Apnea recognition with wavelet neural networks

Detalhes bibliográficos
Autor(a) principal: Zaniol, Cristina
Data de Publicação: 2018
Outros Autores: Varriale, Maria Cristina, Manica, Evandro
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

Registros relacionados