مهسا حیدری - کارشناسی ارشد، مهندسی پزشکی، دانشگاه صنعتی سهند تبریز، تبریز، ایران

آپنه خواب اختلالی است که با وقفه های متناوب تنفس در طول خواب مشخص می شود. آکادمی پزشکی خواب آمریکا، آپنه خواب را به عنوان یک وقفه در تنفس طبیعی در طول خواب شبانه توصیف می کند. ردیابی تغییرات ناشی از آپنه در ECG دشوار است و تشخیص چنین اختلالات خواب بر اساس ECG توسط تفسیر انسانی زمان بر و مستعد خطا است. برای کاهش زمان و هزینه و خطا در طبقه بندی آپنه، یک سیستم جدید پیشنهاد می شود که به پزشکان کمک می کند تا آپنه انسدادی خواب با استفاده از روش های یادگیری ماشین تشخیص داده شود. در این مقاله ویژگی های t-QRS-P تشخیص آپنه انسدادی خواب با استفاده از شبکه های عصبی و تبدیل موجکی با روش آموزشی مبتنی بر الگوریتم بهینه سازی فاخته از طریق Database ECG-Apneaمشخص شدند. با استفاده از اعداد T-QRS-P و خروجی آپنه انسدادی خواب استخراج ویژگی از سیگنال های ECG صورت گرفت. مدل سازی پیش بینی آپنه انسدادی خواب با استفاده از شبکه عصبی ۶ لایه با سایز به ترتیب ۸۰، ۸۰، ۴۰، ۴۰، ۲۰ و ۲ با الگوریتم آموزش لونبرگ – مارکواد و بهینه سازی اوزان الگوریتم فرا ابتکاری فاخته صورت گرفت که نتایج حاکی از آن است بعد از ۳ تکرار آموزش داده ها متوقف شده است. عملکرد در مقدار ۰۶۰۵.۰ و مشتق موجود ۰۰۰۳۵۸.۰ نتیجه داده است که بعد از ۶ تکرار خروجی بهبود نیافته و تکرار ادامه نشده است. میزان خطای مدل سازی با روش خطای MSE خطای داده های آموزش ۲ ۰.۰ و خطای داده های تست ۰۱۱ ۰.۰ محاسبه شده است

اختلالات خواب، آپنه انسدادی، سیگنال ECG، شبکه عصبی. الگوریتم بهینه سازی فاخته