آموزش ماشین بردارپشتیبان درتشخیص آپنه انسدادی خواب

هدف ازاین مطالعه ارایه الگوریتمی جهت دسته بندی سیگنال الکتروکاردیوگرام بیماران به دودسته اپنه ای و نرمال با استفاده ازماشین بردارپشتیبان می باشد برای رسیدن به این منظور مطالعه براساس ترکیبی ازویژگیهای استخراج شده ازدوسیگنال تغییرات نرخ ضربان قلب و سیگنال تنفسی مشتق شده ازالکتروکاردیوگرام جهت اموزش ماشین بردارپشتیبان برای دسته بندی سیگنالها صورت گرفته است دسته بندی سیگنالها به صورت دقیقه به دقیقه برای 30نمونه برچسب خورده ازمجموعه داده فیزیونت و داده های اخذشده ازکلینیک خواب بیمارستان ابن سینا دردودسته اپنه ای و نرمال صورت گرفته است نموه های برچسب خورده برای اموزش و تست ماشین بردارپشتیبان مورداستفاده قرارگرفت و نتایج عملکرددسته بندی کننده درفاز تست بررسی گردید معیارهای عملکرددسته بندی کننده صحت 86درصدحساسیت 87/5درصد و قطعیت 80درصد رابرای ماشین بردارپشتیبان ارایه میدهند

کلیدواژه ها:

آموزش ماشینmachine learning ، تغییرات نرخ ضربان قلب ، دسته بندی سیگنال ، سیگنال تنفسی مشتق شده ازالکتروکاردیوگرام ، ماشین بردارپشتیبان SVM