Feature Selection for Obstructive Sleep Apnea Recognition

Mustafa SERT

doi:https://doi.org/10.17671/gazibtd.615014

Makale detayları

Feature Selection for Obstructive Sleep Apnea Recognition

Yazarlar:

Mustafa SERT

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Information Technologies 2019 Vol.12 Issue 4, pp.333-342

Belge Tipi:

Makale

Yayın Tarihi:

10/2019

Belge Dili:

İngilizce

Document ID (Org No.):

2000902541

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

DOI:

https://doi.org/10.17671/gazibtd.615014

Anahtar kelimeler:

Özet:

 


Obstructive sleep apnea (OSA) is a kind of sleep disorder and it is described by breathing irregularity during sleep. This disorder may lead to long-term consequences, such as sleep related irregularities and/or cardiovascular diseases. This paper proposes a multimodal and feature selection-based processing pipeline to detect OSA as a computer-based alternative way to clinical polysomnography (PSG) method. In the proposed method, the oxygen saturation (SpO2) and the electrocardiogram (ECG) signals are fused at the feature-level for the classification. Five feature selection methods, namely Relieff, Chi-Square, Information Gain (IG), Principal Component Analysis (PCA), and Gain Ratio (GR) were applied to the problem to obtain robust features from both signal sources and to reduce the feature dimensionality. The effectiveness of utilized feature selection methods was analyzed using the Support Vector Machine (SVM), k-nearest neighbor (k-NN), and Naive Bayes (NB) classifiers. The experimental results on the real clinical samples from the PhysioNet dataset show that the proposed multimodal and feature selection-based method improves the classification accuracy, significantly.

.

 

Obstrüktif uyku apnesi (OUA), uyku sırasında anormal nefes durması veya azalması ile sıkça tanımlanan yaygın bir uyku bozukluğudur. Bu hastalık, uyku ile ilgili düzensizlikler ya da kardiyovasküler hastalıklar gibi uzun vadeli sonuçlara yol açabilir. Bu çalışmada, uyku apnesi tanıma için, klinik polisomnografi (PSG) yöntemine alternatif olarak, çok kipli öznitelik kullanımı ve seçimine dayalı sayısal bir yöntem önerilmektedir. Önerilen yöntem, elektrokardiyogram (EKG) ve oksijen doygunluğu (SpO2) olarak adlandırılan iki fizyolojik sinyalin öznitelik düzeyli kaynaşımına dayalıdır. Her iki sinyal kaynağından da sağlam özellikler elde etmek ve öznitelik boyutunu azaltmak için Relieff, Chi-Square, Bilgi Kazancı (BK), Temel Bileşen Analizi (TBA) ve Kazanç Oranı (KO) olmak üzere beş öznitelik seçim yöntemi probleme uygulanmıştır. Elde edilen çok kipli öznitelikler ile Naive Bayes (NB), en yakın komşu (kNN) ve Destek Vektör Makinesi (DVM) sınıflandırıcıları tasarlanmış ve etkinlikleri sınanmıştır. PhysioNet veritabanındaki  gerçek örnekler üzerinde yapılan deneysel çalışmalar, önerilen yöntemin sınıflandırma başarımını artırdığını göstermektedir.

Makale detayları

Feature Selection for Obstructive Sleep Apnea Recognition

Yazarlar:

Mustafa SERT

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Information Technologies 2019 Vol.12 Issue 4, pp.333-342

Belge Tipi:

Makale

Yayın Tarihi:

10/2019

Belge Dili:

İngilizce

Document ID (Org No.):

2000902541

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

DOI:

https://doi.org/10.17671/gazibtd.615014

obstrüktif uyku apnesi tanıma

öznitelik kaynaştırma

EKG

SpO2

DVM

NB

k-NN

Sayı

Makale detayları

Yazarlar: Mustafa SERT

Yayıncı: Gazi University

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Dergi: Journal of Information Technologies 2019 Vol.12 Issue 4, pp.333-342

Belge Tipi: Makale

Yayın Tarihi: 10/2019

Belge Dili: İngilizce

Document ID (Org No.): 2000902541

Sıklık: Üç Aylık

eISSN: 2147-0715

pISSN: 1307-9697

DOI: https://doi.org/10.17671/gazibtd.615014

Sayı

Yazarlar:

Mustafa SERT

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Information Technologies 2019 Vol.12 Issue 4, pp.333-342

Belge Tipi:

Makale

Yayın Tarihi:

10/2019

Belge Dili:

İngilizce

Document ID (Org No.):

2000902541

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

DOI:

https://doi.org/10.17671/gazibtd.615014