تشخیص AHI بیماری آپنه انسدادی در جانبازان شیمیایی بر اساس تحلیل سیگنال های HRV با استفاده از شبکه عصبی ANFIS

آپنه خواب در بیماران مبتلا به نارسایی قلبی بسیارشایع و به عنوان یک فاکتور خطر براي مرگ و میر شناخته شده است. عامل اصلی این نقیصه نا آگاهی بیماران، عدم تشخیص و بدون درمان رها شدن آن است. در حال حاضر تشخیص آپنه خواب عمدتا بر مبناي پلی سومنوگرافی شبانه است. ثبت کامل پر هزینه، دست و پاگیر و اجراي آن بر اساس رخدادهاي آپنه دشوار است. هدف ازاین مطالعه ارائه الگوریتمی جهت تشخیص بیماري آپنه خواب از سیگنال الکتروکاردیوگرام بیماران جانباز شیمیایی تحت مراقبت میباشد. براي رسیدن به این منظور مطالعه با ترکیبی از ویژگیهاي استخراج شده از تغییرات نرخ ضربان قلب و سیگنال استخراج شده از الکتروکاردیوگرام صورتگرفته است. کاهش حجم محاسبات، کم کردن تعداد ویژگی ها در عین حفظ عملکرد بالاي دسته بندي کننده در این گزارش مورد توجه قرار گرفته است. به عبارتی با استفاده از پردازش سیگنال ECG و بخصوص HRV و سیگنال EDR به بررسی بیماري آپنه پرداخته و در جهت تشخیص آن با شبکه عصبی طراحی شده در این پژوهش با ویژگی 98,94 حساسیت 77,21 و صحت 98,38 در بیماران بیمارستان بقیه ا... (عج) دست پیدا شد و میزان میانگین خطاي مطلق در تشخیص AHI براي 96 بیمار مقدار 2,6 می باشد و به جهت بررسی عملکرد از پایگاه داده جامع فیزیونت با میزان ویژگی 99,73 و حساسیت 87,43 و صحت 92,95 در مدل ANFIS و جهت بررسی بیشتر موضوع AHI بیماران را نیز در شبکه هاي عصبی پیاده سازي شده مورد مطالعه قرار گرفت.

کلیدواژه ها:

مدل هوشمند ، پیش بینی ، آپنه انسدادی خواب ، جانبازان شیمیایی ، مدل های یادگیری ترکیبی ، شبکه های عصبی AHI ، آپنه انسدادی ANFIS