Optimizing MLP Classifier and ECG Features for Sleep
Apnea Detection
Journal Name:
- Journal of Naval Sciences And Engineering
Key Words:
Keywords (Original Language):
| Author Name |
|---|
Abstract (2. Language):
The purpose of this study is to optimize multilayer perceptron (MLP) classifier and find optimal
ECG features to achieve better classification for automated sleep apnea detection. k-fold crossvalidation
technique was employed for classification of apneaic events on the apnea database
of the DREAMS project containing 12 whole-night Polysomnography (PSG) recordings
previously examined by an expert. To achieve the best possible performance with MLP, the
correlation feature selection method was utilized. The performance for apnea event diagnosis
after optimization of the features and the classifier resulted almost 10% in accuracy, %7 in
sensitivity and %13 in specificity.
Bookmark/Search this post with
Abstract (Original Language):
Bu çalışmanın amacı otomatik uyku apnesi tanımlamasında daha iyi sınıflandırma sağlamak
amacıyla çok katmanlı algılayıcı sınıflandırıcısı ile kullanılacak EKG özniteliklerinin
optimizasyonunu gerçekleştirmektir. Uzman hekim tarafından değerlendirilmiş 12 hastanın
bulunduğu DREAMS projesi veri tabanından elde edilen PSG kayıtlarındaki apne olgularının
sınıflandırılmasında k-kat çapraz doğrulama algoritması kullanılmıştır. Çok katmanlı algılayıcı
ile sınıflandırmada en iyi başarımı elde etmek için ilinti öznitelik seçim metodu kullanılmıştır.
Apne olgularının tespitinde, sınıflandırıcı ve öznitelik optimizasyonu sonrasında doğrulukta
yaklaşık %10, duyarlılıkta %7 ve kesinlikte %13 artış elde edilmiştir.
FULL TEXT (PDF):
- 1