استفاده از ویژگی های مورفولوژیکی سیگنال ECG برای پیش بینی و تشخیص آپنه

آپنه خواب یک اختلال خواب است که می تواند مشکلات جدی برای سلامتی ایجاد کند و نیاز است که برای پیش بینی و تشخیص آن کارهایی انجام شود تا از به وجود آمدن مشکلاتی مانند بیماریهای قلبی پیشگیری به عمل آید. در این مقاله یک روش طبقه بندی ویژگی های مورفولوژیکی ، برای تشخیص آپنه خواب با استفاده از سیگنالهای ECG ارائه شده است . در متد ارایه شده، با ا ستفاده از الگوریتم Tompkins -Pan، کمپلکس QRS از سیگنال دیجیتال الکتروکاردیوگرام، ت شخیص داده می شود. سپس ویژگی های موفولوژیکی مورد نیاز از جمله میانگین و انحراف معیار از ان استخراج شده و برای مرحله کلاسبندی آماده می گردند. همه فرآیندهای پردازشی در نرم افزار متلب انجام شده است . روش کلاسبندی مورد استفاده در این مطالعه ، روش k نزدیکترین همسایه بودهاست . پس از انجام مراحل کلاسبندی KNN ترکیبی با Leave one out به نتیجه ای با دقت ۸۸ درصد و حساسیت ۹۲ درصد دست یافته ایم ، به این معنی که ویژگی های مورفولوژیکی استخراج شده از قابلیت مطلوبی برای تشخیص آپنه برخوردار بوده اند.

کلیدواژه ها:

آپنه خواب ، ویژگی ، مورفولوژیکی ، بیماریهای قلبی ، پیش بینی .