Automatic Detection Of Sleep Apnea Using Dual Tree Complex Wavelet Transform And Support Vector Machine
| العنوان بلغة أخرى: |
الكشف التلقائي لتوقف النفس أثناء النوم عن طريق خوارزمية الشجرة المزدوجة لتحويل الموجات المركبة والة دعم المتجه |
|---|---|
| المؤلف الرئيسي: | ضيف، نسرين محمود (مؤلف) |
| مؤلفين آخرين: | الخطيب، فيصل قسيم (مشرف), بصول، عبدالرؤوف خالد (مشرف) |
| التاريخ الميلادي: |
2018
|
| موقع: | اربد |
| الصفحات: | 1 - 73 |
| رقم MD: | 958091 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة اليرموك |
| الكلية: | كلية تكنولوجيا المعلومات وعلوم الحاسوب |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
79
| المستخلص: |
تعد متلازمة توقف التنفس أثناء النوم من أهم المواضيع الطبية العامة إذ يصحبها عواقب اجتماعية متنوعة مثل: النعاس أثناء النهار والإعياء وضعف الإدراك وأمراض القلب والأوعية الدموية واختلال عمليات الأيض وعدم القدرة على التنفس. تلعب أنظمة المراقبة المنزلية للنوم دورا هاما في الحد من العواقب الصحية وقد تمنعها في المجتمع لأنها تستخدم تقنيات وأجهزة بسيطة ومريحة وأقل تكلفة. هذه النظم ذات أهمية قصوى حيث توفر العديد من الفوائد مثل تحسين الرعاية المقدمة للمريض والتقليل من التكاليف المرتبطة بالعلاج وتقليل الأخطاء الطبية الناتجة عن خريج جديد. تعرض هذه الأطروحة طريقة جديدة لتشخيص مرض توقف التنفس أثناء النوم بالاعتماد على إشارة تخطيط كهربائية القلب باستخدام Dual Tree Complex Wavelet Transform وSupport Vector Machine. النظام المقترح يلغي الضجيج من إشارة البطن ويصحح الانحراف في الإشارة باستخدام مرشح Bandpass وتقنية linear spline curve fitting على التوالي. تم استخدام خوارزمية Cubic Spline Interpolation لبناء إشارة معدل تغيير نبضات القلب. ومن أجل تحليل هذه الإشارة يستخدم خوارزمية Dual-Tree Complex Wavelet Transform لاستخراج بعض الميزات الإحصائية من معاملاتها. تم استخدام Support Vector Machine لتصنيف الحالات إلى طبيعية أو غير طبيعية. لتنفيذ الطريقة المقترحة تم بناء قاعدة بينات جديدة تحقق متطلبات البحث، تتكون هذه القاعدة من إشارات طبية مختلفة ومعلومات عامة عن المريض وفحوصاته الطبية بالإضافة إلى خاصية التدخين. تم تسجيل الإشارات الطبية مباشرة من المريض في مختبر النوم في مستشفى الملك عبد الله الجامعي. تم اختبار النظام المقترح وكانت دقة هذا النظام لكافة الإشارات في التصنيف بنسبة 96.8% ونسبة الإشارات غير السليمة التي صنفت بشكل صحيح 98.13%، والإشارات السليمة المصنفة بشكل صحيح 88.89%. من خلال دراسة أثر التدخين على أنظمة تشخيص مرض توقف التنفس أثناء النوم تم إثبات أن التدخين من أهم العوامل التي تلعب دورا مهما في تشخيص المرض. عندما تم حذف عامل التدخين من قاعدة البينات هبطت دقة النظام إلى 92% ونسبة الإشارات غير السليمة التي صنفت بشكل صحيح هبطت إلى 96.26%، والإشارات السليمة المصنفة بشكل صحيح هبطت إلى 66.67%. |
|---|
عناصر مشابهة
-
The role of oral appliances in the treatment of obstructive sleep apnea-hypopnea syndrome
بواسطة: Al Obaidy, Nisreen Hilmi Lutfi منشور: (2012) -
Identification of Obstructive Sleep APNEA Using Artificial Neural Networks and Wavelet Packet Decomposition for Heart Rate Variability Signal
بواسطة: Al Asadi, Sarah Qasim منشور: (2017) -
Medical Image Denoising Using Dual Tree Complex Thresholding Wavelet Transform and Wiener Filter
بواسطة: Naimi, Hilal منشور: (2015) -
Feature Extraction to Detect Arabic Tweets Spam Using Support Vector Machine Algorithm
بواسطة: إسماعيل، عمر إياد منشور: (2018) -
Stress Detection Based on ECG Using Discrete Wavelet Transform
بواسطة: والى، موسى كاظم منشور: (2014)
