Apnea recognition with wavelet neural networks
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/185929 |
Resumo: | Apneia é uma Desordem do Sono caracterizada pela interrupção ou redução do fluxo de ar por pelo menos 10 segundos. Seu diagnóstico é realizado principalmente com a Polissonografia, exame composto por uma série de sinais como o Eletrocardiograma (ECG), Electroencefalograma (EEG) e Saturação do Oxigênio (SpO2). A maioria dos exames para o diagnóstico da apneia são desconfortáveis e caros, incentivando a busca por métodos alternativos tanto para a redução do custo, quanto para o aumento do bem-estar do paciente. Neste trabalho, foi utilizado apenas dados advindos do SpO2 de 25 pacientes do St Vincent’s University Hospital, Dublin, para extrair parâmetros e alimentar uma Rede Neural, que realiza a classificação de pacientes com apneia. Os resultados confirmam que o método apresentado pode ser usado como uma ferramenta auxiliar no diagnóstico. |
id |
UFRGS-2_a976e2e878d667df1af46173950c67f0 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/185929 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Zaniol, CristinaVarriale, Maria CristinaManica, Evandro2018-12-05T02:44:14Z2018http://hdl.handle.net/10183/185929001081588Apneia é uma Desordem do Sono caracterizada pela interrupção ou redução do fluxo de ar por pelo menos 10 segundos. Seu diagnóstico é realizado principalmente com a Polissonografia, exame composto por uma série de sinais como o Eletrocardiograma (ECG), Electroencefalograma (EEG) e Saturação do Oxigênio (SpO2). A maioria dos exames para o diagnóstico da apneia são desconfortáveis e caros, incentivando a busca por métodos alternativos tanto para a redução do custo, quanto para o aumento do bem-estar do paciente. Neste trabalho, foi utilizado apenas dados advindos do SpO2 de 25 pacientes do St Vincent’s University Hospital, Dublin, para extrair parâmetros e alimentar uma Rede Neural, que realiza a classificação de pacientes com apneia. Os resultados confirmam que o método apresentado pode ser usado como uma ferramenta auxiliar no diagnóstico.Apnea is a Sleep Disorder Syndrome characterized by an interruption or reduction of air flow for at least 10 seconds. Polysomnography is a test used to apnea diagnosis. Several signals, including Electrocardiogram (ECG), Electroencephalogram (EEG) and Oxygen Saturation (SpO2) are obtained in this diagnostic test. Since most tests for apnea are uncomfortable to the patients, there is an increase search for alternative methods to reduce cost and improve patient well-being. In this work, we use only SpO2 data from 25 patients of the St Vincent’s University Hospital, Dublin, to extract parameters connected to a Neural Network to classify patients with apnea or non-apnea. Results confirm that our alternative method can be used as an auxiliary tool for diagnosis by using exclusively SpO2 signal.application/pdfengTEMA. Tendências em Matemática Aplicada e Computacional. São Paulo. Vol. 19, n. 2 (2018), p. 277-288Redes neuraisApnéia do sonoSleep Disorder SyndromeNeural NetworkApneaApnea recognition with wavelet neural networksinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001081588.pdf.txt001081588.pdf.txtExtracted Texttext/plain28886http://www.lume.ufrgs.br/bitstream/10183/185929/2/001081588.pdf.txt0c60e2031d492b50894fdc7c8c622749MD52ORIGINAL001081588.pdfTexto completo (inglês)application/pdf909454http://www.lume.ufrgs.br/bitstream/10183/185929/1/001081588.pdfe27709111859138955948a74911c5917MD5110183/1859292018-12-06 02:44:31.973419oai:www.lume.ufrgs.br:10183/185929Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-12-06T04:44:31Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Apnea recognition with wavelet neural networks |
title |
Apnea recognition with wavelet neural networks |
spellingShingle |
Apnea recognition with wavelet neural networks Zaniol, Cristina Redes neurais Apnéia do sono Sleep Disorder Syndrome Neural Network Apnea |
title_short |
Apnea recognition with wavelet neural networks |
title_full |
Apnea recognition with wavelet neural networks |
title_fullStr |
Apnea recognition with wavelet neural networks |
title_full_unstemmed |
Apnea recognition with wavelet neural networks |
title_sort |
Apnea recognition with wavelet neural networks |
author |
Zaniol, Cristina |
author_facet |
Zaniol, Cristina Varriale, Maria Cristina Manica, Evandro |
author_role |
author |
author2 |
Varriale, Maria Cristina Manica, Evandro |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Zaniol, Cristina Varriale, Maria Cristina Manica, Evandro |
dc.subject.por.fl_str_mv |
Redes neurais Apnéia do sono |
topic |
Redes neurais Apnéia do sono Sleep Disorder Syndrome Neural Network Apnea |
dc.subject.eng.fl_str_mv |
Sleep Disorder Syndrome Neural Network Apnea |
description |
Apneia é uma Desordem do Sono caracterizada pela interrupção ou redução do fluxo de ar por pelo menos 10 segundos. Seu diagnóstico é realizado principalmente com a Polissonografia, exame composto por uma série de sinais como o Eletrocardiograma (ECG), Electroencefalograma (EEG) e Saturação do Oxigênio (SpO2). A maioria dos exames para o diagnóstico da apneia são desconfortáveis e caros, incentivando a busca por métodos alternativos tanto para a redução do custo, quanto para o aumento do bem-estar do paciente. Neste trabalho, foi utilizado apenas dados advindos do SpO2 de 25 pacientes do St Vincent’s University Hospital, Dublin, para extrair parâmetros e alimentar uma Rede Neural, que realiza a classificação de pacientes com apneia. Os resultados confirmam que o método apresentado pode ser usado como uma ferramenta auxiliar no diagnóstico. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-12-05T02:44:14Z |
dc.date.issued.fl_str_mv |
2018 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/other |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/185929 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001081588 |
url |
http://hdl.handle.net/10183/185929 |
identifier_str_mv |
001081588 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.ispartof.pt_BR.fl_str_mv |
TEMA. Tendências em Matemática Aplicada e Computacional. São Paulo. Vol. 19, n. 2 (2018), p. 277-288 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/185929/2/001081588.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/185929/1/001081588.pdf |
bitstream.checksum.fl_str_mv |
0c60e2031d492b50894fdc7c8c622749 e27709111859138955948a74911c5917 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224957870473216 |