دانلود مقاله انگلیسی رایگان:شبکه عصبی چند مقیاسی مبتنی بر ECG تک سرب برای تشخیص آپنه انسدادی خواب - 2022
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2
دانلود مقاله انگلیسی اینترنت اشیاء رایگان
  • Single-lead ECG based multiscale neural network for obstructive sleep apnea detection Single-lead ECG based multiscale neural network for obstructive sleep apnea detection
    Single-lead ECG based multiscale neural network for obstructive sleep apnea detection

    دسته بندی:

    اینترنت اشیاء - Internet of Things


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    Single-lead ECG based multiscale neural network for obstructive sleep apnea detection


    ترجمه فارسی عنوان مقاله:

    شبکه عصبی چند مقیاسی مبتنی بر ECG تک سرب برای تشخیص آپنه انسدادی خواب


    منبع:

    ScienceDirect- Elsevier- Internet of Things, 20 (2022) 100613: doi:10:1016/j:iot:2022:100613


    نویسنده:

    Zhiya Wang


    چکیده انگلیسی:

    Obstructive sleep apnea (OSA) is a common sleep disorder characterized by frequent cessation of breathing during sleep, which cannot be easily diagnosed at the early stage due to the complexity and labor intensity of the polysomnography (PSG). Using a ECG device for OSA detection provides a convenient solution in the current Internet of Things scenario. However, previous intelligent analysis algorithms mainly rely on single scale network, therefore the discriminative ECG representations cannot be identified, which affects the accuracy of OSA detection. We report a multiscale neural network URNet for OSA detection by optimizing the deep learning networks and integrating Unet with ResNet. The URNet automatically extracts delicate features from the RR interval of single-lead ECG and processes convolution blocks with different scales by skip connections, so that the network can fuse features collected from both shallow and deep levels. For each OSA segment identification, URNet achieves an accuracy of 90.4%, a sensitivity of 83.3%, a specificity of 94.8% and an F1 of 89.6% on the ApneaECG dataset. The result indicates that our approach provides major improvements compared to the state-of-the-art methods. The URNet model proposed in this study for unobstructive OSA detection has good potential application in daily sleep health.
    Keywords: Wearable ECG | Obstructive sleep apnea | Multi-scale neural network | Deep learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 1767 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 983 :::::::: بازدید دیروز: 9785 :::::::: بازدید کل: 24901 :::::::: افراد آنلاین: 44