文献分享：利用深度神经网络和单导联心电信号Detection of sleep apnea using deep neural networks and single-lead ECG signals

于 2021-12-21 16:52:14 发布
阅读量960 收藏 5
点赞数 1
分类专栏： essay 文章标签： 人工智能 神经网络 lstm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42184541/article/details/122066504
版权
本文提出了一种结合卷积神经网络（CNN）和长短时记忆（LSTM）的自动特征提取方法，用于检测睡眠呼吸暂停。通过在公开数据集上的实验，方法表现出高灵敏度（94.41%）、特异性（98.94%）和准确性（97.21%），显著优于传统方法。模型在35条记录的数据集上训练，并展示了优秀的分类性能。
摘要由CSDN通过智能技术生成

原文链接：Detection of sleep apnea using deep neural networks and single-lead ECG signals - ScienceDirecticon-default.png?t=LA92https://www.sciencedirect.com/science/article/pii/S1746809421007229?via%3Dihub

摘要：

睡眠呼吸暂停导致睡眠期间频繁的呼吸停止。特征提取方法在使用单导联心电图信号的呼吸暂停检测算法的性能中起着关键作用。手工制作的功能由于尺寸大，计算复杂度高，通常不健壮。针对上述问题，本文提出了一种卷积神经网络（CNNÿ

最低0.47元/天 解锁文章
执梦梦
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
ECG-Synthesis-and-Classification:用于ECG合成的1D GAN和3种模型
05-08
心电图合成与分类 用于ECG合成的一维GAN和3种模型：具有跳过连接的CNN，具有LSTM的CNN和具有LSTM的CNN，以及用于ECG分类的注意力机制。 动机 心电图被心脏病专家和医学从业者广泛用于监测心脏健康。 与许多其他时间序列数据类似，手动分析ECG信号的主要问题在于难以检测和分类信号中的不同波形和形态。 对于人类而言，此任务既耗时又容易出错。 让我们尝试将机器学习应用于此任务。 数据 可用。 问题的表述： 每个信号应标记为以下类别之一（ “正常” ， “人工过早” ， “室性早搏” ， “室和正常融合” ， “起搏和正常融合” ）。 解决方案 此处提供具有研究和解决方案的代码-和此处 。 楷模 GAN结果 分类结果
【论文阅读】An Obstructive Sleep Apnea Detection Approach Using a Discriminative Hidden Markov Model From
GUANYX的博客
12-07 155
论文阅读：An Obstructive Sleep Apnea Detection Approach Using a Discriminative Hidden Markov Model From ECG Signals 不仅正常或呼吸暂停的状态在时间上具有高度依赖性，而且状态转换模式因受试者而异。 一、摘要 阻塞性睡眠呼吸暂停综合症（OSA）综合征是一种常见的睡眠障碍，全世界越来越多的人遭受痛苦。作为用于OSA诊断的多导睡眠图（PSG）的替代方法，当前实践中使用的自动OSA检测方法主要集中于基于提取的.
Physionet Apnea-ecg数据库预处理(一)：ECG信号读取
u013071075的博客
12-07 8781
一、前言     这篇博客主要是关于Apena-ecg数据库中ECG信号的读取，将数据库中的.dat文件(ECG数据)和.apn文件(标签)做成TXT格式，方便后续的处理。     apnea-ecg信号读取部分代码：https://github.com/zzklove3344/CodeForReadingApneaECG 二、TXT文件的生成与读取     根据apnea-ecg的官方说...
1000个12导联ECG心电图数据集
08-29
1000个12导联ECG心电图数据集，600例有标签，400例用于测试。采样率为500 Hz。MAT格式
读取MIT-BIH数据，制作数据集
xxty1122的博客
09-26 5617
       暑假实习搞了一段时间的深度的学习，公司老总让我把MIT-BIH的数据按着给的注释文件读出来，并且分类，为此我可是耗费了好长时间整理了这个程序供大家参考。闲话不多说，我交代下这个程序的作用：                               1.把R波作为101点，向前取100点，向后取199个点，构成300点，作为一个心电周期（采样率为360HZ，所以300点完全可以保证一...
【论文阅读】A RR interval based automated apnea detection approach using residual network
GUANYX的博客
11-17 283
论文阅读：A RR interval based automated apnea detection approach using residual network 一、摘要 提出了一种基于RR间隔（ECG信号的R峰之间的间隔）的残差网络来检测呼吸暂停的方法。在我们的模型中，我们应用残差网络来表示RR间隔携带的信息。此外，我们提出了一种新颖的观点，称为动态自回归表示，以提供通过卷积层表示RR间隔的解释。使用Physionet上公开可用的数据集，针对每段呼吸暂停检测测试了该方法。30夜录音用于训练，5用.
matlab心电图程序代码-ApneaECGAnalysis:该项目包括APNEA-ECG数据库的预处理和用于每段OSA检测的LSTM-RNN
05-21
该python文件处理每分钟的ECG片段，包括ECG去噪，从ECG提取RRI，RAMP和EDR信号，在RRI和RAMP上进行平滑和样条插值以及对EDR信号进行下采样。 此外，我们根据RRI将这些细分分为两种：噪声和清晰。 运行produceD
The role of 5-HT and 5-HT2A receptors in the occurrence of central sleep apnea in rats
03-13
5-HT以及5-HT2A受体在大鼠中枢型睡眠呼吸暂停中的作用，张成，董慧，5-HT以及5-HT2A受体参与了中枢的呼吸调控。呼吸调控的不稳定将导致不规则的呼吸和呼吸暂停。本研究的目的是探讨5-HT和5-HT2A受体在大鼠�
E332_ecg3:ecg_analysis_system_for_sleep_apnea *睡眠呼吸中止症之心电图分析系统
03-31
E332_ecg3
Comparison of two acoustic features for classification of different snore signals
02-09
We compared the performances of two acoustic features on distinguishing different snore signals( SS) generated by Obstructive Sleep Apnea-Hypopnea Syndrome( OSAHS) patients． Finding suitable ...
Matlab合成心电波(ECG-Simulator-Matlab)
06-09
应用Maltab合成心电波，可以合成常规心电波信号，优化后的代码可以实现ST段抬高和压低，并且T波上升时间和下降时间可调； 原理--傅里叶级数
基于人工神经网络的鼾声相关信号的分类.pdf
09-25
基于人工神经网络的鼾声相关信号的分类 本文提出了基于人工神经网络（Artificial Neural Network，ANN）对鼾声、呼吸声和其他噪声进行分类的方法。该方法通过提取每个声音片段的频谱相关特征集作为 ANN 的输入特征...
手持(单导联) 心电算法及技术
咖丢卫私康
05-04 3793
从手掌处提取心电波是非常简单方便的一种采集体征信息的方式，心电图与心脏活动和相关疾病有关。     而提取EKG信号具有以下几个挑战： 1. 工频干扰，50Hz市电干扰，有些国家是60Hz。 2. 白雜訊，这些随机雜訊一般由接触面空气或电气电路粒子跳跃形成对有用信号产生干扰的无用信息，频谱在带宽内平整各种频率成分混杂其中，其
FMCW
热门推荐
Miracle.Zhao的博客
01-15 2万+
FMCW(Frequency Modulated Continuous Wave)，即调频连续波。FMCW技术和脉冲雷达技术是两种在高精度雷达测距中使用的技术。其基本原理为，发射波为高频连续波，其频率随时间按照三角波规律变化。雷达接收的回波的频率与发射的频率变化规律相同，都是三角波规律，只是有一个时间差，利用这个微小的时间差可计算出目标距离。18KHZ-20KHZ由于它具有无距离盲区、高分辨率和低
睡眠监测目前的原理分析
影子
12-15 1万+
人们正常的睡眠结构周期分为两个时相:非快速眼动睡眠期(NREM)和快速眼动睡眠期(REM)。咱们看到前面1、2、3、4期都属于NREM期，后面的红岗是REM期，1、2期就是咱们俗称的浅睡眠，3、4期属于深睡眠。至于REM期，咱们平时做梦多发生在这个时期。NREM期与REM期交替出现，交替一次为一个睡眠周期，每晚上咱们睡眠要经历4-5个周期，每个周期90-110分钟。每个时期会占不同的比例，正常人1期睡眠约占总睡眠的2%-5%，2期睡眠占45%-55%，3期深睡眠占13%-23%，做梦约占20%...
【论文阅读】A method to detect sleep apnea based on deep neural network and hidden Markov model using sing
GUANYX的博客
11-03 166
论文阅读：A method to detect sleep apnea based on deep neural network and hidden Markov model using single-lead ECG signal 一、摘要 阻塞性睡眠呼吸暂停（OSA）是最常见的与睡眠有关的呼吸系统疾病，有可能威胁人们的心血管系统。作为用于OSA检测的多导睡眠图的替代方法，基于ECG的方法已经开发了数年。但是，以前的工作集中在特征工程上，它高度依赖于人类专家的先验知识，并且可能是主观的。此外，特征工.
Multispectral Deep Neural Networks for Pedestrian Detection（BMVC 2016）论文解读
zz937211040的博客
03-26 931
Multispectral Deep Neural Networks for Pedestrian Detection（BMVC 2016） 一、Overview  随着2015年第一个RGB-T行人检测数据集KAIST的提出，多光谱行人检测任务成为了当时的研究热点之一，与此同时2016年何恺明提出的Faster R-CNN模型在单模态（RGB）目标检测领域取得了显著的效果。本文主要受Faster...
新的深度学习模型可以准确识别睡眠阶段
02-18 2130
New deep learning model can accurately identify sleep stages 新的深度学习模型可以准确识别睡眠阶段 A new deep learning model developed by researchers at the University of Eastern Finland can identify sleep stages as...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

执梦梦

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值