English version of this page

CESAR: Using Complex Event Processing for Low-threshold and Non-intrusive Sleep Apnea Monitoring at Home

I CESAR-prosjektet bedriver vi tverfaglig forskning (informatikk og medisin) for å kunne monitorere obstruktivt søvnapnè syndrom (Obstructive Sleep Apnea - OSA) hjemme for alle pasienter. OSA blir i økende grad anerkjent som en viktig årsak til sykdom og økt risiko for død.

OSA er en relativt vanlig søvnforstyrelse som er karakterisert ved gjentatte episoder av delvis eller fullstendig kollabering av de øvre luftveiene under søvn. Det er estimert at omtrent 70-80% av alle OSA-tilfeller ikke er diagnostisert. God søvn er avgjørende for å opprettholde god fysisk og mental helse. OSA-diagnostisering er vanligvis gjennomført i et søvnlaboratorium på sykehus ved hjelp av polysomnografiinstrumenter med spesielle tester. OSA-diagnoseprosessen er ukomfortabel for pasienten og krever veldig mye ressurser: høye kostnader for spesialutstyr, sykehusplass, personale for pasientovervåking, og spesialistanalyse av polysomnografiresultene.

Moderne smarttelefoner og billige, minimalt invasive sensorer utgjør en lovende plattform for å gjennomføre OSA-monitorering hjemme. Vi vil forbedre OSA-diagnostisering ved å utvikle ny programvare som broker maskinlæring og dagens konsumerelektronikk med egnede sensorer for å supplere klassisk polysomnografi. Vi skal undersøke nytteverdien av veiledet og ikke-veiledet maskinlæring (data mining) for å identifisere viktige/interessante mønster i dataene som kan generere ny kunnskap for OSA-forskning og for verktøy for online-analyse av data. Designprosessen for online-analyseverktøy skal gjøre det mulig for personer med lite IT-kunnskap å tilpasse personspesifikk OSA-analyse.

Publisert 20. juni 2016 12:10 - Sist endret 23. juni 2016 15:38