استخراج ویژگی های فرکانسی جهت تشخیص آپنه انسدادی خواب در بیماران مبتلا به نارسایی قلبی
Publish place: 16th Iran"s Electrical Engineering Student Conference
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,077
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ISCEE16_408
Index date: 12 July 2014
استخراج ویژگی های فرکانسی جهت تشخیص آپنه انسدادی خواب در بیماران مبتلا به نارسایی قلبی abstract
آپنه خواب در بیماران مبتلا به نارسایی قلبی بسیار شایع و به عنوان یک فاکتور خطر برای مرگ و میر شناخته شده است. عامل اصلی این نقیصه ناآگاهی بیماران، عدم تشخیص و بدون درمان رها شدن بیماری است. در حال حاضر تشخیص آپنه خواب عمدتاً بر مبنای پلی سومنوگرافی شبانه است که پرهزینه، دست و پاگیر و اجرای آن بر اساس رخدادهای آپنه دشوار می باشد. هدف از این مطالعه ارائه الگوریتمی جهت تشخیص بیماری آپنه انسدادی خواب از سیگنال الکتروکاردیوگرام بیماران مبتلا به نارسایی قلبی تحت مراقبت می باشد. برای رسیدن به این منظور مطالعه با ترکیبی از ویژگی های فرکانسی استخراج شده از تغییرات نرخ ضربان قلب و سیگنال تنفسی مشتق شده از الکتروکاردیوگرام صورت گرفته است. کاهش حجم محاسبات، کم کردن تعداد ویژگی ها در عین حفظ عملکرد بالای دسته بندی کننده در این گزارش مورد توجه قرار گرفته است. دسته بندی سیگنال ها به صورت دقیقه به دقیقه برای نمونه های برچسب خورده از مجموعه داده فیزیونت و 10 سوژه آپنه ای دارای آریتمی قلبی به صورت مجموعه ای متشکل از داده های فیزیونت و داده های اخذ شده از کلینیک خواب بیمارستان ابن سینا مشهد در دو دسته آپنه ای و نرمال صورت گرفته است.
استخراج ویژگی های فرکانسی جهت تشخیص آپنه انسدادی خواب در بیماران مبتلا به نارسایی قلبی Keywords:
استخراج ویژگی های فرکانسی جهت تشخیص آپنه انسدادی خواب در بیماران مبتلا به نارسایی قلبی authors
حدیثه حاتمی
کارشناس ارشد مهندسی پزشکی
سعید راحتی قوچانی
استادیار گروه برق دانشگاه آزاد اسلامی واحد مشهد
فریبرز رضایی طلب
استادیار دانشگاه علوم پزشکی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :