حمیدرضا نجفی زره باشی - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شهر قدس
راحیل حسینی - استادیار و هیئت علمی دانشگاه آزاد اسلامی واحد شهر قدس
مهدی مزینانی - استادیار و هیئت علمی دانشگاه آزاد اسلامی واحد شهر قدس

آپنه خواب در بیماران مبتلا به نارسایی قلبی بسیارشایع و به عنوان یک فاکتور خطر برای مرگ و میر شناخته شده است. عامل اصلی این نقیصه نا آگاهی بیماران، عدم تشخیص و بدون درمان رها شدن آن است. در حال حاضر تشخیص آپنه خواب عمدتا بر مبنای پلی سومنوگرافی شبانه است. ثبت کامل پر هزینه، دست و پاگیر و اجرای آن بر اساس رخدادهای آپنه دشوار است. هدف ازاین مطالعه ارائه الگوریتمی جهت تشخیص بیماری آپنه خواب از سیگنال الکتروکاردیوگرام بیماران جانباز شیمیایی تحت مراقبت می باشد . برای رسیدن به این منظور مطالعه با ترکیبی از ویژگی های استخراج شده از تغییرات نرخ ضربان قلب و سیگنال استخراج شده از الکتروکاردیوگرام صورت گرفته است. کاهش حجم محاسبات، کم کردن تعداد ویژگیها در عین حفظ عملکرد بالای دسته بندی کننده در این گزارش مورد توجه قرار گرفته است. به عبارتی با استفاده از پردازش سیگنال ECG و بخصوص HRV و سیگنال EDR به بررسی بیماری آپنه پرداخته و در جهت تشخیص آن با درخت تصمیم طراحی شده در این پژوهش با ویژگی 90,20 و حساسیت 75,33 و صحت 86,95 در بیماران بیمارستان بقیه ا... (عج) دست پیدا شد و به جهت بررسی عملکرد از پایگاه داده جامع فیزیونت با میزان ویژگی 89,54 و حساسیت80,27 و صحت 86,66 در مدل درخت تصمیم دودویی پیاده سازی شده و مورد مطالعه قرار گرفت.

مدل هوشمند، آپنه انسدادی خواب، جانبازان شیمیایی، مدلهای درخت تصمیم دودویی، آپنه انسدادی