تشخیص دقیق و کاربردی بیماری های آپنه خواب و هایپوآپنه به کمک سیگنال تلاش تنفسی شکمی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,556

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IPRIA02_004

تاریخ نمایه سازی: 28 شهریور 1394

چکیده مقاله:

آپنه خواب و هایپوآپنه باعث توقف یا کاهش جریان هوای ورودی به ریه ها در حین خواب شده و کیفیت خواب را تحت تأثیر قرار می دهد. متأسفانه افراد زیادی از ابتلای به این بیماری ها و عوارض ناشی از آنها رنج می برند. در حال حاضر روش اصلی تشخیص این بیماری ها توسط دستگاه پلی سومنوگرام صورت می گیرد که استفاده از آن بسیار وقت گیر و پرهزینه است. از این رو، هدف از این مطالعه تشخیص کلی حالت نرمال و بیماریه (آپنه و هایپوآینه) با روشی ساده و تنها با استفاده از سیگنال تلاش تنفسی شکمی است. جهت تشخیص بیماری ابتدا پنجره بندی لازم روی سیگنال مورد نظر اعمال شد. در مرحله ی دوم، ضرایب تبدیل موجک از پنجره ها استخراج گردید. سپس در مرحله ی سوم، شانزده ویژگی ساده با بار محاسباتی کم از این ضرایب محاسبه شد و توسط تست های آماری مورد بررسی قرار گرفت. در مرحله ی آخر تشخیص بیماری با استفاده از یک شبکه عصبی مصنوعی انجام پذیرفت. این شبکه با دقت میانگین 99/63% نتیجه ی بسیار رضایت بخشی ارائه داد. دقت بسیار بالای الگوریتم در تشخیص این بیماری با استفاده از تنها نوع سیگنال، نشان از کارایی بالای آن دارد و امکان استفاده از آن را در سیستم های هوشمند تشخیص بیماری، با هزینه و بارمحاسباتی پایین فراهم می آورد.

کلیدواژه ها:

آینه خواب ، استخراج ویژگی ، تبدیل موجک ، سیگنال تلاش تنفسی شکمی ، شبکه عصبی

نویسندگان

معین شعاع کاظمی

دانشجوی کارشناسی ارشد مهندسی پزشکی بیوالکتریک، دانشگاه صنعتی سهند تبریز، ازمایشگاه علوم اعصاب محاسباتی

عطاالله عباسی

استادیار دانشکده برق دانشگاه صنعتی سهند تبریز، ازمایشگاه علوم اعصاب محاسباتی

پیوند قادریان

دانشجوی دکتری رشته مهندسی پزشکی بیوالکتریک دانشگاه صنعتی سهند تبریز، ازمایشگاه علوم اعصاب محاسباتی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdel-Mageed, F.Z., et al. K9. Detection of Sleep Apnea Events ...
  • Carlucci, C.M. and R.A. Hauser, Sleep apnea, in Parkinsons Disease ...
  • Mendez, M.O., et al., Sleep apnea screening by autoregressive models ...
  • _ _ _ multilevel mentl _ _ on bio-medicl ...
  • Koley, B. and D. Dey, On-line Detection of Apn ea/Hypopnea ...
  • Xie, B. and H. Minn, Real-time sleep apnea detection by ...
  • Emin Tagluk, M., M. Akin, and N. Sezgin, Classfication of ...
  • St .Vincent's University Hosp ital/University College Dublin Sleep ApneaDatabase. (2008).[Online] ...
  • _ _ _ _ _ signals. Circulation, 2000. 101(23): p. ...
  • F ontenla-Romero _ O., et al., A new method for ...
  • Maali, Y. and A. Al-Jumaily. Automated detecting sleep apnea syndrome: ...
  • Technology in Biomedicine, IEEE Transactions on, 2009. 13(6): p. 1057-1067 ...
  • Al-Angari, H.M. and A.V. Sahakian, Automated recognition of obstructive sleep ...
  • _ _ _ _ _ _ in India _ ...
  • Varady, P., et al., A novel method for the detection ...
  • نمایش کامل مراجع