ZANIOL, C.; VARRIALE, M.C.; MANICA, E.

doi:10.5540/tema.2018.019.02.0277

Acessibilidade / Reportar erro

Brasil

Español English

sumário « anterior atual seguinte »

Sumário

Articles • TEMA (São Carlos) 19 (2) • May-Aug 2018 • https://doi.org/10.5540/tema.2018.019.02.0277 copiar

Apnea Recognition with Wavelet Neural Networks

Autoria SCIMAGO INSTITUTIONS RANKINGS

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 (SpO ₂). 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 SpO ₂ 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.

Palavras-chave:
Redes Neurais; Doenças do Sono; Apneia

Age			BMI			AHI
Mean	Min	Max	Mean	Min	Max	Mean	Min	Max
50	28	68	31.6	25.1	42.5	24.24	2	91

Neurons	05	10	15	20	25	30	35	40	45	50
Sensitivity	33.12	35.32	38.63	37.48	37.92	36.16	37.48	36.75	37.99	38.06
Specificity	94.06	93.90	92.80	92.56	92.76	92.67	92.75	92.66	93.26	91.99
Accuracy	81.55	82.20	82.19	82.62	81.99	82.33	82.44	82.82	82.28	82.28

Neurons	05	10	15	20	25	30	35	40	45	50
Sensitivity	43.82	41.97	42.73	42.68	42.85	40.24	42.65	39.52	42.41	41.45
Specificity	90.98	91.68	91.29	91.45	91.03	92.87	91.89	91.65	91.40	91.87
Accuracy	83.69	83.73	83.72	83.75	83.47	83.62	84.00	83.31	83.66	83.62

Neurons	05	10	15	20	25	30	35	40	45	50
Sensitivity	41.84	43.08	40.77	41.66	42.24	39.24	41.91	42.60	43.10	42.80
Specificity	91.85	90.97	92.19	91.90	91.56	91.92	91.09	91.45	91.06	91.60
Accuracy	83.69	83.68	83.67	83.57	83.49	83.54	83.35	83.52	83.40	83.66

Neurons	05	10	15	20	25	30	35	40	45	50
Sensitivity	0.00	0.01	0.00	0.00	0.00	0.00	0.13	0.00	0.00	4.00
Specificity	99.99	99.97	99.96	99.96	100.00	99.97	99.89	99.96	100.00	95.90
Accuracy	73.90	73.91	73.89	73.88	73.91	73.89	73.91	73.88	73.91	76.89

	Test A		Test B		Test C		Test D
	Min Acc	Max Acc	Min Acc	Max Acc	Min Acc	Max Acc	Min Acc	Max Acc
Neurons	5	40	40	35	35	5	20 and 40	50
Sensitivity	33.12	36.75	39.52	42.65	41.91	41.84	0.00	4.00
Specificity	94.06	92.66	91.65	91.89	91.09	91.85	99.96	95.90
Accuracy	81.55	82.82	83.31	84.00	83.35	83.69	73.88	76.89

	Min Acc¹	Max Acc²	Test D³	de Chazal et al., 2015
Sensitivity	33.12	42.65	4.00	37.50
Specificity	94.06	91.89	95.90	79.00
Accuracy	81.55	84.00	73.88	70.60

Sociedade Brasileira de Matemática Aplicada e Computacional Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 , 13561-120 São Carlos - SP, Tel. / Fax: (55 16) 3412-9752 - São Carlos - SP - Brazil
E-mail: sbmac@sbmac.org.br

Acompanhe os números deste periódico no seu leitor de RSS

[1] *Corresponding author: Cristina Zaniol - E-mail: criszaniol@gmail.com