ارائه روشی نوین به منظور پیش بینی آپنه انسدادی خواب با استفاده از سیگنال الکتروکاردیوگرام

آپنه خواب مشکلی جدی است که طی آن فرد در حین خواب مکررا دچار حملات کوتاه قطع تنفس می شود.اختلالات خواب علاوه بر ریسک فاکتورهای کلاسیک به عنوان یک عامل خطر برای بیماری های قلبی عروقی مطرح است. هدف در - این مقاله پیش بینی آپنه تنفسی به منظور کمک به فرد جهت جلوگیری از خطرات احتمالی بعدی است. در این مقاله از سیگنال ECG 07 بیمار دارای اختلال تنفسی هنگام خواب موجود در پایگاه داده فیزیونت که دارای نرخ نمونه برداری077 هرتز می باشد، استفاده شده است. مدت زمان ثبت داده ها 0 تا 07 ساعت، محدوده سنی 70 تا 07 سال و دارای وزنی بین 35 تا 053 کیلوگرم است. در این مقاله با استفاده از پردازش سیگنال الکتروکاردیوگرام به پیش بینی زمان وقوع حمله تنفسی به بیمار در حین خواب پرداخته می شود. به منظور رسیدن به این هدف پس از تولید سیگنال HRV ازروی ECG ، ویژگی های حوزه زمان و فرکانس از سیگنال HRV در بازه های زمانی دو دقیقه ای استخراج می شود. در مرحله بعد، با توجه به آنالیز آماری انجام شده بهترین ویژگی ها از نظر تمایزپذیری معنی دار بین دو بازه زمانی مختلفانتخاب می شوند. به منظور ارزیابی توانمندی هر یک از ویژگی ها در تفکیک بین دو بازه رخداد حمله و غیر حمله، ویژگیها به صورت مجزا و ترکیبی با استفاده از الگوریتم آستانه گذاری با هم مقایسه می شوند. نتایج به دست آمده نشان می دهند که در سیگنال HRV مربوط به افراد ریسک پذیر، در نزدیکی وقوع حمله ویژگی هایی وجود دارد که آنها را کاملا اززمان های دورتر از حمله متمایز می کند. همچنین نشان داده شد روش ترکیب ویژگی ها از توانایی به مراتب بیشتری برای آشکار کردن این اختلاف برخوردار است . نتایج اختصاصی بودن، حساسیت و صحت بدست آمده توسط ترکیب ویژگی به ترتیب برابر 92/54,90/85,91/67درصد بدست آمدکه نسبت به کارهای قبلی انجام شده از عملکرد به مراتب بالاتری برخوردار است. از طرفی نشان داده شد که از دو دقیقه قبل از رخ دادن حمله، این افزایش احتمال خطر کاملا مشهود است؛ به طوری که هرچه به وقوع حمله نزدیکتر می شویم، احتمال وقوع نیز افزایش می یابد و این زمان برای اتخاذ راهکارهایی برای جلوگیری از این واقعه بسیار مفید است