وهاب امینی آذر - استادیار گروه مهندسی برق و کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران
رسول فرحی - مربی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران

سندرم آپنه-هیپوپنه انسدادی یکی از اختالات تنفس شناخته شده در خواب است که باعث خواب آلودگی در روز و ارتباط آن با بیماری هایی مانند دیابت نوع دو ، بیماری های قلبی عروقی و سکته مغزی میشود. تست پلی سومنوگرافی روش قدیمی برای تشخیص سندرم آپنه-هیپوپنه انسدادی است. در حالی این آزمایش گران قیمت، ناخوشایند است و نیاز به قرار دادن سنسورهای تماس بدن در هنگام خواب دارد. اخیرا ، در چندین تحقیق از خر و پف / تنفس که توسط میکروفون های غیر تماسی بدست آمده است، برای تشخیص سندرم آپنه-هیپوپنه انسدادی استفاده شده است. سندرم آپنه-هیپوپنه انسدادی ممکن است کمی شنیدنی تا بلند باشد. تشخیص سندرم آپنه-هیپوپنه انسدادی به خصوص سندرم آپنه-هیپوپنه انسدادی های کم شدت به دلیل نسبت سیگنال به نویز کم میتواند در محیط های پر سر و صدا چالش برانگیز باشد. در این مقاله، ما یک روش جدید برای تشخیص سریع سندرم آپنه-هیپوپنه انسدادی (اختلال تنفس در خواب) در خواب های کم شدت از داده های ثبت شده در هنگام خواب پیشنهاد میکنیم. روش پیشنهادی مبتنی بر روش شبکه عصبی مصنوعی که در آن از الگوریتم یادگیری پس از انتشار خظا استفاده گردیده است. روش پیشنهادی نسبت به روشهای پیشین با دقت %۹۸,۱۷۸ میتواند سندرم آپنه-هیپوپنه انسدادی را تشخیص دهد.

سندرم آپنه-هیپوپنه انسدادی، اختلال تنفس، نشانگرها زیستی صوتی، تکنیکهای یادگیری ماشین