Identification of Obstructive Sleep APNEA Using Artificial Neural Networks and Wavelet Packet Decomposition for Heart Rate Variability Signal
| المؤلف الرئيسي: | Al Asadi, Sarah Qasim (Author) |
|---|---|
| مؤلفين آخرين: | Hossen, Abdulnasir (Advisor) |
| التاريخ الميلادي: |
2017
|
| موقع: | مسقط |
| الصفحات: | 1 - 81 |
| رقم MD: | 965471 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة السلطان قابوس |
| الكلية: | كلية الهندسة |
| الدولة: | عمان |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
47
| المستخلص: |
يعد مرض "الأبنيا" (انقطاع التنفس أثناء النوم) من أحد أشهر الأمراض المرتبطة بالتنفس إذ أن هذا المرض يصيب الأشخاص في مختلف الفئات العمرية، والجنسية والقومية. يسبب هذا المرض انقطاعات متتالية في التنفس أثناء النوم لفترات قصيرة مما يسبب في انخفاض معدل الأوكسجين الذي يصل للأعضاء الجسدية. إن هذا المرض يتزامن ويرتبط مع الكثير من الأمراض الاعتلالية كالأمراض القلبية، والسكتات الدماغية، والسمنة، والصرع، وبعض أمراض ارتفاع ضغط الدم والسكري وغيرها. إلى الأن، مازال هنالك 70-80% من الأشخاص المصابون الذين لم يتم تشخصيهم بهذا المرض بعد وذلك بسبب صعوبة إجراء اختبارات الدراسة للنوم. بالرغم من كون دراسة النوم الاختبار الأمثل في تشخيص هذا المرض إلا أنه يعد اجراءا يتطلب خبراء في اختصاص النوم ويستهلك الكثير من الوقت ويعد معقدا ومكلفا إلى حد ما. تركز الدراسات الحالية على إيجاد بدائل وطرق تشخيص أخرى لإكتشاف المرض تقوم على أساس تحليل التغيرات في معدل نبضات القلب (HR) أو الفترات الزمنية لنبضات القلب (RRI) إما تحليلا زمنيا أو تحليلا طيفيا. أثبتت الدراسات على أن التغيرات في الفترات الزمنية لنبضات القلب المصاحبة للأبنيا في الحالات المرضية يمكن ملاحظتها في مجال التردد من 0.01 إلى 0.05 هرتز والتي تختفي في الأشخاص الأصحاء. في هذه الدراسة نقوم بتحليل بيانات إشارات القلب لستون مريضا وعشرون شخصا سليما تم الحصول عليها من قسم فسلجة الأعضاء في مستشفى جامعة السلطان قابوس. يتم إدخال هذه الإشارات بعدة مراحل ومعالجات أولية لتصفيتها وتنقيتها من التشويش والأخطاء واستخراج إشارة أخرى (HRV) تمثل التغيرات الزمنية وشدتها للنبضات القلبية ومن ثم يتم تحليلها زمنيا وطيفيا لاستخراج عوامل تساعد في تمييز المصابين من الأصحاء. نستخدم في هذه الدراسة ثلاث شبكات عصبية اصطناعية ذكية (شبكة النيورون الوحيد، شبكة متعددة النيورون، شبكة الاحتمالية) والتي يتم تغذيتها بمعاملات زمنية أو طيفية ومن ثم حساب كفاءة كل طريقة. توجد هنالك ستة عوامل طيفية تم استخراجها عن طريق تحليل الحزم الموجية لإشارة الـ (HRV) حيث يتم حساب الطاقة في ثلاث حزم طيفية مختلفة محصورة بالترددات التالية: الحزمة الأولى (حزمة الترددات الواطئة جدا) تشمل الطاقة المتمثلة في الطيف أقل من 0.04 هرتز، الحزمة الثانية (حزمة الترددات الواطئة) تشمل الطاقة في الحزمة من 0.04 إلى 0.15 هرتز، والحزمة الثالثة (حزمة الترددات العالية) تشمل طاقة الحزمة من 0.15 إلى 0.4 هرتز ومن ثم نقوم بإيجاد نسب الطاقة بين الحزمة الأولى والثانية، وما بين الحزمة الأولى والثالثة وما بين الحزمة الثانية والثالثة. أما بالنسبة لعوامل المجال الزمني تم استخراج ستة عوامل (متغيرات) إحصائية. تقيم كفاءة كل عامل من هذه العوامل على حسب: أ- كفاءة تصنيف الحالات خطيرة الدرجة في الإصابة من السليمة، وب- كفاءة تصنيف الحالات السليمة من المتوسطة في الإصابة، وج- كفاءة تصنيف الحالات السليمة من المريضة بجميع درجات الخطورة ود- التصنيف بين الحالات السليمة والمتوسطة والمعتدلة والخطيرة. بالنسبة للعوامل الطيفية بلغت الكفاءة الإجمالية للتصنيف حسب الحالات كالتالي: أ- 95%، ب- 95%، ج- 87.5% ود- 52.5%. أما بالنسبة للعوامل الزمنية فتم استعمالها للحالة الأخيرة فقط وبلغت كفاءة الشبكات الصناعية في التصنيف د- 77.5% ولتحسين التصنيف أكثر للحالة الأخيرة، تم دمج العوامل الزمنية مع المتغيرات الطيفية واستعمال هذه الصفات لتدريب الشبكات ولكن بلغ التصنيف للحالة الرابعة بواسطة هذه العوامل إلى 70% فقط. بسبب هذه النتائج الواعدة ولكون الطريقة آلية بحتة فإن هذه الدراسة قد تساهم في تحسين عملية فرز الأفراد المتوقع إصابتهم بالمرض بحيث فقط المصابون بالمرض يمكنهم التوجه لمستشفى جامعة السلطان قابوس من أجل إجراء دراسة النوم. |
|---|
عناصر مشابهة
-
Statistical Signal Characterization and Subband Decomposition for Heart Rate Variability Analysis in Patients with Obstructive Sleep Apnea
بواسطة: Al Ghunaimi, Bader منشور: (2003) -
The role of oral appliances in the treatment of obstructive sleep apnea-hypopnea syndrome
بواسطة: Al Obaidy, Nisreen Hilmi Lutfi منشور: (2012) -
Studies of the Cardiorespiratory Interaction in Obstructive Sleep Apnea Syndrome (OSAS)
بواسطة: Al Angari, Haitham M. منشور: (2005) -
Effect of Sleep-Deprivation and Obstructive Sleep Apnea on Cytokine Levels, Neutrophil Functions and the Proliferative potential of Lymphocyte populations
بواسطة: Al-Saidi, Iman Khalfan Hashil منشور: (2015) -
Classification of ECG Signal Based on Heart Patient Cases Using Artificial Neural Network
بواسطة: Farkash, Hend M. منشور: (2017)
