• عنوان

    تشخيص آپنه خواب انسدادي مبتني بر سيگنالECG

  • نويسنده اصلي

    فاطمه سلطاني

  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    يكي از شايع¬ترين اختلالات خواب، آپنه خواب است. بيماري آپنه خواب يك بيماري نسبتا شايع بوده كه در اثر وقفه¬هاي تنفسي در هنگام خواب شبانه ايجاد مي¬گردد. تحقيقات نشان داده است كه با كنترل و پيش¬گيري از وقفه¬هاي تنفسي مي¬توان از عوارض اين بيماري جلوگيري نمود. در حال حاضر، استاندارد اصلي تشخيص آپنه خواب پلي¬سومنوگرافي مي¬باشد. اين وسيله با ثبت فعاليت¬هاي مختلف از جمله الكتروانسفالوگرام ، الكترواكولوگرام ، الكتروميوگرافي ، الكتروكارديوگرام ، اكسي¬متري ، جريان هوا و فعاليت¬هاي تنفسي اطلاعات مهمي را فراهم مي¬كند و با استفاده از آن مي¬توان شدت اين بيماري را ارزيابي كرد. البته اين تست تشخيصي بسيارگران قيمت و زمان¬بر است. علاوه بر اين، دسترسي به كلينيك¬هاي خواب به راحتي امكان¬پذير نمي¬باشد، تشخيص اين بيماري با استفاده از سيگنال¬هاي ساده¬تر مي¬تواند بسيار ارزشمند باشد چرا كه ثبت آن¬ها با سهولت بيشتر و بدون نياز به مكان¬هاي خاصي براي ثبت (نظير كلينيك¬هاي خواب) امكان¬پذير است. اخيرا تلاش¬هاي زيادي براي تشخيص اين بيماري با استفاده از تعداد سيگنال¬هاي كمتري نسبت به PSGتوسط محققين صورت گرفته ¬است. هدف از انجام اين پژوهش تشخيص و طبقه¬بندي خودكار آپنه خواب انسدادي (OSA) بر اساس اعمال الگوريتم¬هاي طبقه¬بندي كننده مي¬باشد. در اين پژوهش دو روش جديد براي تشخيص و طبقه¬بندي خودكار وقايع آپنه و غيرآپنه ارائه شد. به منظور ارزيابي روش¬هاي پيشنهادي از پايگاه داده¬ي فيزيونت Apnea-ECGكه شامل 70ثبت از سيگنال¬هاي تك ليد ECGاست، استفاده شد. در روش اول ابتدا در قسمت پيش¬پردازش يك روش خودكار براي تشخيص و حذف پنجره¬هاي نويزي پياده¬سازي شد. ويژگي پيشنهادي براساس الگوريتم تجزيه حالت تجربي¬ (EMD)استخراج شده. علاوه بر اين ، ويژگي¬هاي استخراج شده، با روش¬هاي مختلف يادگيري ماشين طبقه بندي مي¬شوند. سپس، از الگوريتم¬هاي تكاملي جهت بهبود كارايي¬MLPNN در تشخيص¬OSA¬، استفاده شده است، كه الگوريتم بهينه¬سازي ازدحام ذرات (PSO)بالاترين عملكرد در بين ساير روش¬هاي استفاده شده،را داشته است. در روش دوم ابتدا در مرحله پيش¬پردازش سيگنال ECGبه بخش¬هاي 2ثانيه¬اي تقسيم شده، سپس از الگوريتم RP براي تبديل سيگنال به تصاوير دو بعدي، استفاده شده است. در نهايت از يادگيري انتقال براي انطباق شبكه¬هاي عصبي كانولوشني عميق(DCNN) از پيش آموزش ديده براي پيداكردن مناسب ترين روش بهينه براي طبقه¬بندي آپنه خواب انسدادي (OSA) از سيگنال¬الكتروكارديوگرام (ECG) استفاده شده است.
  • شماره ركورد
    195854
  • دانشگاه
    دانشگاه علم و صنعت ايران
  • رشته تحصيلي
    مهندسي پزشكي
  • استاد راهنما
    دكتر احمد آيت الهي