استفاده از ويژگيهاي مورفولوژيكي سيگنال ECG براي پيش بيني و تشخيص آپنه

Using morphological characteristics of ECG signal to predict and diagnose apnea

آپنه خواب يك اختلال خواب است كه مي تواند مشكلات جدي براي سلامتي ايجاد كند و نياز است كه براي پيش بيني و تشخيص آن كارهايي انجام شود تا از به وجود آمدن مشكلاتي مانند بيماريهاي قلبي پيشگيري به عمل آيد. در اين مقاله يك روش طبقه بندي ويژگي هاي مورفولوژيكي، براي تشخيص آپنه خواب با استفاده از سيگنال هاي ECG ارائه شده است. در متد ارايه شده، با استفاده از الگوريتم Pan-Tompkins ، كمپلكس QRS از سيگنال ديجيتال الكتروكارديوگرام، تشخيص داده مي شود. سپس ويژگي هاي موفولوژيكي مورد نياز از جمله ميانگين و انحراف معيار از ان استخراج شده و براي مرحله كلاس بندي آماده مي گردند. همه فرآيندهاي پردازشي در نرم افزار متلب انجام شده است. روش كلاس بندي مورد استفاده در اين مطالعه، روش k نزديكترين همسايه بوده است. پس از انجام مراحل كلاس بندي KNN تركيبي با Leave one out به نتيجه اي با دقت 88 درصد و حساسيت 92 درصد دست يافته ايم، به اين معني كه ويژگي هاي مورفولوژيكي استخراج شده از قابليت مطلوبي براي تشخيص آپنه برخوردار بوده اند.