ gật ở người

3 5.1 Nghiên cứu ngủ gật sử dụng kết hợp các tín hiệu trong đa ký 63

4.1 Phương pháp chọn lựa đặc trưng tối ưu sử dụng các thông số Fisher’s ratio và mRmR.784.2 Kết quả phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký: 80

4.4 Kết quả phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh 934 4.1 Kết quả trích xuất đặc trưng tỉ lệ mật độ công suất R 934 4.2 Kết quả của việc phân loại dựa trên SVM với kiểm chứng chéo LOOCV 944 4.3 Kết quả kiểm chứng trên tập dữ liệu testing 954 4.4 Đánh giá kết quả phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký và tín hiệu điện

4 4.5 Đánh giá kết quả phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh 1034.5 Kết quả xác định thời điểm chuyển trạng thái giấc ngủ (Sleep Onset) 106

4 5.2 Kết quả xác định thời điểm chuyển trạng thái 1104.6 Kết quả nghiên cứu ngủ gật sử dụng tín hiệu điện não đơn kênh 1174 6.1 Phát hiện nhanh trạng thái ngủ gật bằng tín hiệu điện não 1174 6.2 Phân tích tín hiệu điện não đơn kênh trong trạng thái ngủ gật 118

4.6.2.1Trường hợp đạo trình: Fp1, Fp2, A1, A2, GND và Ref 119

ix

4.6.2.2Trường hợp đạo trình: O1, O2, A1, A2, GND và Ref 1204 6.3 Độ tương quan và chính xác của các đạo trình đơn kênh 123

4.6.3.1Tìm và đánh dấu vị trí epoch chuyển trạng thái thức - ngủ đạo trình đơn kênh Fp 124

DANH MỤC CÁC HÌNH ẢNH

Hình 2.1 Hệ thống điện cực quốc tế 10-20 14

Hình 2.2 Hình dạng của 4 sóng điện não đặc trưng 16

Hình 2.3 Cách mắc các điện cực đo EOG 18

Hình 2.4 Hypnogram - Biểu đồ thể hiện các trạng thái của giấc ngủ theo thời gian 23

Hình 2.5 Sự thay đổi trên các tín hiệu EEG, EOG và EMG tại SO 29

Hình 3.1 Các khối chức năng chính của chương trình phân tích cấu trúc giấc ngủ 36

Hình 3.2 Lưu đồ phân loại các trạng thái giấc ngủ 38

Hình 3.3 Đường liền mảnh là hình ảnh phân bố của phức bộ K theo đặc tính thời gian Đường chấm chấm là hình ảnh theo đường cong ngưỡng có thể cho phức bộ K 39

Hình 3.4 Các đặc điểm xác định t_start (o), t_end, t_mid1 (>), t_mid2 (<), val_min (x) và val_max (*) trên phức bộ K thực và trên dạng sóng có hình dạng tương tự nhưng không phải phức bộ K [75] 40

Hình 3.5 Các khối chức năng của quy trình xử lý tín hiệu điện não đơn kênh trong phân tích cấu trúc giấc ngủ 44

Hình 3.6 Hình ảnh minh họa SB và SW khi phân loại 3 lớp 47

Hình 3.7 Biểu đồ venn biểu thị mối quan hệ giữa entropy và thông tin tương hỗ 49

Hình 3.8 Các cách phân chia 2 lớp dữ liệu 54

Hình 3.9 Ý nghĩa thuật toán SVM 54

Hình 3.10 Các phương trình đường biên: Giả sử mặt phân chia có phương trình 𝑤𝑇𝑥𝑜+𝑏=0 55

Hình 3.11 Sơ đồ khối quy trình phân loại trạng thái theo epochs 59

Hình 3.12 Sơ đồ khối quy trình xác định SO 59

Hình 3.13 Sơ đồ biểu diễn quy trình thực nghiệm 61

Hình 3.14 Màn hình mô phỏng lái xe tải giao hàng trên laptop và máy tính bảng 61

Hình 3.20 Tín hiệu đạt chất lượng (Thu thập từ mẫu 5, epoch thứ 64) 69

Hình 3.21 Cấu trúc bộ lọc IIR dạng trực tiếp 71

Hình 3.28 Lưu đồ phân loại các epoch có và không có SEM 77

Hình 4.1 Sơ đồ khối quy trình phân loại dựa vào thuật toán Suppport Vector Machine 79

Hình 4.2 Epoch 345 của dữ liệu xuất hiện sóng Alpha 81

Hình 4.3 Epoch 7 của dữ liệu xuất hiện sóng Beta 82

Hình 4.4 Epoch 135 của xuất hiện sóng Theta 82

Hình 4.5 Epoch 200 của dữ liệu xuất hiện sóng Delta và các sóng chậm 83

Hình 4.6 Epoch 50 và epoch 444 của dữ liệu có đặc trưng sóng EEG biên độ thấp 83

Hình 4.7 Epoch 50 với mắt chuyển động chậm, không xuất hiện đặc trưng CREM và Epoch 444 với mắt chuyển động nhanh, xuất hiện đặc trưng CREM 85

Hình 4.8 Dữ liệu chuẩn dùng để huấn luyện 86

Hình 4.9 Kết quả phân tích K-complex 87

Hình 4.10 Kết quả huấn luyện Arousal 88

Hình 4.11 Hình ảnh phóng to của kết quả huấn luyện 89

Hình 4.12 Kết quả phân tích Arousal 89

Hình 4.13 Giao diện phân tích vi sóng 90

Hình 4.14 Giao diện chính của chương trình trong khối hiển thị bao gồm các tính năng: hiển thị dữ liệu gốc, dữ liệu sau tiền xử lý và dữ liệu phân tích phổ năng lượng 91

Hình 4.15 Giao diện chính của chương trình trong vẽ đồ thị các giai đoạn giấc ngủ theo thời gian (hypnogram) và các thông số đánh giá chất lượng giấc ngủ 91

Hình 4.16 Hyperplane phân loại ở trường hợp tối ưu của LOOCV tìm ra ở quá trình training 94

Hình 4.17 Kết quả phân loại ở trường hợp tối ưu của LOOCV ở quá trình kiểm chứng 95

Hình 4.18 Kết quả phân loại của trường hợp mô hình cho điểm macro F1 cao nhất 96

Hình 4.19 Confusion matrix của trường hợp kết quả mô hình phân loại cho điểm macro F1 cao nhất 96

Hình 4.20 Kết quả phân loại của trường hợp mô hình cho điểm macro F1 thấp nhất 97 Hình 4.21 Confusion matrix của trường hợp kết quả mô hình phân loại cho điểm macro F1 thấp nhất 98

Hình 4.22 Kết quả phân loại của trường hợp mô hình cho điểm macro F1 gần nhất với giá trị trung bình 99

Hình 4.23 Confusion matrix của trường hợp kết quả mô hình phân loại cho điểm macro F1 gần nhất giá trị trung bình 99

Hình 4.24 Đồ thị giá trị trung bình và độ lệch chuẩn của mô hình phân loại 101

Hình 4.25 Kết quả phân tích theo epochs (PSG005_LHT) 106

Hình 4.26 Tín hiệu và phổ năng lượng tín hiệu EEG ở phút thứ 4 (epoch thứ 8) 106

Hình 4.27 Tín hiệu và phổ năng lượng tín hiệu EEG ở phút thứ 8 (epoch 16) 107

Hình 4.28 Tín hiệu và phổ năng lượng tín hiệu EEG ở phút 11 (epoch 22) 107

Hình 4.29 Tín hiệu và phổ năng lượng tín hiệu EOG ở phút 4 (epoch 8) 108

Hình 4.30 Tín hiệu và phổ năng lượng tín hiệu EOG ở phút 8 (epoch 16) 109

Hình 4.31 Tín hiệu và phổ năng lượng tín hiệu EOG ở phút 11 (epoch 22) 109

Hình 4.32 Kết quả xác định cụ thể 110

Hình 4.33 Tín hiệu trên cửa sổ chương trình và cửa sổ EEG Viewer 110

Hình 4.34 Kết quả xác định thời điểm SO 111

Hình 4.35 Kết quả xác định trên EEG Vierwer sử dụng công cụ của thiết bị 111

Hình 4.47 Biểu diễn R_theta của đạo trình đa kênh với Fp1, Fp2, Fp1 – A2, Fp2 – A1 119

Hình 4.48 Biểu diễn R_theta của đạo trình đa kênh và đơn kênh O1, O2, O1-A2 và A1 120

Hình 4.49 Biểu diễn R_theta của đạo trình đa kênh và đơn kênh O1, O2, O1-A2 và A1 121

O2-Hình 4.50 Tỉ lệ R của sóng theta và sóng alpha trong suốt quá trình đo được tính trên tất cả các kênh điện cực theo đạo trình Fp1, Fp2, A1, A2, GND và REF 124

Hình 4.51 Biểu diễn giá trị R của sóng alpha và theta trên các epoch thuộc đạo trình đơn kênh Fp1 125

Hình 4.52 Biểu diễn giá trị R và R trên các epoch thuộc đạo trình đơn kênh Fp2 127 Hình 4.53 Biểu diễn giá trị R và R trên các epoch thuộc đạo trình đơn kênh Fp1-A2 128

Hình 4.54 Biểu diễn giá trị R và R trên các epoch thuộc đạo trình đơn kênh Fp2-A1 129

Hình 4.55 Mẫu đo SCDozeO_NNT_2003 cho các tín hiệu cùng tăng và cùng giảm ở tín hiệu 2 sóng Alpha và Theta ở đạo trình đa kênh 130

Hình 4.56 Mẫu đo SCDozeO_NNT_2003 cho các tín hiệu cùng tăng và cùng giảm ở tín hiệu 2 sóng Alpha và Theta ở đạo trình đơn kênh O1 131

xiii

DANH MỤC BẢNG BIỂU

Bảng 2.1 Minh họa dữ liệu chuẩn cho các nhóm tuổi khác nhau 12

Bảng 2.2 Đặc trưng cơ bản của 4 loại sóng não 15

Bảng 2.3 Tổng hợp các nghiên cứu về sử dụng tín hiệu điện não đơn kênh để phân tích cấu trúc giấc ngủ 31

Bảng 3.1 Bảng thống kê số đối tượng tham gia nghiên cứu theo độ tuổi và giới tính 33

Bảng 3.2 Các đặc trưng cần trích xuất khi phân tích cấu trúc giấc ngủ bằng tín hiệu điện não đơn kênh 44

Bảng 4.1 Các đặc trưng chọn lọc lại khi phân tích bằng tín hiệu điện não đơn kênh 80

Bảng 4.2 Kết quả phân tích K-complex 87

Bảng 4.3 Đặc trưng tỉ lệ công suất các epoch giai đoạn W và N1 93

Bảng 4.4 Kết quả thống kê theo các thang đánh giá F1 với 10 trường hợp của LOOCV 94

Bảng 4.5 Kết quả thống kê dựa trên 4 thang đánh giá lần lượt là F1 macro, độ chính xác, F1 của N1, F1 của W trên 143 ca còn lại thuộc tập testing 100

Bảng 4.6 Sử dụng kênh Fpz-Cz 102

Bảng 4.7 Sử dụng kênh Pz-Oz 102

Bảng 4.8 Kết quả phân thành 6 trạng thái 103

Bảng 4.9 Kết quả phân thành 5 trạng thái 104

Bảng 4.10 Kết quả so sánh sự tương đồng với các nghiên cứu đã có: 104

Bảng 4.11 Tỷ số năng lượng R của sóng alpha và theta đạo trình đa kênh và biên độ bình phương trung bình điện cơ cằm EMG 118

Bảng 4.12 Sự tương quan của đạo trình đa kênh so với các đạo trình đơn kênh điện cực Fp (%) 122

Bảng 4.13 Sự tương quan của đạo trình đa kênh so với các đạo trình đơn kênh điện cực O (%) 122

Bảng 4.14 Tỷ số năng lượng R của sóng alpha và theta theo các epoch 124

Bảng 4.15 Tỷ số năng lượng R của sóng alpha và theta theo các epoch của đạo trình đơn kênh Fp1 125

Bảng 4.16 Tỷ số năng lượng R của sóng alpha và theta theo các epoch của đạo trình đơn kênh Fp2 126

Bảng 4.17 Tỷ số năng lượng R của sóng alpha và theta theo các epoch của đạo trình đơn kênh Fp1-A2 127

Bảng 4.18 Tỷ số năng lượng R của sóng alpha và theta theo các epoch của đạo trình đơn kênh Fp2-A1 128

Bảng 4.19 Số liệu các mẫu đo theo đạo trình Fp1-A2 so với đạo trình đa kênh 127

Bảng 4.20 Số liệu các mẫu đo theo đạo trình O1-Ref so với đạo trình đa kênh 128

DANH MỤC CÁC TỪ VIẾT TẮT

Từ viết tắt

AASM American Academy of Sleep Medicine Viện Hàn lâm Y học giấc ngủ Hoa Kỳ CREM Candidate of Rapid Eye Movement Đặc trưng động mắt nhanh

IIR Infinite Impulse Response Đáp ứng xung vô hạn LOC Left Electrooculography Tín hiệu điện mắt trái

NREM Non-Rapid Eye Movement Giấc ngủ không chuyển động mắt nhanh NSEM Non-Slow Eye Movement Giấc ngủ không chuyển động mắt chậm

R&K Rechtschaffen and Kales Quy tắc Rechtschaffen và Kales

ROG Right Electrooculography Tín hiệu điện mắt phải

xv

điểm chuyển trạng thái từ thức sang ngủ SOL Sleep Onset Latency Độ trễ vào giai đoạn giấc ngủ đầu tiên /

Độ trễ thời điểm khởi phát giấc ngủ

SVM Support Vector Machine Thuật toán Support Vector Machine

VSSM Vietnam Society of Sleep Medicine Hội Y học Giấc ngủ Việt Nam

WASO Wake After Sleep Onset Sự thức tỉnh sau khi bắt đầu ngủ

CHƯƠNG 1 MỞ ĐẦU

Ngủ là một trong những hoạt động phổ biến nhất của con người, mặc dù nhu cầu về giấc ngủ ở mỗi độ tuổi là khác nhau nhưng trung bình mỗi người dành ra một phần ba cuộc đời để ngủ Những trường hợp mất ngủ hoặc bị rối loạn giấc ngủ thường xuyên sẽ dẫn đến nhiều bệnh lý khác và thậm chí có thể dẫn đến tử vong [1] [2] Bên cạnh những tác động tiêu cực, gây ảnh hưởng lâu dài đến các hệ cơ quan, bộ phận khác trong cơ thể và rất dễ gây ra sự nhầm lẫn cho khâu chẩn đoán cũng như điều trị thì rối loạn giấc ngủ và các bệnh lý liên quan đến giấc ngủ nhìn chung đều làm ảnh hưởng đến chất lượng giấc ngủ và chất lượng cuộc sống của người bệnh [1] [3] Ngoài ra giấc ngủ có vai trò đặc biệt trong thần kinh lâm sàng vì rối loạn giấc ngủ tìm thấy trong tất cả các bệnh tâm thần và là một trong những chẩn đoán y khoa thường gặp nhất [4] [5]

Nền tảng cơ bản nhất đối với nghiên cứu giấc ngủ là việc phân tích cấu trúc giấc ngủ của đối tượng được khảo sát [6] Chỉ khi phân tích được cấu trúc của giấc ngủ thì mới có thể biết chính xác những rối loạn hay bất thường nếu có xảy ra ở trạng thái nào, là đặc trưng cho loại bệnh lý gì và từ đó mới có thể đưa ra những kết luận về giấc ngủ của người khảo sát là: ngủ sinh lý, ngủ bệnh lý hay có rối loạn về giấc ngủ [3] [6] [7] Bên cạnh đó khảo sát về cấu trúc của giấc ngủ cho biết thông tin về chu kỳ của giấc ngủ và mật độ xuất hiện của các vi sóng, sự phân mảnh trong cấu trúc giấc ngủ mà đặc biệt là trạng thái vi thức tỉnh (thức giấc gián đoạn), một đặc trưng quan trọng khi đánh giá chất lượng giấc ngủ [8] [9]

Cấu trúc của giấc ngủ được phân tích bằng cách nhận biết đặc điểm của từng trạng thái dựa vào thông tin từ bản ghi đa ký giấc ngủ (polysomnography) Đa ký giấc ngủ là phương pháp ghi lại một loạt các thông số sinh lý của con người trong khi ngủ nhằm chẩn đoán và đánh giá các rối loạn giấc ngủ khác nhau [10] [11] Máy đo đa ký giấc ngủ có các kênh cơ bản để ghi điện não, điện cơ mắt, điện cơ cằm, điện tim, điện cơ chân, độ bão hoà oxy trong máu, thông khí hô hấp, chuyển động cơ hô hấp, tiếng ngáy [10] [12] [13] Việc đo đa ký giấc ngủ thường được thực hiện ở một đơn vị điều trị rối loạn giấc ngủ trong bệnh viện hoặc tại một trung tâm nghiên cứu giấc ngủ Ngoài những tiêu chuẩn kỹ thuật đặc trưng như cách ly nhiễu và hệ thống thông khí chuyên

dụng, những phòng này được thiết kế bên ngoài gần gũi như phòng ngủ thông thường với các điều kiện tiện nghi giống ở nhà nhằm tạo cho bệnh nhân một giấc ngủ tự nhiên như thường ngày [14] Đối tượng khảo sát sẽ ngủ qua một đêm tại trung tâm đối với các khảo sát đo đa ký thông thường, việc ghi nhận tín hiệu được thực hiện trong suốt giấc ngủ của bệnh nhân Đo đa ký giấc ngủ là một phương pháp chẩn đoán hoàn toàn không xâm lấn, không gây đau và những tác dụng phụ Các rối loạn về giấc ngủ rất đa dạng và phức tạp, nếu không được chẩn đoán và điều trị kịp thời sẽ ảnh hưởng không nhỏ đến chất lượng cuộc sống và sức khoẻ, thậm chí có thể gây ra những biến chứng nguy hiểm Đa ký giấc ngủ còn dùng để phát hiện, đánh giá một số các rối loạn giấc ngủ liên quan đến ngáy và ngưng thở khi ngủ [2] [15] [16], hen suyễn [17], tâm thần [3], cơn hoảng sợ trong đêm ở trẻ em [18], chứng nghiến răng khi ngủ [1]…

Xuyên suốt lịch sử phát triển của những nghiên cứu về giấc ngủ có thể thấy những điểm mốc quan trọng sau: Hans Berger là người đầu tiên mô tả hoạt động điện não người trong lúc ngủ bằng cách ghi nhận tín hiệu điện não thông qua các điện cực gắn ở da đầu, từ đó cho thấy sự khác biệt giữa trạng thái thức tỉnh và thư giãn khi ngủ [19] Loomis và các cộng sự [20] cho thấy có sự phân mảnh rải rác của sóng Alpha khi bắt đầu giấc ngủ, sau đó là sự xuất hiện của các phức bộ K, các thoi ngủ và các sóng chậm Năm 1968, Rechtschaffen và Kales [21] đã triệu tập một nhóm chuyên gia để thống nhất lập ra một bảng hướng dẫn chi tiết việc tiêu chuẩn hóa việc phân loại các giai đoạn giấc ngủ Giấc ngủ được chia thành các trạng thái chính là: trạng thái thức tỉnh, trạng thái giấc ngủ không động mắt nhanh (non-REM) và trạng thái giấc ngủ có động mắt nhanh (REM) Trong đó, trạng thái giấc ngủ non-REM bao gồm có 4 giai đoạn, được kí hiệu lần lượt là S1, S2, S3, S4 Ít nhất phải có 1 đạo trình EEG (điện cực đặt tại vị trí C3 hoặc C4 với điện cực tham chiếu ở tai đối diện) cũng như 2 đạo trình EOG và 1 đạo trình EMG được ghi nhận lại Quy tắc R&K khuyến nghị chia bản ghi đa ký giấc ngủ thành các phân đoạn có độ dài 30 giây hay với thuật ngữ hay sử dụng là “epoch” Thuật ngữ epoch được sử dụng trong toàn bộ luận án cho phù hợp thông lệ chuyên môn Trong lịch sử, mỗi epoch có độ dài 30 giây vẫn được sử dụng cho đến ngày nay vì tốc độ giấy in phổ biến là 10 mm/s, độ phân giải như trên là lý tưởng để khảo sát sự xuất hiện của sóng Alpha và các thoi ngủ Mỗi epoch sẽ được gán cho 1 trạng thái nhất định, trường hợp

nếu tồn tại cùng lúc 2 trạng thái trong cùng 1 epoch thì sẽ xác định epoch đó mang trạng thái của giai đoạn nào chiếm ưu thế hơn

Năm 2004, Viện Hàn lâm Y học giấc ngủ Hoa Kỳ - American Academy of Sleep Medicine (AASM) thống nhất một ban chỉ đạo để thiết lập bản hướng dẫn chi tiết các quy tắc mới để đánh giá giấc ngủ, cho phép kiểm soát một số đặc điểm mới như các vi thức tỉnh, các sự kiện hô hấp, tim mạch, và các sự kiện liên quan đến sự dịch chuyển của bệnh nhân Tám nhóm làm việc độc lập với các nhiệm vụ riêng biệt để giải quyết các vấn đề khác nhau Việc thành lập các quy tắc đã được chuẩn hoá bằng các hướng dẫn cụ thể, các quy tắc đưa ra yêu cầu phải tương thích với các bằng chứng được công bố, chúng dựa trên các nguyên lý y sinh học nghiêm ngặt Các quy tắc này được áp dụng đối với giấc ngủ bình thường và bất thường, phải dễ dàng được sử dụng bởi các bác sĩ lâm sàng, kỹ sư công nghệ , và các nhà khoa học Năm 2007, AASM chính thức xuất bản hướng dẫn chi tiết để phân tích các bản ghi đa ký giấc ngủ, còn gọi là tiêu chuẩn AASM 2007 [22] Tiêu chuẩn AASM 2007 này ra đời dần thay thế tiêu chuẩn phân loại R&K và trở thành những quy tắc chính, là nền tảng trong mọi nghiên cứu giấc ngủ cho đến ngày nay Tiêu chuẩn AASM 2007 có 2 phiên bản cập nhật vào năm 2012 và 2017 [23] [24] chủ yếu tập trung vào điều chỉnh sự phân loại và nhận dạng những thông tin liên quan đến hô hấp và vi sóng trong bản ghi đa ký Những yếu tố thay đổi chính trong bảng hướng dẫn của tiêu chuẩn AASM 2007 bao gồm [21] [22]:

• Bổ sung thêm 02 đạo trình EEG, bao gồm các đạo trình ở vùng trước trán và vùng chẩm Quy tắc R và K trước đây chỉ yêu cầu sử dụng duy nhất 01 đạo trình ngay giữa trung tâm của đầu

• Thay đổi cách phân loại và ký hiệu các giai đoạn giấc ngủ: trạng thái thức tỉnh W, giai đoạn N1, N2, N3 của trạng thái non-REM, trạng thái R Sự khác biệt thể hiện ở chỗ quy tắc R và K gọi các trạng thái lần lượt là: trạng thái thức tỉnh WAKE, giai đoạn S1, S2, S3, S4 của trạng thái non-REM, trạng thái REM Thay đổi chữ viết tắt là để tránh nhầm lẫn giữa 2 hệ thống phân loại này Giai đoạn S3 và S4 trong quy tắc R và K được gộp lại thành giai đoạn N3 trong quy tắc mới, vì không có cơ sở sinh lý hay lâm sàng nào cho thấy tồn tại sự khác biệt của giai đoạn S3 và S4

Hầu hết các nghiên cứu về phân tích cấu trúc giấc ngủ đều sử dụng tín hiệu đo đa ký giấc ngủ và dựa vào các tiêu chuẩn phân loại trạng thái của R&K hay AASM Tuy nhiên, với hướng tiếp cận phân tích cấu trúc dựa vào tín hiệu đa ký có nhược điểm lớn khi phải sử dụng hệ thống đo đa ký giấc ngủ chuyên dụng, chi phí của trang thiết bị lớn, đội ngũ vận hành thiết bị phải được đào tạo chuyên nghiệp, hệ thống đa ký khi mắc đủ các điện cực theo tiêu chuẩn quy định sẽ ít nhiều tạo sự không thoải mái cho đối tượng

được khảo sát [25]

Tại Việt Nam, phương pháp mà các bác sĩ chuyên khoa thường dùng để phân tích cấu trúc giấc ngủ là nhận biết các đặc trưng của từng trạng thái qua quan sát bằng mắt thường (xử lý nhận dạng theo từng epoch) Trung bình thời gian tiến hành ghi đa ký giấc ngủ cho một giấc ngủ đêm ở người trưởng thành là 8 giờ Vì vậy, để có kết quả phân tích chính xác theo phương pháp này cần nhiều thời gian, người đọc bản ghi phải được đào tạo chuyên sâu và có kinh nghiệm Bên cạnh đó, một số đặc trưng để phân loại các trạng thái rất khó xác định bằng mắt thường như thông tin về tần số của các sóng điện não đồ xuất hiện trong giấc ngủ (Alpha, Beta, Theta, Delta), các vi sóng và các trạng thái đặc biệt như vi thức giấc(Arousal)

Các dạng bệnh lý mà các trung tâm điều trị về rối loạn giấc ngủ cũng như các Bệnh Viện có chuyên khoa về giấc ngủ hiện nay phần lớn tập trung vào bệnh lý của hô hấp, tình trạng ngáy, giảm thở và ngưng thở khi ngủ [26] [27] Các dạng bệnh lý khác còn rất nhiều và phức tạp tuy nhiên vẫn chưa được phân tích cũng như điều trị một cách hiệu quả Nhiễu tín hiệu điện tim và điện cơ lên các kênh tín hiệu điện sinh học khác trong một bản ghi đa ký là một thực tế đáng lo ngại khi tiến hành đọc bản ghi theo phương pháp truyền thống

Tương tự, ở Việt Nam mảng ứng dụng của phân tích cấu trúc giấc ngủ để xác định các trạng thái giấc ngủ đặc biệt như ngủ gật, một số đề tài liên quan đến giấc ngủ và cảnh báo buồn ngủ đã được quan tâm đáng kể như các đề tài nghiên cứu, thiết kế chế tạo thiết bị chống ngủ gật, nhận diện và cảnh báo buồn ngủ vv… tại các trường Đại học Bách khoa Hà Nội, Đại học Bách khoa – ĐHQG-HCM Tuy nhiên, các hướng nghiên cứu này là nhằm phát hiện ra trạng thái buồn ngủ bằng các thiết bị ngoại vi, chưa có đề tài nào được tiến hành để nghiên cứu hệ thống về đa ký giấc ngủ trong nghiên cứu ngủ gật Khảo sát ngủ gật bằng thiết bị đo điện não sử dụng tín hiệu điện não đơn kênh là

một nghiên cứu mang ý nghĩa thiết thực, qua việc phân tích và đánh giá trạng thái ngủ gật của đối tượng khảo sát sẽ giúp tìm ra nguyên nhân cũng như đưa ra những giải pháp bảo vệ sức khỏe thích hợp

Vì là một lĩnh vực liên ngành, các bệnh lý liên quan đến giấc ngủ có tác động đối với bệnh nhân về nhiều mặt và có ảnh hưởng đến rất nhiều chuyên khoa khác nhau khi phải can thiệp điều trị Việc thành lập Hội Y học Giấc ngủ Việt Nam là một xu thế phát triển tất yếu Ngày 11 tháng 01 năm 2020 tại tại Trường Cao đẳng Y tế Lâm Đồng, Hội Y học Giấc ngủ Việt Nam (Vietnam Society of Sleep Medicine - VSSM) chính thức được thành lập Hội Y học Giấc ngủ Việt Nam là tổ chức xã hội – nghề nghiệp, tập hợp các hội viên hoạt động trong lĩnh vực y học giấc ngủ và các chuyên ngành có liên quan như: Hô hấp, tai mũi họng, tim mạch, thần kinh, nội tiết, y học cổ truyền, dược, thăm dò chức năng, kỹ thuật y học… Qua đó một môi trường giao lưu, học hỏi, hỗ trợ, trao đổi kiến thức, kinh nghiệm, đẩy mạnh nghiên cứu, đào tạo, cập nhật và nâng cao kiến thức, kỹ năng trong nghiên cứu và điều trị bệnh liên quan đến giấc ngủ được thiết lập; tham gia tập huấn, phổ biến, ứng dụng và phát triển các kỹ thuật về y học giấc ngủ cho hội viên góp phần điều trị các rối loạn về giấc ngủ, phục vụ sự nghiệp chăm sóc và bảo vệ sức khỏe, hòa nhập với ngành y tế của các nước, trong khu vực và trên thế giới [28]

Trải qua 3 năm từ ngày thành lập, đến tháng 5 năm 2022, Hội nghị thường niên của VSSM lần thứ 3 đã được diễn ra với nội dung phong phú và chuyên sâu của hơn 50 bài báo cáo tại Hội nghị của các báo cáo viên trong nước và quốc tế, góp phần chia sẻ kinh nghiệm trong thực hành lâm sàng, cập nhật mới phác đồ chẩn đoán, điều trị và quản lý tốt bệnh nhân mắc các rối loạn về giấc ngủ, đặc biệt là bệnh lý giấc ngủ trong các bệnh lý nội tiết, tim mạch, hô hấp, thần kinh, tâm thần, tai mũi họng, răng hàm mặt, lão khoa và nhi khoa, dinh dưỡng, chuyển hóa và ung thư Đồng thời, cùng với những chủ đề báo cáo ứng dụng các kỹ thuật đa ký giấc ngủ mới với chi phí thấp, ứng dụng trí tuệ nhân tạo và dữ liệu lớn nhằm chăm sóc tốt hơn sức khỏe giấc ngủ cho cộng đồng, đặc biệt là cho người bị khuyết tật bẩm sinh, trẻ tự kỷ, phụ nữ có thai, người bị di chứng hậu Covid-19 [29]

Từ nhu cầu thực tiễn của tình hình nghiên cứu trong và ngoài nước, hướng nghiên cứu của luận án tập trung vào việc phân tích cấu trúc giấc ngủ ở người trưởng thành sử dụng tín hiệu điện não đơn kênh không chỉ giúp giảm chi phí khi thăm khám và điều trị

mà còn phù hợp với định hướng phát triển của mảng nghiên cứu về giấc ngủ xét theo lĩnh vực kỹ thuật Những ưu điểm chính trong hướng tiếp cận phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh có thể kể đến như sau: (i) Sử dụng đơn kênh tín hiệu sẽ giảm các điện cực có ý nghĩa lớn khi áp dụng cho các hệ thống đo di động hoặc theo dõi giấc ngủ trong hệ thống cấp cứu, thiết bị đo chỉ cần sử dụng một điện cực để khảo sát [30] [31], tiết kiệm năng lượng hoạt động cho thiết bị theo dõi, có tính hiệu quả về thời gian và khả năng xử lý nhanh; (ii) Tín hiệu đơn kênh sẽ giảm được việc gắn các điện cực lên đối tượng đo, tạo sự thuận tiện và nhanh chóng trong quá trình khảo sát, đồng thời mở ra các hướng về nghiên cứu ứng dụng khi sử dụng tín hiệu đơn kênh này mà đặc biệt là lĩnh vực cảnh báo (buồn ngủ, ngủ gật, ngủ rũ… ) hoặc theo dõi tín hiệu giấc ngủ liên tục tại nhà (thiết bị giám sát, holter điện não, thiết bị báo thức thông minh…) [32] [33] Sử dụng tín hiệu điện não đơn kênh sẽ thuận tiện trong các hệ thống giám sát, theo dõi theo thời gian thực, thuật toán áp dụng sẽ nhanh và hiệu quả hơn so với thu dữ liệu offline và xử lý bằng sức mạnh máy tính với các hệ thống máy học hoặc hệ thống học sâu với dữ liệu lớn [34] [35]

Với các lý do trên, luận án “Nghiên cứu cấu trúc giấc ngủ ở người trưởng thành

sử dụng tín hiệu điện não đơn kênh” đề ra các mục tiêu chính như sau:

• Xác định sự phù hợp của việc sử dụng tín hiệu điện não đơn kênh khi phân tích cấu trúc giấc ngủ Đặc biệt cần xây dựng thuật toán để xác định chính xác giai đoạn N1 có độ chính xác còn thấp trong hầu hết các nghiên cứu đã có • Xác định sự cần thiết của việc phát hiện các vi sóng cũng như vai trò của cấu

trúc vi thể khi phân tích cấu trúc giấc ngủ

• Xác định những ứng dụng thực tiễn khi áp dụng phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh dựa trên quy chuẩn những kết quả đạt được từ việc nghiên cứu khi sử dụng tín hiệu đa ký giấc ngủ

Từ các mục tiêu cụ thể nêu trên, nội dung luận án và các kết quả nghiên cứu được trình bày trong 5 chương như sau:

Chương 1: Giới thiệu chung về những vấn đề quan trọng liên quan nghiên cứu

cấu trúc giấc ngủ và mục tiêu nhiệm vụ của luận án

Chương 2: Trình bày tổng quan về nghiên cứu cấu trúc giấc ngủ, cơ sở lý thuyết,

các trạng thái cơ bản của giấc ngủ và những yếu tố đặc trưng trong nghiên cứu về cấu trúc giấc ngủ

Chương 3: Trình bày chi tiết về phương pháp luận, bao gồm các vấn đề: đối

tượng và phạm vi nghiên cứu, các kho dữ liệu được sử dụng trong luận án, quy trình phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký giấc ngủ và tín hiệu điện não đơn kênh, các khối chức năng và thuật toán quan trọng

Chương 4: Kết quả và bàn luận trình bày một cách hệ thống hoá các kết quả đạt

được của những nghiên cứu trong luận án, bao gồm: kết quả phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký, kết quả phân tích các vi sóng, kết quả phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh; những kết quả đạt được khi ứng dụng phân tích tín hiệu điện não đơn kênh trong xác định thời điểm chuyển từ thức sang ngủ ở người trưởng thành và nghiên cứu ngủ gật Từ đó, đưa ra những đánh giá, bàn luận về kết quả đạt được

Chương 5: Kết luận chung của luận án

Luận án đã có những đóng góp khoa học mang tính mới mà các nghiên cứu trước đây chưa từng công bố thông qua việc khẳng định sự phù hợp và khả năng ứng dụng cao của tín hiệu điện não đơn kênh trong những nghiên cứu liên quan đến cấu trúc giấc ngủ ở người trưởng thành

CHƯƠNG 2 TỔNG QUAN VỀ NGHIÊN CỨU CẤU TRÚC GIẤC NGỦ

Để theo dõi các trạng thái và đánh giá chất lượng giấc ngủ, ngày nay có khá nhiều thiết bị trên thị trường hoạt động theo các nguyên lý khác nhau Tuy nhiên, bên cạnh việc phân tích bản ghi đa ký dựa theo các tiêu chuẩn R&K hoặc AASM đã nêu ở chương 1 được xem là tiêu chuẩn vàng trong nghiên cứu giấc ngủ thì có thể khái quát mảng thiết bị có chức năng theo dõi và giúp cải thiện chất lượng giấc ngủ được chia làm 5 nhóm nhỏ Cụ thể như sau:

• Các thiết bị hoạt động dựa trên nền tảng của điện thoại di động:

Phần lớn là các thiết bị loại này là các ứng dụng chạy trên điện thoại thông minh hay máy tính bảng, không yêu cầu kèm theo các cảm biến hay các thiết bị ngoại vi Các chức năng chính cho phép: theo dõi giấc ngủ, cảnh báo, nhật ký theo dõi giấc ngủ và giấc mơ Các ứng dụng này tận dụng tính năng đa phương tiện của thiết bị di động để hỗ trợ giảm thời gian chờ đợi đến giai đoạn khởi phát của giấc ngủ: nghe nhạc, nghe các loại âm thanh mô phỏng tự nhiên hoặc thậm chỉ tải các bản nhạc ghi âm sẵn của các nhà thôi miên chuyên nghiệp Khuyết điểm chính là giảm sức mạnh của thiết bị điện tử so với các thiết bị điện tử độc lập và có thể làm gián đoạn giấc ngủ do ô nhiễm tiếng ồn và ánh sáng Một số ứng dụng theo dõi giấc ngủ yêu cầu kích hoạt từ người dùng và đặt thiết bị trên nệm để theo dõi giấc ngủ Minh họa một số ứng dụng: Sleep Cycle [36] là ứng dụng trên Android và iOS bán chạy nhất năm 2020 [37], cho phép theo dõi xu hướng giấc ngủ theo thời gian Tích hợp gia tốc kế để đo chuyển động như chỉ thị để chỉ đến trạng thái thức giấc Tích hợp đồng hồ báo thức thông minh để đánh thức người dùng khi đánh giá được trạng thái thức giấc nhẹ, tạo ra trải nghiệm thức tỉnh dễ chịu hơn Sleep As Android [38] được lọt vào top 10 của Android apps 2020, ứng dụng bao gồm chức năng tạo các âm thanh giúp nhanh khởi phát giấc ngủ, theo dõi chu kì giấc ngủ tích hợp dùng cảm biến gia tốc, phát hiện tiếng ngáy và chống lại các âm thanh khó chịu của tiếng ngáy Báo động thông minh giúp người dùng tránh rơi lại vào giấc ngủ vào buổi sáng Ứng dụng Entrain [39] có trên Android và iOS, khuyến khích tiếp xúc ánh sáng theo thời gian để giảm độ trễ do lệch múi giờ, cá nhân hóa cho từng người bao gồm cường độ và khuyến cáo mức độ tiếp cận ánh sáng để thay đổi nhịp sinh học của người

dùng Go! to Sleep [40] tạo bởi Cleveland Clinic Sleep Disorders Center, Ứng dụng này sử dụng lối sống và bảng câu hỏi thói quen ngủ để tạo điểm số giấc ngủ và theo dõi điểm số này theo thời gian Điều này cũng cung cấp lời khuyên về giấc ngủ hàng ngày để cải thiện một số điểm thiết lập trong ứng dụng

• Các thiết bị có thể đeo di động:

Thiết bị đeo có tích hợp các cảm biến được đặt trực tiếp lên cơ thể (vòng đeo, mặt dây chuyền, đồng hồ, được gắn vào hoặc nhúng vào quần áo) Các thiết bị này theo dõi trực tiếp các chuyển động của cơ thể, theo dõi thông tin nhân trắc học, nhằm tăng độ chính xác thông qua tiếp xúc trực tiếp với người sử dụng Nhược điểm của các thiết bị này là gây ra sự khó chịu, hạn chế về pin, tiềm ẩn các hỏng hóc trong khi vẫn mang khi đi ngủ gây hỏng cảm biến và không chính xác từ việc tần số sử dụng có thường xuyên hay không

• Các thiết bị dựa trên máy tính để bàn hoặc giao diện web:

Các công nghệ này là các chương trình máy tính hoặc trang web được thiết kế để chạy trên hệ điều hành máy tính để bàn đầy đủ (ví dụ: Windows, Mac, Linux, v.v.) Ưu điểm bao gồm máy chủ tăng sức mạnh xử lý thiết bị, khả năng lưu trữ dữ liệu lớn hơn, trải nghiệm thị giác và thính giác mạnh mẽ hơn và giao diện đầu vào / đầu ra được cải thiện mang đến sự trao đổi thông tin phong phú hơn Nhược điểm bao gồm chi phí cao hơn, tính di động giảm và phụ thuộc nhiều vào nền tảng của hệ điều hành

• Các thiết bị nhúng dạng tích hợp:

Các thiết bị này là các thiết bị vật lý độc đáo không thể đeo được nhúng vào môi trường ngủ tự nhiên của người dùng Ưu điểm các thiết bị này là không phô ra ngoài và chức năng tăng vượt trội so với thiết bị di động tiêu chuẩn Tuy nhiên, các thiết bị này làm tăng mối lo ngại về quyền riêng tư do cấy ghép và dễ dàng che giấu (ví dụ: cảm biến được nhúng vào nệm ngủ hoặc máy ảnh được gắn vào tường phòng ngủ) và có thể cần thêm chi phí và không gian để thiết lập

• Các thiết bị đính vào phụ kiện:

Danh mục này bao gồm bất kỳ thiết bị vật lý hoặc phụ kiện riêng biệt nào có thể hoặc không thể giao tiếp với thiết bị di động hoặc với Internet, chẳng hạn như đồng hồ báo thức mới lạ hoặc phụ kiện ngủ điện tử So với các ứng dụng thiết bị di động độc lập hoặc thiết bị nhúng, ưu điểm bao gồm tính linh hoạt trong thiết kế tính năng và chức năng hỗ trợ được cải thiện Nhược điểm bao gồm tăng chi phí tài chính khi mua một thiết bị độc lập và không gian bị thu hẹp

2.1 Tổng quan về phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký

Nhìn chung các thiết bị dựa trên 5 mảng vừa nêu đều có chức năng theo dõi và hỗ trợ cải thiện chất lượng giấc ngủ Tuy nhiên, nhược điểm chính của các thiết bị này là độ chính xác chưa cao và phụ thuộc nhiều vào các kết quả thống kê thói quen sinh hoạt của người sử dụng Vì vậy để có thể phân tích chính xác cấu trúc giấc ngủ và làm tiền đề cho những nghiên cứu liên quan đến giấc ngủ mà đặc biệt là các bệnh lý cần phân tích chính xác bản ghi đa ký giấc ngủ Phương pháp mà các bác sĩ chuyên khoa thường dùng để phân tích cấu trúc giấc ngủ là nhận biết các đặc trưng của từng trạng thái qua quan sát bằng mắt thường (xử lý nhận dạng theo từng epoch) dựa trên các tín hiệu thu nhận được trong bản ghi đa ký giấc ngủ Trung bình thời gian tiến hành ghi đa ký giấc ngủ cho một giấc ngủ đêm ở người trưởng thành là 8 giờ Vì vậy, để có kết quả phân tích chính xác theo phương pháp này cần nhiều thời gian, người đọc bản ghi phải được đào tạo chuyên sâu và có kinh nghiệm [41] [42] Bên cạnh đó, một số đặc trưng để phân loại các trạng thái rất khó xác định bằng mắt thường như thông tin về tần số của các sóng điện não đồ xuất hiện trong giấc ngủ (Alpha, Beta, Theta, Delta), các vi sóng và các trạng thái đặc biệt như vi thức tỉnh

Để phân loại các giai đoạn giấc ngủ đòi hỏi phải có kiến thức cơ bản về nguyên lý tạo ra các dòng điện sinh học trong cơ thể, dòng điện sinh ra ở mắt, các cơ cằm, hoặc tín hiệu được tạo ra từ não (tức vỏ não và các cấu trúc não bộ sâu hơn), các cơ mặt (ví dụ tín hiệu thu được từ điện cực đặt trên da của bệnh nhân)

Sự tương tác của các tín hiệu điện sinh học ghi nhận được xảy ra qua nhiều cơ chế khác nhau, bao gồm cả sự suy giảm sinh lý của tín điện não ở da đầu và sự dẫn

truyền tín hiệu của xương Các tín hiệu thu nhận qua đường hô hấp và tuần hoàn có mức phản hồi tín hiệu chậm hơn Sự dịch chuyển của bệnh nhân, tín hiệu điện tim ECG, ảnh hưởng của điện trường ngoài, và tương tác của điện cực với bề mặt da cũng là những yếu tố ảnh hưởng đến kết quả thu được Phân biệt loại bỏ được từng loại nhiễu khác nhau sinh ra do các yếu tố trên là một yêu cầu bắt buộc với khâu xử lý tín hiệu của một bản ghi đa ký giấc ngủ khi đưa vào phân tích

Mặc dù các quy tắc để phân loại từng trạng thái đã được nêu rõ trong từng tiêu chuẩn như đã trình bày như trên nhưng còn rất nhiều đặc trưng nhận dạng còn định tính [43], và một số đặc trưng không thể quan sát bằng mắt thường khi chưa biểu diễn tín hiệu dưới các miền thời gian – tần số [44] Phân tích tín hiệu một cách tự động còn giúp hạn chế tối đa những sai sót do yếu tố chủ quan và kinh nghiệm của người đọc bản ghi đa ký, đánh giá được sự khác biệt và mức độ tương đồng của các kết quả từ những nhóm nghiên cứu hoặc từ các chuyên gia của nhiều nhóm khác nhau cùng phân tích trên cùng một tập dữ liệu

2 1.1 Các dữ liệu chuẩn của một bảng kết quả đa ký giấc ngủ

Các dữ liệu này được quy định dựa trên kết quả đã phân tích của các trạng thái giấc ngủ, mục đích nhằm xác định số lượng các thành phần và chất lượng của giấc ngủ Các dữ liệu chuẩn này là thay đổi khác nhau theo từng độ tuổi và khác nhau giữa các trung tâm hoặc các phòng thí nghiệm so với nhau Ngoài ra, hầu hết các dữ liệu trước đây đã có đều được thu nhận và phân tích theo quy tắc R và K

Hướng dẫn AASM đề nghị ghi lại các giá trị dữ liệu được liệt kê dưới đây [22]

Đối với mục đích minh họa, bảng dữ liệu chuẩn cho các nhóm tuổi khác nhau được trình bày (Xem Bảng 2.1 bên dưới)

• Tổng thời gian ngủ (Total Sleep Time - TST): Là tổng số phút của giấc ngủ - Gồm thời gian trải qua các giai đoạn N1-N3 + giai đoạn R

• Thời gian ở trên giường (Time In Bed - TIB) hoặc tổng thời gian ghi dữ liệu: Là chỉ số để giám sát thời gian – Từ khi đèn được tắt đến khi được mở lên • Độ trễ của giấc ngủ (Sleep Latency - SL): Là tổng số phút tính từ khi đèn tắt

• Độ trễ của giai đoạn R: Là thời gian từ khi bắt đầu giai đoạn đầu tiên của giấc ngủ đến epoch đầu của giấc ngủ REM

• Sự thức tỉnh sau khi bắt đầu ngủ (Wake After Sleep Onset - WASO): Là số phút trải qua trạng thái thức tỉnh dậy sau khi khởi phát giấc ngủ ban đầu và trước khi thức tỉnh lần cuối

• Hiệu quả của giấc ngủ(%): Tính theo công thức (TST * 100) / TIB

• Tổng số thời gian trong từng giai đoạn (tính riêng giá trị cho giai đoạn N1, N2, N3, và R)

• Tỷ lệ phần trăm của TST trong từng giai đoạn: Là tính theo công thức thời gian trong từng giai đoạn / TST * 100

Bảng 2.1 Minh họa dữ liệu chuẩn cho các nhóm tuổi khác nhau [7]

Những giá trị này rất hữu ích trong chẩn đoán và quản lý các rối loạn giấc ngủ Ví dụ, tăng độ trễ giấc ngủ có thể được quan sát thấy trong chứng mất ngủ và hiện tượng giảm và ngừng thở khi ngủ, trong khi giảm độ trễ của giai đoạn R có thể thấy trong những bệnh nhân mắc chứng ngủ rũ

Cấu trúc của giấc ngủ thay đổi theo độ tuổi Tỷ lệ phần trăm của giai đoạn R là lớn nhất ở trẻ sơ sinh, với 50% thời gian ngủ trong giai đoạn này Tỷ lệ này giảm dần tới 20-25% ở tuổi vị thành niên và chỉ giảm nhẹ sau khi 65 tuổi [7]

Giấc ngủ bị phân mảnh nhiều hơn tỉ lệ thuận với sự lão hóa, trạng thái thức dậy tự phát như vậy được trộn lẫn với giấc ngủ Tỷ lệ phần trăm của giấc ngủ giai đoạn N3 giảm dần theo tuổi trong khi tỷ lệ phần trăm thời gian dành cho N1 và N2 và WASO tăng Tỷ lệ phần trăm của TST trải qua trong N3 có thể giảm do giảm trong biên độ EEG với tuổi tác, làm cho đối tượng khó khăn hơn để đáp ứng các tiêu chuẩn trải qua giai đoạn N3 Một số cá nhân cao tuổi sẽ có hầu như không có giấc ngủ N3 [7]

Những đạo trình ghi đa ký giấc ngủ và yêu cầu kỹ thuật tối thiểu để phân tích các trạng thái giấc ngủ bao gồm:

2 1.2 Tín hiệu điện não đồ (EEG)

Điện não (Electroencephalogram – viết tắt là EEG) ở người lần đầu tiên được phát hiện bởi Hans Burger vào năm 1924 [45] Đo điện não là ghi nhận lại các tín hiệu điện phát ra từ bộ não con người thông qua các hoạt động tiếp nhận, dẫn truyền và xử lý thông tin của các neuron thần kinh Việc thu nhận tín hiệu điện não giúp tìm hiểu cách làm việc, khả năng xử lý cũng như phát hiện các thương tổn ở não bộ con người, từ đó phục vụ cho việc chẩn đoán, nghiên cứu về hệ thần kinh con người Do tín hiệu điện não thu được bằng cách đặt các điện cực trên da đầu, cách bộ não hộp sọ nên tín hiệu thu được khá nhỏ, chỉ cỡ microvôn (μV), trong khi tín hiệu thực có biên độ là vài vôn Các sóng não khác nhau mang các ý nghĩa khác nhau, và dựa vào biên độ, hình thái cũng như việc chiếm ưu thế của các sóng có thể phân biệt được tình trạng và hoạt động của não bộ

Thông thường, hệ thống điện cực quốc tế 10-20 [22] được sử dụng nhiều nhất và được Cộng đồng EEG Mỹ (American EEG Society) đề cử để sử dụng như một hệ thống chuẩn Hệ thống này thiết kế cho 21 điện cực nhưng cũng cho phép có thể sử dụng thêm các điện cực phụ Những con số “10” và “20” thể hiện các khoảng cách thực tế giữa hai điện cực cạnh nhau, cụ thể là 10% và 20% tổng khoảng cách từ trước ra sau hoặc từ trái sang phải của hộp sọ Các chữ cái ký hiệu các thùy của não bộ, cụ thể: trán (F = Frontal), đỉnh (P = Parietal), trung tâm (C = Central), chẩm (O = Occipital) và đường chính giữa – midline (Z = Zero) Các số lẻ đại diện cho vùng nằm bên trái còn số chẵn đại diện cho vùng nằm bên phải

Vị trí của điện cực được đo từ vị trí của 2 điểm, gọi là 2 điểm mốc: điểm gốc mũi (nasion) ở giữa trán với mũi và điểm chẩm (inion) là điểm thấp nhất của hộp sọ đằng sau đầu (Hình 2.1) Khoảng cách giữa điểm gốc mũi và điểm chẩm được đo dọc theo đường chính giữa Trên đường này, điểm Fpz được xác định bằng 10% khoảng cách 2 điểm mốc Các điểm Fz, Cz, Pz và Oz được đánh dấu tiếp nối nhau với khoảng cách bằng 20% khoảng cách giữa 2 điểm mốc để cuối cùng Oz sẽ cách điểm chẩm 10% tổng khoảng cách giữa 2 điểm mốc Điểm trên đường chính giữa Fpz và Oz thường không đặt điện cực Dọc theo đường ngang nối 2 điểm trước tai (gọi là A1 và A2 cho điểm trước tai trái và điểm trước tai phải), vị trí của điểm C3, C4 và T3, T4 được đánh dấu lần lượt bằng 20% và 40% khoảng cách đường ngang tính từ đường chính giữa Chu vi của đầu được đo từ điểm Oz đi qua T3, T4 và tới Fpz Fp1 nằm trên chu vi đó, cách một khoảng bằng 5% chu vi và nằm bên trái Fpz F7, T3, T5, O1, O2, T6, T4, F8 và Fp2 lần lượt cách nhau theo thứ tự với khoảng cách bằng 10% khoảng cách chu vi Điện cực F3 đặt ở giao điểm của 2 đường thẳng nối Fp1 với C3 và đường nối F7 với Fz Tương tự F4 đặt ở phía bên phải Điện cực P3 đặt ở giao điểm 2 đường thẳng nối O1 với C3 và đường nối T5 với Pz Tương tự P4 đặt ở phía bên phải [46]

Hình 2.1 Hệ thống điện cực quốc tế 10-20 [22]

Các sóng điện não thường được phân tích phổ biến có thể phân thành 4 loại: Delta, Theta, Alpha và Beta Một số đặc trưng cơ bản và hình dạng của 4 sóng được mô tả trong Bảng 2.2 và Hình 2.2

Bảng 2.2 Đặc trưng cơ bản của 4 loại sóng não [11] [47] [48]

Loại sóng

Biên độ

Tần số

Vùng xuất

hiện ưu thế Đặc trưng hoạt động Ghi chú

Delta

100 V

4 Hz

0,5-Vùng trán đối với người lớn, vùng phía sau đối với trẻ em

Đặc trưng ở trẻ sơ sinh và giảm dần khi trưởng thành Có thể xuất hiện trong giấc ngủ sâu của những người lớn tuổi

- - Sóng chậm và có biên độ cao nhất

thành thường sự xuất hiện của sóng Delta là dấu hiệu của bệnh về thần kinh

Theta 50 V

4-8 Hz

Vùng đỉnh trung tâm

Thường xuất hiện khi đo điện não đồ lúc ngủ

Tùy theo lứa tuổi và điều kiện xuất hiện của nhịp Theta được đánh giá là bệnh lý hay nhịp cơ bản

Alpha 30–50 V

8-13 Hz

Vùng đỉnh chẩm

Chủ yếu thấy được trên người lớn bình thường khi đang thư giãn và nhắm mắt Trạng thái thư giãn nhưng mở mắt làm biên độ sóng Alpha giảm

Sóng phổ biến mang ý nghĩa đặc trưng sinh lý khi tỉnh táo

Beta

5 – 20 V

35 Hz

13-Vùng trung tâm và vùng

trán

Xuất hiện khi suy nghĩ, căng thẳng, kích thích hệ thần kinh mạnh do giác quan

Các vùng não bị tổn thương có thể có dấu hiệu giảm của sóng Beta

Hình 2.2 Hình dạng của 4 sóng điện não đặc trưng [49]

Khi bắt đầu có sự chuyển pha giữa trạng thái thức và ngủ, sóng Alpha bắt đầu phân mảnh và có sự xuất hiện nổi trội của sóng Theta Lúc này, có thể thấy trên điện não đồ có sự kết hợp giữa sóng Alpha và các sóng chậm, nhưng sóng Alpha chiếm ít hơn 50% epoch [11]

Các tín hiệu EEG là quan trọng hàng đầu trong việc phân tích một bản ghi đa ký giấc ngủ EEG ghi lại điện thế được tạo ra bởi sự tương tác giữa vỏ não và các cấu trúc não sâu hơn, đặc biệt là đồi thị Hai điện cực đặt ở trung tâm đỉnh đầu, 2 ở vùng chẩm, và 2 ở vùng trước trán được ghi lại Đo tín hiệu EEG là đo sự khác biệt điện thế tương đối giữa 2 điện cực trong 1 đạo trình, 1 điện cực được xem là điện cực chuẩn để tham chiếu, điện cực còn lại thể hiện độ chênh lệch điện thế so với điện cực tham chiếu này Các đạo trình bên trái được gán số lẻ và các đạo trình bên phải được gán số chẵn để dễ phân biệt

Yêu cầu kỹ thuật tối thiểu để đo EEG bao gồm:

• Ba đạo trình EEG (trán, trung tâm, chẩm) để lấy mẫu • Điện cực gắn bên phải và bên trái của tai để tham khảo

Các điện cực tham chiếu (M2, M1) dùng cho các điện cực trung tâm (C3, C4), điện cực chẩm (O1, O2), và điện cực trước trán (F3, F4) Những điện cực này được lựa chọn để thu được sóng chậm (vùng trước trán), các thoi ngủ (vùng trung tâm), và sóng Alpha (vùng chẩm) Nguyên tắc chung là chỉ đọc tín hiệu thu được từ nửa trái của vỏ

não Tuy nhiên, khi các kênh trái không đảm bảo điều kiện ghi nhận hoặc tín hiệu không rõ ràng, cho phép ghi nhận với các kênh nửa phải của vỏ não Tín hiệu vỏ não được định nghĩa hơi khác nhau theo các tài liệu tham khảo được sử dụng Quy ước sau đây được sử dụng [13] [50]:

• Delta là sóng có tần số hoạt động chậm nhất < 4Hz • Theta là 4-7 Hz

• Alpha là 8-13 Hz • Beta là > 13 Hz

2 1.3 Tín hiệu điện cơ mắt (EOG)

Các tín hiệu EOG thu được khi có sự thay đổi điện thế của võng mạc Trong bất kỳ chuyển động nào mắt, giác mạc (điện thế dương) di chuyển về một phía, trong khi đáy mắt (điện thế âm) di chuyển ra phía còn lại Khi mắt không chuyển động, sự thay đổi trong vị trí tương đối là 0, và tín hiệu ghi nhận không có sự thay đổi

Trong khi mắt có dịch chuyển bất kì thì giác mạc mang điện thế dương di chuyển về phía một điện cực, trong khi đáy mắt (điện thế âm) di chuyển ra từ cùng một điện cực Khi mắt không chuyển động, sự thay đổi trong vị trí tương đối là số không, và dẫn đến mắt không ghi lại một tín hiệu Liên hợp cử động mắt do đó gây ra độ võng lệch pha

Chuyển động mắt chậm được ghi nhận là dạng sóng hài nhẹ nhàng, trong khi chuyển động nhanh được đại diện bởi sóng nhanh mạnh dạng bo tròn Nhấp nháy mắt là các chuyển động nhanh theo chiều dọc Chuyển động của mắt trong giai đoạn buồn ngủ và giai đoạn N1 có thể gián đoạn, không thường xuyên, hoặc là những dao động nhẹ nhàng Trong các giai đoạn của giấc ngủ sâu hơn, chuyển động mắt xét về mặt tổng thể là chấm dứt hoàn toàn Trong giấc ngủ REM, cử động mắt một lần nữa trở thành hoạt động mạnh mẽ Cường độ của các hoạt động này được sử dụng để mô tả mật độ của giấc ngủ REM

Yêu cầu kỹ thuật về cách mắc điện cực để đo EOG bao gồm [22] [13]:

• Cách 1: Có 2 điện cực được đặt ở vị trí cách 1 cm bên dưới và 1 cm bên cạnh khoé mắt trái và 1cm bên trên và 1 cm bên cạnh khoé mắt phải (Hình 2.3a) • Cách 2: Có thể thay thế bằng cách mắc các điện cực theo vị trí 1 cm bên dưới

và 1 cm bên cạnh khoé mắt của cả 2 mắt (Hình 2.3b)

Hình 2.3 Cách mắc các điện cực đo EOG

2 1.4 Tín hiệu điện cơ (EMG)

Các tín hiệu EMG là điện thế sinh ra do cơ bắp co giãn, cung cấp thông tin để giúp xác định chính xác hơn các giai đoạn giấc ngủ Nguyên tắc áp dụng dựa trên phát hiện rằng, trong khi ngủ, cơ bắp có sự thay đổi rõ rệt trong từng trạng thái Trong giấc ngủ REM, cơ bắp hoạt động ở mức thấp nhất [50] Tuy nhiên, trong nhiều trường hợp, đánh giá mức độ giảm tín hiệu là khó khăn Mức độ thấp tương đối của EMG trong giấc ngủ REM có thể gíup phân biệt giấc ngủ REM với các giai đoạn giấc ngủ trước hoặc sau đó

Ảnh hưởng nghiêm trọng việc phân tích các tín hiệu EMG là sự tác động của nhiễu Một số ví dụ có thể nêu là ảnh hưởng của hoạt động nhai, nghiến răng, hoặc tác động áp lực gia tăng trên điện cực đặt ở cơ cằm như trong trường hợp ngáy Ngoài ra, tín hiệu nhiễu do hoạt động cơ bắp cũng có thể tác động lên tín hiệu EEG và ECG Tín hiệu ECG cho thấy ảnh hưởng của nhiễu thể hiện trên tất cả các kênh và có thể được ghi nhận bởi các phức hợp QRS

Yêu cầu kỹ thuật tối thiểu để ghi EMG là phải có điện cực gắn 2 bên cằm Có thể bổ sung thêm 1 kênh nữa trong trường hợp cần thông tin dự phòng

2 1.5 Cấu trúc đại thể của giấc ngủ

Ban đầu, các bác sĩ thường xem qua toàn bộ hồ sơ dữ liệu để đánh giá chất lượng của việc ghi chép và tính hữu dụng của các kênh cụ thể Các giai đoạn chính được xác

định, và bất kỳ thay đổi nào liên quan đến bệnh nhân cần phải được lưu ý Tổng hợp các đặc trưng chi tiết cho từng trạng thái như sau [7] [12] [13] [22] :

2.1.5.1 Trạng thái W (tương đương với trạng thái Wake theo quy tắc R&K)

Các epoch đầu tiên của bản ghi thường sẽ được xác định là trạng thái W, mặc dù đôi khi bệnh nhân buồn ngủ và đã ngủ khi tiến trình ghi được bắt đầu Trong sự tỉnh táo bình thường với đôi mắt khép kín, sự chi phối nhịp điệu được phát hiện trong đạo trình ở vùng chẩm Đó là một sóng hình sin với tần số 8,5-13 Hz, là một vùng quanh tần số Alpha, và do đó cũng được gọi là sóng Alpha

Giai đoạn W được ghi khi có sóng Alpha lớn hơn 50% của toàn epoch

10-20% bệnh nhân bình thường sẽ không có sóng Alpha được phát hiện trên EEG Trong những trường hợp như vậy, Giai đoạn W vẫn có thể được ghi nếu 1 của 3 dấu hiệu sau đây của sự tỉnh táo được phát hiện [45]:

• Nhấp nháy mắt với đôi mắt mở hoặc đóng lại

• Mắt có cử động đọc, bao gồm một pha sóng chậm tiếp theo là một pha sóng nhanh theo hướng ngược lại

• Sự hiện diện của cử động mắt bất thường kết hợp với nhịp bình thường hoặc tăng cao biên độ cơ cằm cho thấy rằng đối tượng khảo sát là tỉnh táo và nhìn xung quanh

Các đặc tính khác của trạng thái W bao gồm:

• Các hoạt động EEG Beta hoạt động trong khi mắt mở và alpha hoạt động khi mắt nhắm

• EMG phản ánh các cơn co thắt cơ bắp biên độ cao và các nhiễu sinh ra do chuyển động

• EOG cho thấy chuyển động mắt nhấp nháy và nhanh chóng

2.1.5.2 Giai đoạn N1 (tương đương với Giai đoạn S1 theo quy tắc R&K)

Là giai đoạn đầu tiên khi bắt đầu giấc ngủ, được định nghĩa là giai đoạn đầu của các bản ghi đa ký giấc ngủ, thể hiện sự khác biệt hơn hẳn so với trạng thái W

Giai đoạn N1 được ghi khi sóng Alpha bị suy giảm và thay thế bằng các sóng biên độ thấp, hỗn hợp các tần số hơn 50% của độ dài epoch

Một số bệnh nhân có thể không có nhịp điệu nền xác định, ngay cả khi ánh mắt của họ nhắm trong khi tỉnh táo Ở những bệnh nhân như vậy, phân biệt sự khởi đầu của giấc ngủ là khó khăn hơn Đối với những trường hợp như vậy, giai đoạn N1 có thể được xác định dựa trên sự hiện diện của những điều sau đây [45]:

• Sóng nhọn đỉnh đầu có đặc trưng rõ nét, nổi bật mạnh là dạng sóng âm bo tròn sóng kéo dài <0,5 giây và có thể quan sát thấy nhiều nhất ở khu vực trung tâm

• Hoạt động chậm, chuyển động lăn của mắt, có thể phát hiện trên EOG • Xuất hiện hoạt động trong phạm vi 4-7 Hz, tức làm chậm các tần số nền của

EEG tăng 1Hz hoặc nhiều hơn khi so sánh với giai đoạn W

Thường có một sự giảm trương lực cơ được phát hiện bởi điện cơ cằm khi so sánh với giai đoạn W Đáng chú ý, chuyển động lăn của mắt có thể bắt đầu ngay cả trong sự tỉnh táo Do đó, giai đoạn N1 có thể được ghi trước đó ở những bệnh nhân mà không có một sóng Alpha xác định

2.1.5.3 Giai đoạn N2 (tương đương với giai đoạn S2 theo quy tắc R&K)

Giai đoạn N2 được đặc trưng bởi sự hiện diện của các thoi ngủ và các phức bộ K trên nền tảng của những sóng có biên độ thấp, đa tần số

• Các thoi ngủ được đặt tên theo hình dạng của chúng Chúng được thấy hiện diện tối đa trong đạo trình ở vùng trung tâm, có tần số 12-16 Hz và thời gian xảy ra là > 0,5 giây

• Phức bộ K có 1 dạng sóng âm ban đầu, tiếp theo là một làn sóng dương Chúng là khác biệt so với các sóng nền và thời gian xảy ra là > 0,5 giây Chúng thường được quan sát thấy xuất hiện nhiều nhất ở vùng trước trán • Phức bộ K cũng được tìm thấy với vi thức tỉnh

Các quy tắc bắt đầu, tiếp tục, và kết thúc giai đoạn N2 của giấc ngủ như sau:

Bắt đầu ghi N2 giai đoạn giấc ngủ nếu một trong hai điều sau đây có mặt trong nửa đầu của epoch hoặc một nửa thứ hai của epoch trước

• Một hoặc nhiều phức bộ K không kết hợp với vi thức tỉnh • Một hoặc nhiều chuỗi các thoi ngủ

Tiếp tục ghi epoch tiếp theo của tần số hỗn hợp, biên độ hoạt động thấp mà không có hoạt động của phức bộ K hoặc thoi ngủ là giai đoạn N2 nếu có một trong những điều sau đây:

• Phức bộ K không liên kết với vi thức tỉnh • Thoi ngủ

Điểm kết thúc giai đoạn N2 của giấc ngủ trong trường hợp bất kỳ là:

• Có một sự chuyển đổi sang giai đoạn kích thích, nghĩa là có xuất hiện một hoạt động kéo dài 3 giây hoặc lâu hơn Điều này có thể liên quan đến các kênh EEG, EOG, và EMG, và liên quan đến sóng Alpha hoặc Theta Chuyển động lớn của cơ thể tiếp theo chuyển động của mắt chậm và biên độ thấp

• Một chuyển đổi sang giai đoạn N3 • Một chuyển đổi sang giai đoạn R

2.1.5.4 Giai đoạn N3 (tương đương với gian đoạn S3 và S4 theo quy tắc R&K)

Giai đoạn N3 được ghi nhận khi có hoạt động của các sóng chậm, chiếm tối thiểu 20% của epoch

Có độ dài của sóng chậm được định nghĩa là các sóng có tần số 0,5-2 Hz và biên độ của sóng phải lớn hơn 75uV, lấy đỉnh trừ đỉnh Quan sát rõ nhất ở vùng trước trán

Mặc dù không có yêu cầu cho việc phân tích các trạng thái, các thoi ngủ có thể hiện diện trong N3 Mắt chuyện động bất thường trong trạng thái này, trong khi biên độ của phần đo điện cơ thấp, đôi khi là thấp hơn lúc tỉnh

2.1.5.5 Trạng thái R (tương đương với trạng thái REM theo quy tắc R&K)

Trạng thái REM được ghi nhận nếu xảy ra một trong các điều sau:

Hoạt động đo được tại mắt bằng các điện cực EOG cho thấy các hoạt động mạnh của mắt Giai đoạn R được chứng minh là có động mắt nhanh, EMG thấp, EEG có sóng biên độ thấp, tần số hỗn hợp

• EEG cho thấy các hoạt động có biên độ tương đối thấp và đa tần số Có thể giống với EEG giai đoạn N1 hoặc Alpha hoạt động chậm của giai đoạn W • Điện cơ cằm giảm xuống mức thấp nhất trong bất kì giai đoạn nào

Các đặc điểm hữu ích nhưng không cần thiết trong giai đoạn R bao gồm sóng răng cưa và co giật cơ bắp theo pha Sóng răng cưa là các sóng 2-6 Hz là bùng nổ của hoạt động EMG kéo dài dưới 0,25 msec và có thể được phát hiện trên cằm EMG, hoặc EOG-EEG tương ứng

Các quy tắc xác định trạng thái của bất kì epoch nào xung quanh giai đoạn R đã nhận được nhiều sự chú ý Về bản chất, các thời kỳ sau giai đoạn R được ghi như R, trừ khi (1) có sự thay đổi rõ ràng thành một giai đoạn giấc ngủ, (2) một kích thích hoặc chuyển động cơ thể lớn tiếp theo là chuyển động của mắt diễn ra, hoặc (3) phức bộ K, các thoi ngủ, điểm nổi bật của giai đoạn giấc ngủ N2, xảy ra trong sự vắng mặt của REM Nếu REM với EMG cằm thấp, một epoch được xác định là REM, ngay cả khi có xuất hiện của các phức bộ K và các thoi ngủ Có những quy tắc quản lý các trường hợp đặc biệt của sự chuyển đổi từ giấc ngủ N2 giấc ngủ REM mà non-REM rõ ràng Nếu điện cơ cằm thấp, nhưng không có thoi ngủ hoặc phức bộ trong 1 epoch, ghi nhận giai đoạn đó là R Nếu cằm thấp giai điệu có mặt nhưng phức bộ K và thoi ngủ, ghi nhận epoch là giai đoạn N2

2.1.5.6 Xác định sự dịch chuyển của cơ thể

Đôi khi, chuyển động cơ che khuất EEG cho epoch hơn một nửa như vậy mà trạng thái thể được xác định Trong những trường hợp như vậy, xác định như cách làm sau đây là đúng:

• Epoch với sóng alpha xuất hiện cho bất kỳ phần nào của epoch được ghi như giai đoạn W

• Epoch với một chuyển động cơ thể lớn, nhưng không có sóng Alpha xác đáng, đứng phía trước và theo epoch của giai đoạn W được ghi như giai đoạn W