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

آپنه خواب در بيماران مبتلا به نارسايي قلبي بسيارشايع و به عنوان يك فاكتور خطر براي مرگ و مير شناخته شده است. عامل اصلي اين نقيصه نا آگاهي بيماران، عدم تشخيص و بدون درمان رها شدن آن است. در حال حاضر تشخيص آپنه خواب عمدتا بر مبناي پلي سومنوگرافي شبانه است. ثبت كامل پر هزينه، دست و پاگير و اجراي آن بر اساس رخدادهاي آپنه دشوار است. هدف ازاين مطالعه ارائه الگوريتمي جهت تشخيص بيماري آپنه خواب از سيگنال الكتروكارديوگرام بيماران جانباز شيميايي تحت مراقبت مي باشد. براي رسيدن به اين منظور مطالعه با تركيبي از ويژگي هاي استخراج شده ازتغييرات نرخ ضربان قلب و سيگنال استخراج شده از الكتروكارديوگرام صورت گرفته است. كاهش حجم محاسبات، كم كردن تعداد ويژگي ها در عين حفظ عملكرد بالاي دسته بندي كننده در اين گزارش مورد توجه قرار گرفته است. به عبارتي با استفاده از پردازش سيگنال ECG بخصوص HRV سيگنال EDR به بررسي بيماري آپنه پرداخته و در جهت تشخيص آن با شبكه عصبي طراحي شده در اين پژوهش با ويژگي 95,56 و حساسيت 84,94 و صحت 93,34 در بيماران بيمارستان بقيه ا... (عج) دست پيدا شد و ميزان ميانگين خطاي مطلق در تشخيص AHI براي 96 بيمار مقدار 5,9 مي باشد. به جهت بررسي عملكرد از پايگاه داده جامع فيزيونت با ميزان ويژگي 95,66 و حساسيت 87,42 و صحت 92,97 در مدل MLP جهت بررسي بيشتر موضوع AHI بيماران را نيز در شبكه هاي عصبي پياده سازي شده مورد مطالعه قرار گرفت.

کلیدواژه ها:

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