اخبار مربوط به آپنه خواب
در ارزیابی هر ضبط، ما عملکرد مدل را با در نظر گرفتن معیارها در سطح ضبط ارزیابی میکنیم. در ارزیابی هر بخش، ما از چندین معیار شناختهشده برای اندازهگیری عملکرد مدل استفاده میکنیم. این یک معیار ضروری برای ارزیابی میزان تطابق بین پیشبینیهای مدل و مشاهدات واقعی است. دقت (Acc): این معیار، یک معیار کلی از میزان موفقیت مدل در طبقهبندی نمونههای مثبت و منفی ارائه میدهد. ضریب همبستگی پیرسون (Corr): این معیار، رابطه خطی بین مقادیر پیشبینیشده و واقعی را اندازهگیری میکند. با این حال، مقادیری مانند MinDP، MeanDP و MaxDP این ویژگیها را ندارند. اگر شرایط زمینهای مانند افسردگی یا اضطراب دارید، مهم است که مشکلات خواب خود را با یک متخصص سلامت روان در میان بگذارید. افرادی که شرایط پزشکی خاصی دارند و از دستگاهها برای کمک به تنفس خود استفاده میکنند، بیشتر مستعد ابتلا به آئروفاژی هستند. محققان دریافتهاند که کاربران CPAP که زن، مسنتر یا دارای سایر بیماریهای التهابی و متابولیکی هستند، به احتمال زیاد خشکی چشم دارند. ResMed، تولیدکننده پیشرو در دستگاههای CPAP و لوازم جانبی، بر استانداردهای سختگیرانهای برای تمیز کردن دستگاههای مورد استفاده در کنار تجهیزات خود تأکید دارد. پزشک شما ممکن است برای تعدادی از شرایط پزشکی، از جمله بیماری مزمن انسدادی ریه (COPD)، استفاده از دستگاه فشار مثبت مداوم راه هوایی (CPAP) را توصیه کند.
مهمتر از همه، این چرت زدنها ممکن است در زمانهای عجیب یا نامناسب مانند محل کار، هنگام غذا خوردن یا حتی در محیطهای اجتماعی اتفاق بیفتند. شدیدترین موارد میتواند منجر به مرگ شود، اما حتی یک مورد خفیف نیز میتواند خواب سگ شما را مختل کند. این پدیده میتواند منجر به خروپف آرام یا بلند شود. این آزمایشها میتوانند به پزشک شما کمک کنند تا بفهمد که آیا اختلال خواب دارید و شدت آن چقدر است. پزشک میتواند به شما در یافتن منبع مشکلات خوابتان کمک کند و مراحل بعدی را توصیه کند. چه خوابیدن به پهلوی چپ یا راست را ترجیح دهید، این لمس متفکرانه باید از چین خوردن و گره خوردن شلنگ شما در طول شب جلوگیری کند. این زمان از سال همه غذاهای مورد علاقه شما را به ارمغان میآورد، درست است؟ شکل 5: ماتریس سردرگمی در مجموعه دادههای PhysioNet Apnea-ECG در مدلهای اصلاحشده LeNet-5: (الف) در هر بخش؛ (ب) در هر ضبط. شکل 5(a) ماتریس درهمریختگی عملکرد را در مدل اصلاحشده LeNet-5 نشان میدهد و نشان میدهد که اکثر بخشها به درستی طبقهبندی شدهاند. شکل 5(b) عملکرد ماتریس درهمریختگی برای تشخیص SA در عملکرد هر ضبط را نشان میدهد. شکل 4: نمودارهای میلهای عملکرد در هر بخش از دو CNN اضافی: (a) BAFNet؛ (b) SE-MSCNN. شکل 3: نمودارهای میلهای CNN اصلی (LeNet-5) در عملکرد تشخیص SA در مجموعه داده PhysioNet Apnea-ECG: (a) در هر بخش؛ (b) در هر ضبط.
پس از آموزش مدل با استفاده از مجموعه منتشر شده، عملکرد آن بر اساس هر ضبط با استفاده از مجموعه نگهداشته شده Apnea-ECG ارزیابی شد، که شامل 35 ضبط است که نسبت به مدل کور نگه داشته شدهاند. پارامترهای فوق مدل برای بهینهسازی عملکرد انتخاب شدند. این دیدگاه به درک توانایی مدل در پیشبینی و طبقهبندی کل ضبطها به جای بخشهای جداگانه کمک میکند. این معیارهای هر ضبط، همراه با معیارهای هر بخش، ارزیابی چندوجهی از عملکرد مدل ارائه میدهند که هم دقت آن را در طبقهبندی بخشهای مجزا و هم اثربخشی آن را در پیشبینی وضعیت کلی افراد نشان میدهد. پس از تکمیل مرحله پیشپردازش، در مجموع ۱۶۷۱۳ بخش از مجموعه منتشر شده (۳۵ نفر) و ۱۶۹۴۶ بخش از مجموعه نگه داشته شده (۳۵ نفر) در مجموعه داده Apnea-ECG استخراج شد. مجموعه منتشر شده برای آموزش تعیین شد و مجموعه نگه داشته شده برای آزمایش رزرو شد. علاوه بر این، مجموعه آموزشی با نسبت ۷۰٪:۳۰٪ به زیرمجموعههای آموزش و اعتبارسنجی تقسیم شد. تصویر دقیقی از توزیع دادهها را میتوان در جدول III یافت. جدول II جزئیات جامع پایگاه داده PhysioNet Apnea-ECG را ارائه میدهد. روش پیشنهادی برای استخراج ویژگی جدید با استفاده از مجموعه داده PhysioNet Apnea-ECG ارزیابی میشود.
ما همچنین استخراج ویژگی را به بخشهای مجاور فواصل ۱ دقیقهای، ۳ دقیقهای و ۵ دقیقهای تقسیم میکنیم و تمام عناصر معماری که در ابتدا توسط روش SE-MSCNN پیشنهاد شده بود را حفظ میکنیم. با این حال، در رویکرد پیشنهادی، از مقادیر MinDP و MaxDP، مشابه مقادیر آزمایش قبلی با BAFNet، استفاده میکنیم. در هر دو مورد – SE-MSCNN و BAFNet – روش پیشنهادی از رویکردهای سنتی R-peaks و RR-interval بهتر عمل کرد. این بیماری بیش از ۲۰٪ از بزرگسالان در سراسر جهان را تحت تأثیر قرار میدهد و با سایر بیماریهای جدی مانند بیماری قلبی، دیابت نوع ۲، سکته مغزی و اختلالات شناختی/روانی مرتبط است. سلامت قلب و پیری. هر کسی که علائم آپنه خواب را تجربه میکند باید با یک متخصص بهداشت پزشکی مشورت کند. برخی از این عادات بهداشتی عواملی هستند که میتوانید کنترل کنید، بنابراین مهم است که بفهمید چه چیزی میتواند آپنه خواب را بدتر کند. در زیر چهار علامت غیرمعمول برتر آپنه خواب که بسیاری از افراد قبل از تشخیص آن را از دست میدهند، آورده شده است. با استفاده از یک مجموعه دادهی پنهان که مدل در طول مرحلهی آموزش در معرض آن قرار نگرفته است، میتوانیم توانایی آن را در طبقهبندی دقیق نمونههای جدید و دیده نشده ارزیابی کنیم. شرکتکنندگان به دو گروه تقسیم شدند که نیمی از آنها به مجموعهی آموزشی و نیمی دیگر به مجموعهی آزمایشی قبل از جمعآوری دادهها اختصاص داده شدند.
