|
Title
|
تشخيص آپنه خواب از سيگنال الكتروكارديوگرام با بهره گيري از رويكردهاي يادگيري عميق
|
|
Type
|
Thesis
|
|
Keywords
|
آپنه خواب، سيگنال الكتروكاريوگرافي، يادگيري عميق، شبكه عصبي كانولوشن، شبكه عصبي بازگشتي، شبكه عصبي حافظه طولاني كوتاه مدت، مدل ماركوف پنهان
|
|
Abstract
|
خواب يكي از اركان ضروري در حفظ سلامت جسمي و رواني انسان است و تاثير زيادي بر عملكرد سيستم هاي مختلف بدن دارد. اختلالات خواب، از مشكلات شايعي هستند كه در صورت عدم تشخيص و درمان به موقع، مي توانند عواقب جدي براي فرد به همراه داشته باشند. آپنه خواب يكي از شايع ترين اختلالات تنفسي مرتبط با خواب است كه در صورت عدم شناسايي، نه تنها خطر ابتلا به بيماري هاي قلبي-عروقي و اختلالات شناختي را افزايش مي دهد، بلكه بار مالي و اقتصادي سنگيني بر سيستم هاي بهداشتي تحميل مي كند. روش هاي باليني مانند پلي سومنوگرافي كه به عنوان روش هاي استاندارد تشخيص آپنه خواب شناخته مي شوند، اگرچه دقيق هستند، اما هزينه بر، زمان بر و مستلزم حضور در مراكز تخصصي اند. علاوه بر اين، خطاي انساني در تفسير نتايج ممكن است بر دقت تشخيص اين روش ها اثر بگذارد.
سيگنال الكتروكارديوگرافي (ECG) از اجزاي مختلفي همچون موج P، مجموعه QRS و موج T تشكيل شده است و اطلاعات حياتي و ارزشمندي از فعاليت الكتريكي قلب ارائه مي دهد. در حين بروز آپنه خواب، اين سيگنال ها با تغييراتي در نرخ ضربان قلب روبه رو مي شوند و نوسانات پيچيده اي در ويژگي هاي زماني و فركانسي آن ها به وجود مي آيد. در مقايسه با روش هاي سنتي مبتني بر يادگيري ماشين، شبكه هاي عصبي عميق با قابليت شبيه سازي و تحليل دقيق اين پيچيدگي ها، به طرز موثري توانايي تشخيص آپنه خواب را بهبود مي بخشند. اين رويكرد نه تنها دقت تشخيص را افزايش مي دهد، بلكه نياز به فرآيندهاي پيچيده مهندسي ويژگي ها را به طور قابل ملاحظه اي كاهش مي دهد. در اين پژوهش، يك روش نوين مبتني بر شبكه هاي عصبي عميق براي تشخيص خودكار آپنه خواب از سيگنال هاي ECG توسعه داده شده است. داده هاي مورد استفاده از مجموعه معتبر PhysioNet Apnea-ECG استخراج شده و پس از فيلترينگ و نرمال سازي، ويژگي هاي معناداري از سيگنال ها استخراج شدند. براي افزايش دقت تشخيص، از مدل ماركوف پنهان در مرحله پس پردازش استفاده شده است. اين مدل با بهره گيري از وابستگي هاي زماني و ساختار توالي در سيگنال هاي ECG، قادر است الگوهاي پيچيده و پنهان مرتبط با آپنه خواب را شناسايي كند. مدل ماركوف پنهان از توزيع هاي احتمالي براي پيش بيني وضعيت هاي مختلف آپنه در هر لحظه زماني استفاده كرده و با تحليل توالي هاي پنهان در سيگنال ECG، احتمال وقوع هر وضعيت (آپنه ي
|
|
Researchers
|
sara ghanatian (Student) , Hojat Ghimatgar (First primary advisor) , Ahmad Keshavarz (First primary advisor)
|