تشخیص بیماری آپنه خواب با استفاده از شبکه های کانولوشنی از پیش آموزش دیده از سیگنال های الکتروکاردیوگرام

آپنه خواب یکی از اختلالات شایع تنفسی است که تشخیص دقیق و زودهنگام آن می تواند نقش مهمی در جلوگیری از عوارض قلبی و مرگ ناگهانی داشته باشد. در این مطالعه، یک روش مبتنی بر یادگیری عمیق برای تشخیص آپنه خواب از سیگنال الکتروکاردیوگرام (ECG) پیشنهاد شده است. ابتدا سیگنال های یک بعدی ECG با استفاده از تبدیل ویولت به تصاویر رنگی در حوزه زمان–فرکانس تبدیل شدند. سپس این تصاویر به سه شبکه کانولوشنی از پیش آموزش دیده شامل AlexNet، DarkNet-۱۹ و VGG-۱۶ داده شد. عملکرد مدل ها با استفاده از اعتبارسنجی متقابل ۱۰ بخشی ارزیابی گردید. نتایج نشان می دهد مدل VGG-۱۶ بهترین عملکرد را با دقت بالا در تشخیص کلاس های آپنه و سالم دارد.

کلیدواژه ها:

سیگنال الکتروکاردیوگرام (ECG) ، شبکه کانولوشنی (CNN) ، تبدیل ویولت ، یادگیری انتقالی