فهرست نشریات علمی دسترسی آزاد ایران

آپنه خواب انسدادی یک اختلال شایع تنفسی در حین خواب است که می‌تواند عواقب منفی قابل‌توجهی بر کیفیت زندگی و عملکرد روزانه افراد داشته باشد. در حال حاضر، پلی‌سومنوگرافی استاندارد اصلی تشخیص آپنه خواب است که نمی‌تواند انتظارات یک تشخیص سریع و اقتصادی را با تحلیل چندین سیگنال به ‌صورت همزمان تأمین کند. در این راستا توسعه الگوریتم‌های تشخیصی خودکار، قابل اعتماد و مقرون ‌به ‌صرفه حائز اهمیت است. از این رو در این مطالعه، با هدف تشخیص رویدادهای آپنه خواب انسدادی، یک الگوریتم تشخیص خودکار بر اساس تحلیل تک لید سیگنال الکتروکاردیوگرام ارائه ‌شده است. بدین منظور از یک روش تطبیقی جدید مبتنی بر تجزیه فوریه تجربی و استخراج ویژگی‌های آماری و بعد فرکتال از توابع باند ذاتی فوریه سیگنال به همراه الگوریتم انتخاب ویژگی ReliefFو طبقه‌بند جنگل تصادفی استفاده شده است. روش تجزیه فوریه تجربی می‌تواند به عنوان یک ابزار جدید تجزیه سیگنال قابلیت مناسبی در استخراج نوسانات مرتبط با اجزای غیر ایستای سیگنال ارائه دهد. در این مطالعه جهت بررسی قدرت تشخیص روش پیشنهادی از پایگاه داده Apnea-ECG که شامل ۷۰ ثبت از سیگنال الکتروکاردیوگرام تک کانال می‌باشد، استفاده شده است. نتایج حاصل نشان داده است که الگوریتم پیشنهادی قادر به تشخیص رویدادهای آپنه خواب انسدادی با مقادیر صحت 03/88%، حساسیت 44/83% و اختصاصیت 84/90% می‌باشد. صحت بالای نتایج به دست‌آمده به همراه تعداد ویژگی‌های مناسب نشان‌دهنده مصالحه بین دقت و تعداد ویژگی‌های استخراج‌شده می‌باشد که منجر به بار محاسباتی مناسب الگوریتم پیشنهادی می‌گردد که استفاده آن را در کاربردهای کلینیکی ممکن می‌سازد.