Abstract: Y. Taghizadegan, N. Jafarnia, K. Maghooli, A. Sheikhani (2021)

Obstructive Sleep Apnea (OSA) is a common disorder characterized by periodic cessation of breathing during sleep. OSA affects daily life and poses a severe threat to human health. The standard clinical method for identifying and predicting OSA events is the use of Polysomnography signals. In this paper, a novel scheme based on an ensemble of recurrence plots (RPs) and pre-trained convolutional neural networks (RPCNNs) is proposed to improve the prediction rate of OSA. First, RPs were used to represent the dynamic behavior of single electroencephalogram (EEG) and electrocardiogram (ECG) signals for 60 s before and during OSA events. Then, using RPs, three prompt CNNs named ResNet-50 were fine-tuned, and their classification results were fused via the Majority Voting (MV) method to produce a final result concerning prediction. Next, the subject-independent Leave-One-Subject-Out Cross-Validation (LOSO-CV) and subject-dependent 10-fold Cross-Validation (10-fold CV) methods were used to validate the prediction rate from signals derived from the University College Dublin Sleep Apnea Database. Finally, the highest achieved average accuracy for the fusion level was 91.74% and 89.45% at the 10-fold CV and LOSO-CV. Additionally, our results outperformed state-of-the-art findings and could be recommended to predict and detect other biomedical signals. As a result, this predictive system can also be used to adjust the air pressure in sleep apnea patients' Automatic Positive Airway Pressure (APAP) devices.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Prediction of obstructive sleep apnea using ensemble of recurrence plot convolutional neural networks (RPCNNs) from polysomnography signals