زهرا امیراحمدی - گروه مهندسی پزشکی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
نادر جعفرنیا دابانلو - گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
کیوان معقولی - گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

آپنه انسدادی خواب یکی از دلایل شایع در ایجاد خواب آلودگی در کودکان و بزرگسالان است. از نشانه های این اختلال می توان به قطعی کامل جریان تنفس در طول خواب یا کند شدن فرآیند آن اشاره کرد. این بیماری تنفسی معمولا با تغییرات دوره ای در نرخ ضربان قلب یا تغییراتی در شکل موج سیگنال ECG همراه است. دو مسئله مهم در این باره وجود دارد، اولین مسئله مهم این است که شخصی که نفس تنگی دارد ممکن است سالها این بیماری را داشته باشد و از مشکل خود خبر نداشته باشد، بلکه از خواب آلودگی روز، خستگی، کاهش حافظه و عوارض دیگر شاکی باشد. مسئله مهم دیگر تاثیری است که تنگی تنفس بر سلامت انسان باقی می گذارد. تنگی تنفس باعث کاهش اکسیژن رسانی به بافت ها به صورت مزمن خواهد شد که می تواند در آینده سبب بروز انواع و اقسام عوارض بخصوص عوارض قلبی شود. همچنین درحال حاضر تشخیص آپنه خواب عمدتا بر مبنای پلی سومنوگراف شبانه است که پرهزینه، دست و پا گیر و اجرای آن براساس رخدادهای آپنه دشوار است. در سال های اخیر تحلیل های بسیاری در زمینه ی تغییرات نرخ ضربان قلب، طرح پوانکاره و پهنای آن به عنوان معیاری از تغییرات کوتاه مدت سیگنال در نظر گرفته شده است. تکنیک هایی که به تازگی توسعه یافته، سرعت افزونی را به طبقه بندی و ردیابی آپنه خواب بخشیده اند. ابتدا در این مقاله، فواصل RR سیگنال ECG بخش بندی می شود و سپس ویژگی های زمانی و ویژگی های فرکانسی و ویژگی های غیرخطی استخراج گردیده و سپس با استفاده از الگوریتم شبکه عصبی کانولوشن وقوع و عدم وقوع آپنه انسداد خواب شناسایی شد که استفاده از این طبقه بند در تفکیک سالم و ناسالم دارای صحت ۹۷% است. نتایج نشان داد که استفاده از ویژگی های زمانی، فرکانسی و غیرخطی نسبت به ویژگی های دیگر مقالات در تشخیص آپنه بهتر است.

آپنه انسدادی خواب، سیگنال ECG، سیگنال HRV، شبکه عصبی کانولوشن