سيستم شبكه اي طبيعي براي آشكارسازي آپنه بازدارنده خواب بوسيله ويژگيهاي سيگنال SpO2

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

سيستم شبكه اي طبيعي براي آشكارسازي آپنه بازدارنده خواب بوسيله ويژگيهاي سيگنال SpO2

عنوان لاتین

A Neural Network System for Detection of Obstructive Sleep Apnea Through SpO2 Signal Features

آپنه بازدارنده خواب (OSA) اختلالي شايع در اشخاص با وقفه تنفسي در مدت خوابشان است. اين اتفاقات 10 ثانيه يا بيشتر طول مي كشد و علت افت سطح اكسيژن در خون است. در حال حاضر بيشتر موارد آپنه ها به دليل هزينه ها و عملا محدوديتهاي پلي سومنوگرافي (PSG) در طول شب در آزمايشگاه غيرقابل تشخيص هستند، چون يك ناظر متخصص انساني مورد نياز است. تكنيكهاي جديد براي طبقه بندي آپنه هاي خواب براي آشكارسازي راحت تر و به موقع توسط مهندسان زيستي توسعه داده شده است. در اين مطالعه، ما شبكه طبيعي (NN) را با استفاده از سنجشهاي به دست آمده از اكسي متري نبض براي پيش بيني OSA توسعه مي دهيم و معتبر مي سازيم. نتايج نشان مي دهد كه NN به عنوان ابزار پيشگويي راي OSA با عملكردي بالا مفيد است و دقت را تا حدود %3/93 بهبود مي بخشد كه نسبت به تكنيكهاي گزارش شده در نوشته جات بهتر است.

Obstructive sleep apnea (OSA) is a common disorder in which individuals stop breathing during their sleep. These episodes last 10 seconds or more and cause oxygen levels in the blood to drop. Most of sleep apnea cases are currently undiagnosed because of expenses and practicality limitations of overnight polysomnography (PSG) at sleep labs, where an expert human observer is required. New techniques for sleep apnea classification are being developed by bioengineers for most comfortable and timely detection. In this study, we develop and validate a neural network (NN) using SpO2 measurements obtained from pulse oximetry to predict OSA. The results show that the NN is useful as a predictive tool for OSA with a high performance and improved accuracy, approximately 93.3%, which is better than reported techniques in the literature