Машинне навчання під час діагностування і моніторингу сонного апное
| Jazyk: | ukrajinština |
|---|---|
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | System research and information technologies; No. 4 (2020); 43-58 Системные исследования и информационные технологии; № 4 (2020); 43-58 Системні дослідження та інформаційні технології; № 4 (2020); 43-58 |
| ISSN: | 1681-6048 2308-8893 |
| Popis: | This paper contains a review and analysis of applications of modern ma-chine learning approaches to solve sleep apnea severity level detection by localization of apnea episodes and prediction of the subsequent apnea episodes. We demonstrate that signals provided by cheap wearable devices can be used to solve typical tasks of sleep apnea detection. We review major publicly available datasets that can be used for training respective deep learning models, and we analyze the usage options of these datasets. In particular, we prove that deep learning could improve the accuracy of sleep apnea classification, sleep apnea localization, and sleep apnea prediction, especially using more complex models with multimodal data from several sensors. Рассмотрено и проанализировано использование современных подходов машинного обучения для решения задач определения уровня слож-ности апноэ во сне путем локализации эпизодов апноэ во времени и предска-зании последующих эпизодов апноэ. Продемонстрировано, что с помощью сигналов от доступных портативных сенсоров можно с относительно высокой точностью решать типичные задачи для определения апноэ во сне, а также рассмотрены основные публичные наборы данных для тренировки соответствующих моделей глубинного обучения и варианты их возможного использования. В частности, доказано, что использование глубинного обучения может повысить точность классификации, локализации и предсказания апноэ, особенно с помощью использования более сложных моделей глубинного обучения с учетом мультимодальных данных из нескольких сенсоров. Розглянуто та проаналізовано використання сучасних підходів машинного навчання для визначення рівня тяжкості апное уві сні шляхом локалізації епізодів апное в часі та передбачення наступних епізодів апное. Продемонстровано, що за допомогою сигналів від доступних і портативних сенсорів можна з відносно високою точністю розв’язувати типові задачі з визначення апное уві сні, а також розглянуто основні публічні набори даних для тренування відповідних моделей машинного навчання та варіанти їх можливого використання. Зокрема, доведено, що застосування глибинного навчання може підвищити точність класифікації, локалізації та передбачення апное, особливо за допомогою використання більш складних моделей глибинного навчання, які враховують мультимодальні дані від декількох сенсорів. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|