تشخیص AHI بیماری آپنه انسدادی در جانبازان شیمیایی بر اساس تحلیل سیگنال های HRV با استفاده از شبکه عصبی ANFIS
- سال انتشار: 1399
- محل انتشار: دومین همایش بین المللی مهندسی فناوری اطلاعات، کامپیوتر و مخابرات ایران
- کد COI اختصاصی: ICTBC02_024
- زبان مقاله: فارسی
- تعداد مشاهده: 1066
نویسندگان
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شهر قدس
استادیار و هیئت علمی دانشگاه آزاد اسلامی واحد شهر قدس
استادیار و هیئت علمی دانشگاه آزاد اسلامی واحد شهر قدس
چکیده
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 ANFISمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.