Published December 11, 2019
| Version v1
Publication
Open
Sleep apnea detection using deep learning
- 1. Prince of Songkla University
Description
Sleep apnea is the cessation of airflow at least 10 seconds and it is the type of breathing disorder in which breathing stops at the time of sleeping. The proposed model uses type 4 sleep study which focuses more on portability and the reduction of the signals. The main limitations of type 1 full night polysomnography are time consuming and it requires much space for sleep recording such as sleep lab comparing to type 4 sleep studies. The detection of sleep apnea using deep convolutional neural network model based on SPO2 sensor is the valid alternative for efficient polysomnography and it is portable and cost effective. The total number of samples from SPO2 sensors of 50 patients that is used in this study is 190,000. The performance of the overall accuracy of sleep apnea detection is 91.3085% with the loss rate of 2.3 using cross entropy cost function using deep convolutional neural network.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
توقف التنفس أثناء النوم هو توقف تدفق الهواء لمدة 10 ثوانٍ على الأقل وهو نوع من اضطرابات التنفس التي يتوقف فيها التنفس في وقت النوم. يستخدم النموذج المقترح دراسة النوم من النوع 4 التي تركز أكثر على قابلية الحمل وتقليل الإشارات. القيود الرئيسية لتخطيط النوم الليلي الكامل من النوع 1 تستغرق وقتًا طويلاً وتتطلب مساحة كبيرة لتسجيل النوم مثل مختبر النوم مقارنة بدراسات النوم من النوع 4. يعد الكشف عن توقف التنفس أثناء النوم باستخدام نموذج الشبكة العصبية التلافيفية العميقة بناءً على مستشعر SPO2 هو البديل الصالح لتخطيط النوم الفعال وهو محمول وفعال من حيث التكلفة. العدد الإجمالي للعينات من مستشعرات تشبع الأكسجين SPO2 لـ 50 مريضًا المستخدمة في هذه الدراسة هو 190,000. يبلغ أداء الدقة الإجمالية للكشف عن انقطاع التنفس أثناء النوم 91.3085 ٪ مع معدل فقدان 2.3 باستخدام وظيفة تكلفة الانتروبيا المتقاطعة باستخدام الشبكة العصبية الالتفافية العميقة.Translated Description (French)
L'apnée du sommeil est l'arrêt du flux d'air pendant au moins 10 secondes et c'est le type de trouble respiratoire dans lequel la respiration s'arrête au moment du sommeil. Le modèle proposé utilise l'étude du sommeil de type 4 qui se concentre davantage sur la portabilité et la réduction des signaux. Les principales limites de la polysomnographie nocturne complète de type 1 prennent du temps et nécessitent beaucoup d'espace pour l'enregistrement du sommeil, comme le laboratoire du sommeil par rapport aux études sur le sommeil de type 4. La détection de l'apnée du sommeil à l'aide d'un modèle de réseau neuronal convolutif profond basé sur un capteur SPO2 est l'alternative valable pour une polysomnographie efficace. Elle est portable et rentable. Le nombre total d'échantillons de capteurs de SPO2 de 50 patients utilisés dans cette étude est de 190 000. La performance de la précision globale de la détection de l'apnée du sommeil est de 91,3085 % avec un taux de perte de 2,3 en utilisant la fonction de coût de l'entropie croisée en utilisant un réseau neuronal convolutif profond.Translated Description (Spanish)
La apnea del sueño es el cese del flujo de aire durante al menos 10 segundos y es el tipo de trastorno respiratorio en el que la respiración se detiene en el momento de dormir. El modelo propuesto utiliza el estudio del sueño tipo 4 que se centra más en la portabilidad y la reducción de las señales. Las principales limitaciones de la polisomnografía de noche completa tipo 1 consumen mucho tiempo y requieren mucho espacio para el registro del sueño, como el laboratorio del sueño en comparación con los estudios del sueño tipo 4. La detección de la apnea del sueño utilizando un modelo de red neuronal convolucional profunda basado en el sensor SPO2 es la alternativa válida para una polisomnografía eficiente y es portátil y rentable. El número total de muestras de sensores de SPO2 de 50 pacientes que se utiliza en este estudio es de 190.000. El rendimiento de la precisión general de la detección de la apnea del sueño es del 91,3085% con una tasa de pérdida de 2,3 utilizando la función de coste de entropía cruzada utilizando una red neuronal convolucional profunda.Files
333666.pdf
Files
(1.6 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:f57c46093b7acea10de5bcef7fc8e5a4
|
1.6 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- اكتشاف انقطاع النفس أثناء النوم باستخدام التعلم العميق
- Translated title (French)
- Détection de l'apnée du sommeil à l'aide de l'apprentissage en profondeur
- Translated title (Spanish)
- Detección de la apnea del sueño mediante aprendizaje profundo
Identifiers
- Other
- https://openalex.org/W2995742480
- DOI
- 10.31803/tg-20191104191722
References
- https://openalex.org/W1480648055
- https://openalex.org/W1606462173
- https://openalex.org/W1966702281
- https://openalex.org/W1975032665
- https://openalex.org/W1984055561
- https://openalex.org/W2001194975
- https://openalex.org/W2002342539
- https://openalex.org/W2007708683
- https://openalex.org/W2008977195
- https://openalex.org/W2128284264
- https://openalex.org/W2131111256
- https://openalex.org/W2165291623
- https://openalex.org/W2167607883
- https://openalex.org/W2279601307
- https://openalex.org/W2517389691
- https://openalex.org/W2560505302
- https://openalex.org/W2568222635
- https://openalex.org/W2584830212
- https://openalex.org/W2607293302
- https://openalex.org/W2654493142
- https://openalex.org/W2731698910
- https://openalex.org/W2773824618
- https://openalex.org/W3150946207