داود غفوریان - کارشناس ارشد مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد، ایران
الیاس مزروعی راد - دکترای مهندسی پزشکی، استادیار موسسه آموزش عالی خاوران، مشهد، ایران
هادی اسدپور - نورولوژیست دانشگاه علوم پزشکی مشهد، ایران

هدف و انگیزه اصلی این تحقیق، طراحی و ارائه سیستمی جهت تشخیص خودکار آپنه خواب و نوع آن بوده است. با توجه به ویژگی هایسیگنال های ECG۱ و PPG۲ و نحوه ارتباط این بیماری با ویژگی های مختلف در این سیگنال ها می توان با پردازش مناسب به صورتخودکار آپنه خواب و نوع آن را تشخیص داد. در این تحقیق ابتدا به ثبت سیگنال های پلی سومنوگرافی پرداخته شده است و در ادامه به انجام پیش پردازش و حذف نویز از روی دو سیگنال ECG و PPG پرداخته شده و سپس با استفاده از این دو سیگنال به استخراج سیگنالPTT۳ پرداخته شده است. سپس برخی ویژگی های زمانی از این سه سیگنال استخراج شده و نیز برخی ویژگی های فرکانسی از سیگنالHRV۴ استخراج شده است. سپس توسط روش آنالیز واریانس به استخراج ویژگی های بهینه پرداخته شده و دو طبقه بندی کننده LDA۵ و SVM۶ بکار گرفته شده است. طبق نتایج معلوم شده که در بین این دو روش طبقه بندی کننده روش SVM دارای صحت تفکیکبالاتری نسبت به LDA می باشد. از این دو طبقه بندی کننده به صورت سه کلاسه یعنی سالم، آپنه انسدادی و آپنه مرکزی استفاده شده است. صحت نتایج با ویژگی های منتخب آنالیز واریانس توسط تفکیک کننده خطی برابر ۶۷/۲% و در ماشین بردار پشتیبان حاوی صحت تفکیک ۷۶/۷% می باشد.

تشخیص خودکار آپنه خواب، آپنه خواب انسدادی، آپنه خواب مرکزی، آنالیز واریانس، تفکیک کننده خطی، ماشینبردار پشتیبان