Classification Models for Sleep Apnea Detection

• Autor(a) principal: Pinho, André Miguel da Silva
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.6/9998
• topic: Apneia de Sono; Ecg-Derived Respiration; Electrocardiograma; Heart Rate Variability; Linear Discriminant Analysis; Partial Least Squares Regression; Rede Neuronal; Support Vector Machine; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

A dissertação incide na selecção de características, importância das mesmas num modelo de classificação e diferentes tipos de classificação para uma melhor detecção de apneia de sono, recorrendo apenas a um electrocardiograma (ECG) e comparando a precisão dos diferentes modelos. Recorrendo ao uso da base de dados Physionet Apnea-ECG, um filtro Savitsky Golay (sgolay) foi aplicado aos registos para limpar o sinal e depois obter o complexo QRS de forma a obter o Heart Rate Variability (HRV) e o ECG-Derived Respi¬ration (EDR). As características extraídas destes dois métodos foram usadas para treino, teste e validação dos classificadores. As características obtidas foram analisadas por forma a se selecionar as mais relevantes no contexto da detecção de apnea. Os conjuntos de treino e teste foram obtidos dividindo aleatoriamente os dados até uma boa performance ser atingida usando o k-fold cross-validation (k=IO). De acordo com os resultados obtidos, a melhor precisão foi de 82.12%, com uma sensibilidade e uma especificidade de 88.41% e 72.29%, respectivamente. Estes resultados preliminares podem levar a estudos complementares para implementação numa aplicação real