شماره ركورد كنفرانس :
5421
عنوان مقاله :
طبقه بندي مرحله خواب بر اساس EDR و HRV حاصل از ECG
عنوان به زبان ديگر :
Sleep stage classification based on EDR and HRV obtained from ECG
پديدآورندگان :
يوسفي محمد رضا mr-yousefi@iaun.ac.ir ازاد اسلامي واحد نجف اباد , عبد الرحيم حسين البهادلي محمد mohameedalbahedli@gmail.com دانشگاه آزاد اسلامي واحد نجف آباد
كليدواژه :
تشخيص مرحله خواب , الكتروكارديوگرام , تنفس ناشي از ECG , تغييرات ضربان قلب , ماشين بردار پشتيباني
عنوان كنفرانس :
اولين كنفرانس بين المللي و هفتمين كنفرانس ملي مهندسي برق و سيستم‌هاي هوشمند
چكيده فارسي :
اين مقاله به تشخيص و طبقه‌بندي مراحل خواب براساس سيگنال ECG با استفاده از الگوريتم‌هاي يادگيري ماشين مي‌پردازد. مراحل خواب شامل بيداري، مراحل خواب REM و NREM هستند كه هر كدام ويژگي‌ها و الگوهاي خاص خود را دارند. در اين مطالعه، از دو ويژگي مهم در تحليل سيگنال ECG استفاده شده است، شامل تنفس مشتق شده از ECG (EDR) و تنوع ضربان قلبي(HRV). براي طبقه‌بندي مراحل خواب، از الگوريتم‌هاي يادگيري ماشين استفاده شده است. با استفاده از ويژگي‌هاي استخراج شده از سيگنال ECG و با استفاده از مدل‌هاي طبقه‌بندي مناسب، مي‌توان مراحل خواب را به طور صحيح تشخيص داد. در اين مقاله، از يك روش تركيبي استفاده شده است كه تركيبي از الگوريتم‌هاي استخراج ويژگي و الگوريتم طبقه‌بندي است. اين روش تركيبي بهبود قابل توجهي در دقت و قابليت تعميم‌پذيري مدل طبقه‌بندي ارائه مي‌دهد. نتايج آزمايشات بر روي مجموعه داده‌هاي واقعي نشان مي‌دهد كه دقت طبقه‌بندي براي تشخيص دو حالت خواب و بيدار برابر با 81.4% و دقت طبقه‌بندي براي تشخيص مراحل خواب REM و NREM برابر با 74.6% است. اين نتايج نشان مي‌دهد كه روش ارائه شده قابليت تشخيص و طبقه‌بندي مراحل خواب را بهبود بخشيده است.
