Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference · 2008
Long short-term memory for apnea detection based on Heart Rate Variability.
СтатьяПоддержка исследования: вне правительства СШАНазвание и аннотация: Перевод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Novák D, Mucha K, Al-Ani T
Аннотация
The main drive force in apnea current diagnostic is to reduce overwhelming number of sleep disorders candidates by means of very simple-to-use, comfortable and cheap methodology. The proposed framework is based only on automatic analysis of electrocardiogram signal. The feature extraction stage was performed using methods of Heart Rate Variability and Detrended Fluctuation analysis. Feature-spaces formed using these two methods were used as input to a Long Short-Term Memory Artificial Neural Network chosen for its capability to find temporally dependencies in the data. The framework was evaluated on Challenge 2000 Physionet database yielding successful rate 82.1%, sensitivity 85.5% and specificity 80.1%.