آشکارسازی خروپف در بازه های کوتاه سیگنال صوتی با به کار گیری شبکه های عصبی مصنوعی

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 325

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

KAUCEE02_075

تاریخ نمایه سازی: 18 اردیبهشت 1400

چکیده مقاله:

انسان تقریبا یک سوم ازعمر خود را درخواب می گذراند ازاین رو کیفیت خواب و وقایع حین آن ازاهمیت به سزایی برخوردار خواهد بود بیماریهای حین خواب طیف گسترده ای دارند که شایع تـرین آنهـا خروپـف شـبانه و در مـوارد شدیدتر وقفه های تنفسی می باشند. خروپف به صدای ناهنجار ناشی از ارتعاش نسوج حلقی در دم و بازدم حین خواب، اطلاق می شود. به منظور شناسایی خروپف مطالعات گسترده ای انجام گرفته که در جهت بهبود آنها، این مطالعه روشی سـریع جهـت آشکارسازی خروپف در بازه های کوتاه سیگنال صوتی ثبت شده به وسیله ی گوشی هوشمند در طول خواب واقعی و در محیط بدون نویز را معرفی می کند. این سیستم بر مبنای طبقه بند شبکه عصبی مصنوعی و ویژگی ضرایب کپستروم در فرکـانس مـل طراحی شده است. داده های این آزمایش از ۱۰ نفر که میـانگین سـنی آنهـا ۵۰/۵ سـال مـیباشـد، در طـول خـواب واقعـی جمع آوری شده است و تمام بیماران کسانی بودند که از قبل مریضی تنفسی یـا اخـتلالات خـواب نداشـتند همچنـین ثبـت در محیط بدون نویز انجام گرفته است. در بهترین حالت سیستم دقتی معادل با %۹۸.۲۴ از خود نشان داده است که میتواند در شناسایی خودکار خروپف و فرآیند نظارت بر خواب موثر واقع شود. این مطالعه در حال توسعهی روش ناظر بر خواب بـا هـدف بهبود کیفیت خواب میباشد.

کلیدواژه ها:

پردازش سیگنال خروپف ، بازه های کوتاه سیگنال صوتی ، شبکه عصبی مصنوعی ، ضرایب کپستروم در فرکانس مل

نویسندگان

الهام واعظ

کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی واحد قزوین،قزوین، ایران

محمد پویان

هیات علمی گروه مهندسی پزشکی دانشکده شاهد،تهران،ایران