Архив номеров
Медицинская Техника / Медицинская техника №1, 2026 / с. 20-23

Прогнозирование стадий сна у пациентов, перенесших острое нарушение мозгового кровообращения, по данным кардиореспираторного мониторирования (пилотное исследование)

А.Б. Татараидзе, В.С. Лобанова, М.А. Быкова, М.В. Бочкарев, Ю.В. Свиряев, Л.С. Коростовцева


Аннотация 

Нарушения сна у пациентов, перенесших острое нарушение мозгового кровообращения (ОНМК), являются значимым фактором, влияющим на риски рецидивов и качество жизни. Цель работы – разработка алгоритма прогнозирования стадий сна у пациентов после ОНМК на основе данных кардиореспираторного мониторирования. Для классификации стадий сна была обучена модель на основе искусственной нейронной сети. Предложенный метод неинвазивного кардиореспираторного мониторирования представляет собой практичную альтернативу традиционной полисомнографии для скрининга нарушений сна в постинсультном периоде.


Вернуться к содержанию

Сведения об авторах

Александр Бидзинович Татараидзе, канд. техн. наук, независимый исследователь, индивидуальный предприниматель, г. Москва, 
Вера Сергеевна Лобанова, мл. научный сотрудник, 
Марина Александровна Быкова, аспирант, мл. научный сотрудник, 
Михаил Викторович Бочкарев, канд. мед. наук, ст. научный сотрудник, 
Юрий Владимирович Свиряев, д-р мед. наук, руководитель НИЛ сомнологии НИО АГ, 
Людмила Сергеевна Коростовцева, канд. мед. наук, ст. научный сотрудник, ФГБУ «НМИЦ им. В.А. Алмазова» Минздрава России, г. С.-Петербург, 

Список литературы

1. Bassetti C.L.A., Randerath W., Vignatelli L. et al. EAN/ERS/ ESO/ESRS statement on the impact of sleep disorders on risk and outcome of stroke // Eur. J. Neurol. 2020. Vol. 27. № 7. РР. 1117-1136. 
2. Siccoli M.M., Rцlli-Baumeler N., Achermann P., Bassetti C.L. Correlation between sleep and cognitive functions after hemispheric ischaemic stroke // Eur. J. Neurol. 2008. Vol. 15. № 6. PP. 565-572. 
3. Duss S.B., Seiler A., Schmidt M.H. et al. The role of sleep in recovery following ischemic stroke: A review of human and animal data // Neurobiol. Sleep Circadian Rhythms. 2016. Vol. 2. PP. 94-105. 
4. Denis C., Jaussent I., Guiraud L. et al. Functional recovery after ischemic stroke: Impact of different sleep health parameters // J. Sleep Res. 2024. Vol. 33. № 1. P. e13964. 
5. Tayade K., Vibha D., Singh R.K. et al. Polysomnographic correlates of self-and caregiver-reported sleep problems in post- stroke patients // Front. Neurol. 2025. Vol. 16. P. 1587378. 
6. Radha M., Fonseca P., Moreau A. et al. Sleep stage classification from heart-rate variability using long short-term memory neural networks // Sci. Rep. 2019. Vol. 9. № 1. P. 14149. 
7. Mendez M., Matteucci M., Castronovo V., Ferini-Strambi L., Cerutti S., Bianchi A.M. Sleep staging from heart rate variability: Time-varying spectral features and Hidden Markov Models // Int. J. Biomed. Eng. Tech. 2010. Vol. 3. № 3. PP. 246-263. 
8. Yilmaz B., Asyali M.H., Arikan E., Yetkin S., Ozgen F. Sleep stage and obstructive apneaic epoch classification using single- lead ECG // Biomed. Eng. Online. 2010. Vol. 9. P. 39. 
9. Karlen W., Mattiussi C., Floreano D. Sleep and wake classification with ECG and respiratory effort signals // IEEE Trans. Biomed. Circuits Syst. 2009. Vol. 3. № 2. PP. 71-78. 
10. Boudreau P., Yeh W.H., Dumont G.A., Boivin D.B. Circadian variation of heart rate variability across sleep stages // Sleep. 2013. Vol. 36. № 12. PP. 1919-1928. 
11. Quan S.F., Howard B.V., Iber C. et al. The Sleep Heart Health Study: Design, rationale, and methods // Sleep. 1997. Vol. 20. № 12. PP. 1077-1085. 
12. Rechtschaffen A., Kales A., editors A manual of standardized terminology, techniques and scoring system of sleep stages in human subjects. – Los Angeles: Brain Information Service, University of California, 1968. 
13. Troester M.M., Quan S.F., Berry R.B. et al. The AASM manual for the scoring of sleep and associated events: Rules, terminology and technical specifications, version 3. – Darien, IL: American Academy of Sleep Medicine, 2023. 
14. Pan J., Tompkins W.J. A real-time QRS detection algorithm // IEEE Trans. Biomed. Eng. 1985. Vol. 32. № 3. PP. 230-236. 
15. Elgendi M., Jonkman M., De Boer F. Frequency bands effects on QRS detection. Biosignals / In: BIOSIGNALS 2010, 20-23 January 2010, Valencia, Spain. – INSTICC Press, 2010. PР. 428-431. 
16. Lipponen J.A., Tarvainen M.P. A robust algorithm for heart rate variability time series artefact correction using novel beat classification // J. Med. Eng. Technol. 2019. Vol. 43. № 3. PP. 173-181. 
17. Camm A.J., Malik M., editors Heart rate variability / Futura. 1995. 
18. Jou B., Chang S.-F. Deep Cross Residual Learning for Multitask Visual Recognition / In: the 24th ACM international conference on Multimedia, 15-19 October 2016, Amsterdam, the Netherlands. Association for Computing Machinery. – New York, NY, USA, 2016. PР. 998-1007. 
19. Hochreiter S., Schmidhuber J. Long Short-Term Memory // Neur. Comp. 1997. Vol. 9. № 8. PP. 1735-1780. 
20. Landis J.R., Koch G.G. The measurement of observer agreement for categorical data // Biometrics. 1977. Vol. 33. № 1. PP. 159-174. 
21. Chen P.W., O’Brien M.K., Horin A.P. et al. Sleep monitoring during acute stroke rehabilitation: Toward automated measurement using multimodal wireless sensors // Sensors. 2022. Vol. 22. PP. 1-15. 
22. Boe A.J., McGee Koch L.L., O’Brien M.K. et al. Automating sleep stage classification using wireless, wearable sensors // NPJ Digital Medicine. 2019. Vol. 2. P. 131.