जर्नल ऑफ़ स्लीप डिसऑर्डर: उपचार और देखभाल

Détection d'événements d'apnée du sommeil à l'aide de techniques d'apprentissage profond

Mahmood Abed* et Turgay Ibrikci

Cette recherche met en évidence une approche automatisée pour détecter les événements d'apnée du sommeil à partir d'études du sommeil. Le test de polysomnographie est la référence absolue pour diagnostiquer l'apnée du sommeil. Malheureusement, il est coûteux, prend du temps et est inconfortable pour les patients. Nous avons sélectionné des signaux qui peuvent être obtenus simplement en utilisant un oxymètre de pouls portable au bout des doigts et une chemise intelligente hexoskin. Par conséquent, le coût de la polysomnographie sera réduit en utilisant moins d'équipement et en même temps suffisant. Par conséquent, la valeur scientifique de cette recherche est de simplifier les méthodes utilisées par d'autres experts du sommeil dans ce domaine. Deux bases de données sur l'apnée du sommeil ont été utilisées pour former et tester quatre modèles d'apprentissage profond. Trois signaux physiologiques ont été combinés pour former une fenêtre de 60 secondes. Les approches d'apprentissage profond se sont avérées suffisantes pour détecter les événements d'apnée en fonction de la qualité des données et de l'architecture du réseau neuronal. Le modèle hybride a surpassé les autres modèles avec une précision de 97 % et 92 %.