تشخیص میزان اختلال تنفس (سندرم آپنه-هیپوپنه انسدادی) در خواب با استفاده از نشانگرها زیستی صوتی و تکنیکهای یادگیری ماشین

تشخیص میزان اختلال تنفس (سندرم آپنه-هیپوپنه انسدادی) در خواب با استفاده از نشانگرها زیستی صوتی و تکنیکهای یادگیری ماشین

وهاب امینی آذر1 رسول فرحی2

1) استادیار گروه مهندسی برق و کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران
2) مربی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران

کد IOI مقاله : XDHZ-FCBAH
محل انتشار : سومین کنفرانس مکانیک،مهندسی برق و کامپیوتر والنسیا اسپانیا(mecconf.com)
چکیده :
    سندرم آپنه-هیپوپنه انسدادی یکی از اختالات تنفس شناخته شده در خواب است که باعث خواب آلودگی در روز و ارتباط آن با بیماری هایی مانند دیابت نوع دو ، بیماری های قلبی عروقی و سکته مغزی می¬شود. تست پلی سومنوگرافی روش قدیمی برای تشخیص سندرم آپنه-هیپوپنه انسدادی است. در حالی این آزمایش گران قیمت، ناخوشایند است و نیاز به قرار دادن سنسورهای تماس بدن در هنگام خواب دارد. اخیراً ، در چندین تحقیق از خر و پف / تنفس که توسط میکروفون های غیر تماسی بدست آمده است، برای تشخیص سندرم آپنه-هیپوپنه انسدادی استفاده شده است. سندرم آپنه-هیپوپنه انسدادی ممکن است کمی شنیدنی تا بلند باشد. تشخیص سندرم آپنه-هیپوپنه انسدادی به خصوص سندرم آپنه-هیپوپنه انسدادی¬های کم شدت به دلیل نسبت سیگنال به نویز کم می¬تواند در محیط های پر سر و صدا چالش برانگیز باشد. در این مقاله، ما یک روش جدید برای تشخیص سریع سندرم آپنه-هیپوپنه انسدادی (اختلال تنفس در خواب) در خواب های کم شدت از داده های ثبت شده در هنگام خواب پیشنهاد می¬کنیم. روش پیشنهادی مبتنی بر روش شبکه عصبی مصنوعی که در آن از الگوریتم یادگیری پس از انتشار خظا استفاده گردیده است. روش پیشنهادی نسبت به روش¬های پیشین با دقت 98.178% می¬تواند سندرم آپنه-هیپوپنه انسدادی را تشخیص دهد.

کلمات کلیدی : سندرم آپنه هیپوپنه انسدادی اختلال تنفس نشانگر¬ها زیستی صوتی تکنیک¬های یادگیری ماشین