چگونه با استفاده از آپنه خواب، 1,000,000 دلار درآمد کسب کنیم
آپنه خواب همچنین میتواند خطرناک باشد و باعث مشکلات قلبی عروقی و در شدیدترین موارد، مرگ شود. علاوه بر خوابآلودگی در طول روز و خواب نامناسب، میتواند باعث افزایش خطر فشار خون بالا، اختلالات ریتم قلب، مقاومت به انسولین و سایر مشکلات سلامتی شود. اضافه وزن. چاقی خطر ابتلا به OSA را به میزان زیادی افزایش میدهد. علاوه بر افرادی که گزارش دادهاند که به آپنه خواب مبتلا هستند، بیش از یک چهارم بزرگسالان علائم و عوامل خطری را گزارش کردهاند که با خطر بالای ابتلا یا ابتلا به آپنه انسدادی خواب مرتبط است. (پانویس الف) رایجترین شکل آپنه خواب. یکی از مواد شیمیایی عصبی که وقتی افراد احساس پیوند با یکدیگر میکنند آزاد میشود، اکسیتوسین است که به عنوان هورمون عشق نیز شناخته میشود. دستگاه CPAP هوا را به داخل راه هوایی فرد فشار میدهد و به کاهش دورههای تنفس غیرطبیعی در افراد مبتلا به OSA و CSA کمک میکند. این شامل از دست دادن انگیزه تنفس در شب توسط بدن، در دورههایی به نام آپنه مرکزی، میشود. شایعترین دلیل این امر بسته شدن فیزیکی راه هوایی آنها است (این نوع آپنه انسدادی خواب نامیده میشود). محرک عصب زیرزبانی برای باز کردن راه هوایی با حرکت دادن زبان به جلو در طول خواب طراحی شده است.
هر رکورد ناشناس شامل خلاصهای از نتیجه یک مطالعه خواب ۱۲ ساعته (مراحل بیداری و خواب) شامل فایلهای حاشیهنویسی با رویدادهای امتیازدهی شده و سیگنالهای PSG و قالببندی شده به عنوان فرمت داده اروپایی (EDF) است. روش نمونهگیری کمتر در مرحله پیشپردازش دادهها اعمال شد، یعنی ما به طور تصادفی تعداد مساوی نمونه (یعنی ۸ شرکتکننده) را از هر یک از گروههای عادی و جزئی انتخاب کردیم. دقت و خطای با تعداد تکرارهای مختلف به دست آمد. برای ECG، میتوانیم مقادیر دقت و خطای پایدار را پس از ۱۰۰۰ تکرار مشاهده کنیم (آموزش با اعتبار: ۰.۹۹۸۷، خطای: ۰.۰۱۱۴؛ اعتبارسنجی با اعتبار: ۰.۹۹۱۶، خطای: ۰.۰۲۸۹). برای EEG، دقت و میزان خطا پس از ۲۵۰۰ تکرار به یک مقدار همگرا میشوند (آموزش با احتساب: ۰.۹۷۱۸، تلفات: ۰.۰۹۴۵؛ اعتبارسنجی با احتساب: ۰.۹۴۴۷، تلفات: ۰.۱۹۸۵). برای EMG، دقت و میزان خطا پس از ۴۰۰۰ تکرار پایدار میشوند (آموزش با احتساب: ۰.۹۹۹۹، تلفات: ۰.۰۰۱۳؛ اعتبارسنجی با احتساب: ۰.۹۷۰۷، تلفات: ۰.۱۱۳۱). با این حال، قبل از همگرایی در طول فرآیند یادگیری، تعداد زیادی نوسانات بزرگ وجود دارد. جدول ۲ مقادیر نهایی پارامترها را در هر لایه نشان میدهد. مدل CNN به صورت کاملاً تحت نظارت آموزش داده شد و گرادیانها از لایه softmax به لایههای کانولوشن به عقب انتشار یافتند. شکل ۲ ساختار مدل CNN یک بعدی پیشنهادی در این پروژه را نشان میدهد.
شکل ۳ منحنی یادگیری در مراحل آموزش و اعتبارسنجی را نشان میدهد. دقت و میزان خطا پس از یادگیری تکراری در هر دو مرحله به مقادیر پایداری میرسند. ثانیاً، آموزش الگوریتمهای یادگیری عمیق زمانی که طول سری زمانی بسیار طولانی است، دشوار است. L (تعداد نمونهها یا ردیفها) مجموعه دادههای بزرگتری را برای آموزش فراهم میکند. ما سعی کردیم طبقهبندیکننده را آموزش دهیم تا از دادههای سطح متوسط و شدید، اطلاعات بیشتری کسب کند. در پایان لایههای کانولوشن، دادهها مسطح شده و قبل از طبقهبندیکننده softmax به لایه Dropout منتقل شدند. این به معنای بخشی از تصادفی بودن است: (1) روش Dropout میتواند باعث شود شبکه فقط بخشی از نورونها (وزنها) را در هر تکرار نگه دارد. نرخ Dropout 0.50.50.5 به عنوان تنظیم کلی برای مدلهای CNN استفاده شد. هدف از این مطالعه مقایسه ارزیابیهای مانیتور حجم تنفسی (RVM) از آپنه و MV پایین با ارزیابیهای پرستاری از وقایع افسردگی تنفسی در بیمارانی است که در طول بهبودی فاز اول از بیهوشی عمومی بهبود مییابند.
آیا آپنه خواب درمان قطعی دارد؟
این مدل، AHI و عدم اشباع اکسیژن را با هم ترکیب میکند تا یک نمره کلی شدت آپنه خواب ارائه دهد که هم تعداد اختلالات خواب و هم میزان عدم اشباع اکسیژن (سطح پایین اکسیژن در خون) را ارزیابی میکند. فشار خون بالا (هیپرتانسیون) به عنوان فشار سیستولیک ۱۳۰ میلیمتر جیوه یا بالاتر و فشار دیاستولیک ۸۰ میلیمتر جیوه یا بالاتر تعریف میشود. اولاً، با تنظیم صحیح هایپرپارامتر، مدل ۱D-CNN ما میتواند با موفقیت ویژگیهای زمانی را از دادههای PSG استخراج کند و به عملکرد بالایی در تشخیص OSA برای کانالهای مختلف دست یابد. ثانیاً، مدل CNN آموزشدیده ما میتواند ابزاری کارآمد برای پزشکان باشد تا شدت OSA را بدون بررسی دستی انبوهی از دادههای PSG شناسایی کنند. در نهایت، مدل آموزشدیده روی مجموعه آزمون ارزیابی شد. به طور مفصل، ۲ مرحله تقسیم بین ۳۲ شرکتکننده وجود داشت: اولاً، ۸ نفر به طور تصادفی به عنوان شرکتکننده در آزمون انتخاب شدند (یعنی ۲ شرکتکننده به طور تصادفی برای هر سطح شدت انتخاب شدند)؛ ثانیاً، 24 شرکتکننده باقیمانده به دو گروه تقسیم شدند: 18 شرکتکننده برای مجموعه آموزشی و 6 شرکتکننده برای مجموعه اعتبارسنجی. دلیل وجود شکاف بین نمرات آموزش و آزمون میتواند این باشد که حسگرهای سیگنال تنفسی با ECG، EEG و EMG متفاوت هستند.
