ویژگی های بهینه ی آشکارساز خروپف در بازه های کوتاه سیگنال صوتی
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 525
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECIT01_164
تاریخ نمایه سازی: 18 اسفند 1397
Abstract:
انسان تقریبا یک سوم از عمر خود را در خواب میگذراند از این رو کیفیت خواب و وقایع حین آن از اهمیت به سزایی برخوردار خواهد بود.بیماریهای حین خواب طیف گسترده ای دارند که شایع ترین آنها خروپف شبانه و در موارد شدیدتر وقفه های تنفسی می باشند.خروپف به صدای ناهنجار ناشی از ارتعاش نسوج حلقی در دم و بازدم حین خواب، اطلاق میشود. به منظور شناسایی خروپف مطالعات گسترده ای انجام گرفته و هدف از این آزمایش یافتن مناسب ترین ویژگیها به منظور آشکارسازی خروپف بر مبنای پردازش قابهای زمانی کوتاه سیگنال صوتی ثبت شده در طول خواب واقعی و در محیط بدون نویزمی باشد وطبقه بندی این سیستم بر مبنای شبکه عصبی پرسپترونانجام گرفته است. داده های این آزمایش از 10 نفر جمع آوری گردیده که میانگین سنی آنها 50/5 سال می باشد.از میان ویژگی های مطرح شده به ترتیب ضرایب پیشگویی خطی با دقت %99/15 و ضرایب کپسترال در فرکانس مل با دقت %98/24 بهعنوان بهینه ترین ویژگیها در آشکارسازی خروپف شناسایی شده اند.این مطالعه با شناسایی خودکار خروپف در حال توسعه روش ناظر بر خواب با هدف بهبود کیفیت خواب می باشد.
Keywords:
پردازش سیگنال خروپف , بازه های کوتاه سیگنال صوتی , شبکه عصبی مصنوعی , ضرایب پیشگویی خطی , ضرایب کپستروم در فرکانسمل
Authors
الهام واعظ
کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی واحد قزوین،قزوین، ایران
محمد پویان
هیات علمی گروه مهندسی پزشکی دانشکده شاهد،تهران،ایران