Automated Recognition of Sleep Apnea-Hypopnea Syndrome Using Continuous Wavelet Transform-Based Multiscale Dispersion Entropy of Single-Lead ECG Signal
Notice bibliographique
Résumé
A new method is proposed for recognition of the sleep apnea-hypopnea syndrome (SAHS) using electrocardiograms (ECG) signal in order to find an alternative with the same performance of polysomnography (PSG). Heart rate variability (HRV) signals generated from an ECG signal are used to examine a wide range of indices. A novel aspect of this work is the use of a method to decompose the HRV spectrum into total power spectrum (TP), high frequency (HF), low frequency (LF) and very low frequency (VLF) sub-band signals, and correlates their energy content with sympathetic and parasympathetic activity. The HRV signal was decomposed using the continuous wavelet transform (CWT) followed by the inverse continuous wavelet transform (ICWT), and sub-band signals were extracted from 5-minute episodes. In this regard, the suggested technique provides novel indices based on the mean of small (1 to 5), medium (6 to 10) and large (11 to 20) time scales of multiscal dispersion entropy (MDE) for each sub-band signals. In order to choose the best classifier, the indices of the MDE are submitted to a t-test technique and categorized using three classifiers: decision trees (DT), support vector machines (SVM-RBF) and K-nearest neighbor (KNN). The proposed method is evaluated using the combination of Physionet Apnea–ECG database and the University College Dublin Sleep Apnea Database. Using a 10-fold cross validation technique, the SVM-RBF classification approach achieves an average sensitivity, specificity, and accuracy of 93.91%, 96.92% and 93.94%, respectively. The results demonstrate that the approach presented is as precise as the best contemporary methods investigated using the same ECG datasets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».