Resumen

La apnea obstructiva del sueño (AOS) es un trastorno respiratorio común relacionado con el sueño. En todo el mundo, cada vez hay más personas que padecen AOS. Debido a la limitación de los equipos de monitorización, muchas personas con AOS siguen sin ser detectadas. Por lo tanto, proponemos un modelo de monitorización del sueño basado en el electrocardiograma de un solo canal utilizando una red neuronal convolucional (CNN), que puede utilizarse en dispositivos de monitorización de la AOS portátiles. Para aprender las características de diferentes escalas, la primera capa convolucional comprende tres tipos de filtros. La memoria a corto plazo (LSTM) se utiliza para aprender las dependencias a largo plazo, como las reglas de transición de la AOS. La función softmax se conecta a la última capa totalmente conectada para obtener la decisión final. Para detectar un evento de AOS completo, las señales de ECG sin procesar se segmentan mediante una ventana deslizante de 10 s superpuesta. El modelo propuesto se entrena con las señales crudas segmentadas y se prueba posteriormente para evaluar su rendimiento en la detección de eventos. Según el análisis experimental, el modelo propuesto presenta un coeficiente kappa de Cohen de 0,92, una sensibilidad del 96,1%, una especificidad del 96,2% y una precisión del 96,1% con respecto al conjunto de datos de Apnea-ECG. El modelo propuesto es significativamente superior a los resultados del método de referencia. Los resultados demuestran que nuestro enfoque podría ser una herramienta útil para detectar la AOS sobre la base de un ECG de una sola derivación.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:osa, modelo propuesto, red neuronal convolucional, tipo de filtro, señal cruda segmentada, limitaciones del monitor, exposición del modelo propuesto, dispositivo de monitorización de osa, características de diferente escala, trastornos respiratorios relacionados
• Keywords:osa, proposed model, convolutional neural network, type of filter, segmented raw signal, limitations of monitor, proposed model exhibit, osa monitor device, different scale features, related respiratory disorders