خوشبختانه نتایج همه عالی بودند
عملکرد نسخههای مختلف SomnNET (مدل ۲ با ۸۰٪) از نظر دقت، حساسیت و اختصاصیت در شکل ۴ مقایسه شده است. پارامترهای عملکرد همه شبکهها در جدول ۱ به تفصیل آمده است. از جدول میتوان مشاهده کرد که مدل ۱ و مدل ۲ برای تشخیص آپنه در هر ثانیه در ساعتهای هوشمند مناسب هستند، در حالی که مدل ۳ نیاز به بررسی بیشتر دارد. مدل ۱ دقت ۹۷.۰۸٪، اختصاصیت ۹۷.۴۲٪ و حساسیت ۸۴.۶۵٪ را در مجموعه تست نشان داد. یک فراخوانی اعتبارسنجی برای ردیابی مجموعه وزنهایی که بالاترین دقت اعتبارسنجی را در طول آموزش نشان دادند، انجام شد و این وزنها به عنوان وزنهای نهایی شبکه انتخاب شدند. مشخص شد که عملکرد از سایر روشهای پیشرفته بهتر است، که میتواند به یک شبکه CNN یک بعدی مناسب که همراه با روشهای منظمسازی مورد استفاده توسعه داده شده است، و فراخوانی اعتبارسنجی که تضمین میکند وزنهای نهایی بر اساس دادههای آموزشی نیستند، نسبت داده شود و در نتیجه از بیشبرازش جلوگیری شود. این شبکه دارای ۲۷۰۹۴ پارامتر است زیرا عبارات بایاس در مدل ۱ حذف شدهاند. در اینجا، از هرس وزن مبتنی بر بزرگی استفاده شده است که به تدریج وزنهای مدل را در طول فرآیند آموزش صفر میکند.
گامهای تمام لایههای کانولوشن به صورت ۱ حفظ شده و از zero padding استفاده شده است. برای دستیابی به سطوح عملکرد مطلوب با پیچیدگی محاسباتی کم، بررسی ترکیبهای مختلف لایههای دودویی و لایههای غیر دودویی مورد نیاز است. در این مقاله، پارامترهای هسته در لایههای کانولوشن و وزنها در لایههای کاملاً متصل SomnNET دودویی شدهاند. عناصر و وزنهای هسته دودویی با کاهش اندازه حافظه و دسترسیها، به طور قابل توجهی راندمان انرژی را بهبود میبخشند. عملکرد شبکه دودویی در مقایسه با مدل ۱ و مدل ۲ ضعیف است. در مقایسه با مدل ۲ (با ۸۰٪ حساسیت به تنهایی)، مدل ۳ با هزینه دقت، عملکرد بهتری دارد. در مورد مدل ۲، میتوان سود ناشی از هرس را با تخمین تعداد عملیات با اعداد غیر صفر تقریب زد. دستگاههای BiPAP را میتوان در محدوده تنظیم فشار پایینتر یا بالاتر تنظیم کرد، زیرا برای افرادی که OSA شدید، آپنه خواب مرکزی (CSA) و سایر اختلالات تنفسی جدی دارند، طراحی شدهاند. چادی گفت، صرف نظر از سن، آپنه خواب تعدادی از مشکلات سلامتی احتمالی را به همراه دارد، مانند افزایش فشار خون و سردرد در طول روز.
افزایش هزینههای مراقبتهای بهداشتی و تشخیصی، همراه با افزایش جمعیت مسن، فشار زیادی را بر سیستمهای مراقبتهای بهداشتی ما وارد کرده است. ما همچنین مشاهده میکنیم که وقتی کمبود اکسیژن به 70٪ و 80٪ افزایش مییابد، حساسیت افزایش مییابد. ممکن است به نظر برسد که اگرچه عملکرد کلی با کاهش دقت کاهش مییابد، وزنهایی که شبکه را بسیار خاص میکنند با افزایش کمبود اکسیژن حذف میشوند و شبکه را حساستر میکنند. کمبود اکسیژن در طول خواب میتواند از چندین طریق بر توانایی شما در حفظ وزن سالم تأثیر بگذارد. تحقیقات نشان میدهد که مردان بیشتر از زنان مستعد ابتلا به آپنه انسدادی خواب (OSA) هستند. طبق گزارش سرشماری، میانگین سن اولین ازدواج در ایالات متحده در سال ۲۰۲۴ برای زنان ۲۸.۵ سال و برای مردان ۳۰.۲ سال بوده است. طبق گزارش مرکز تحقیقات پیو در سال ۲۰۲۳، میانگین سنی که یک فرد برای اولین بار در ایالات متحده مادر میشود، ۲۷.۳ سال بوده است.
مطالعات خواب مستلزم آن است که فرد شب را در بیمارستان یا مرکز خواب بگذراند. من هرگز بیش از حد فعال نبودهام، اما همیشه نسبتاً سالم و کمی لاغر بودهام. شبکه هرس شده با ۸۰٪ پراکندگی، دقت ۸۹.۷۵٪ و شبکه دودویی شده دقت ۶۸.۲۲٪ را نشان داد. عملکرد شبکههای پیشنهادی با چندین الگوریتم پیشرفته مقایسه شده است. مدل دودویی شده SomnNET به روشی مشابه مدل ۱ آموزش داده شد. این شبکه دقت ۶۸.۲۲٪، ویژگی ۶۷.۹۴٪ و حساسیت ۷۸.۴۴٪ را در مجموعه تست نشان داد. این امر فشردهسازی مدل را امکانپذیر میکند و برای استقرار در دستگاههایی با منابع محدود مانند ساعتهای هوشمند مناسب است. ادغام فناوریهای نظارت از راه دور با دستگاههایی مانند دستگاههای CPAP به ویژه برای مراقبت در منزل مفید است، زیرا مراقبت مداوم و شخصیسازی شده را بدون نیاز به مراجعه مکرر حضوری تضمین میکند. CPAP همچنین کاتکولآمین را کاهش میدهد. منبع معتبر کتابخانه ملی پزشکی، اطلاعات بیوتکنولوژی مرکز ملی اطلاعات بیوتکنولوژی با فراهم کردن دسترسی به اطلاعات زیستپزشکی و ژنومی، علم و سلامت را پیش میبرد. باتری و منبع تغذیه پشتیبان Medistrom Pilot-24 Lite با انواع دستگاههای CPAP سازگار است، بنابراین نقطه شروع خوبی برای دارندگان دستگاههای CPAP است که به دنبال منبع تغذیه قابل حمل هستند.
