Abstract: A. Ayatollahi, S. Afrakhteh, F. Soltani, E. Saleh (2023)

In this paper, transfer learning is used for the adaptation of pre-trained deep convolutional neural networks (DCNNs) to find the best appropriate method for the classification of obstructive sleep apnea (OSA) using electrocardiogram (ECG) signals. The Physio Apnea-ECG data set has been used for the evaluation of the proposed method. In deep learning algorithms, especially in image data classification, more data leads to better performance. For this reason, in this paper, we propose a novel technique as follows. First, the ECG signal is divided into 2-s segments and filtered, then the recurrence plots (RP) algorithm is used to convert these segments into two-dimensional images. The RP is an advanced tool that can indicate how resemblances between particular orders vary over time. These plots are generally used for the qualitative evaluation of the time series in dynamic systems. Finally, in the classification stage, 5 pre-trained DCNN models on ImageNet datasets including EfficienNet-B0, EfficienNet-B1, EfficienNet-B2, Inception-v3, and Xception are considered for final decision. By using these methods, the classification accuracies of 88.67%, 90.59%, 90.52%, 93.33%, and 93.19%, were obtained respectively. In this research, by analyzing the performance of the models used, we can see that by increasing the input image size, the number of network parameters, its depth, and the classification performance is improved. Also, the performance of the Inception-v3 model which has the largest input image size and number of parameters with 93.33% accuracy, is better than other models for OSA detection.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Sleep apnea detection from ECG signal using deep CNN-based structures