بخشی از مقاله
چکیده
آپنه از لغت یونانی Apnea گرفته شده است. در این اختلال تنفس به طور مکرر در طول خواب قطع شده و مجددا شروع می شود. قطع تنفس ممکن است برای مدت 10 الی 30 ثانیه طول بکشد و باعث کاهش فشار خون و نرسیدن اکسیژن به مغز گردد. در طول آپنه، افراد با دهانی خشک، بدنی عرق آلود و سردرد از خواب بیدار می شوند. این بیدار شدن های متوالی نمی گذارند بیمار به خواب عمیق فرو رود و برای همین این افراد روز بعد را با خستگی و خواب آلودگی شدید سپری می کنند.
شناسایی زودهنگانم آپنه می تواند به سلامت بیمار در زمان خواب، کمک شایانی نماید که می تواند از بروز سکته های مغزی و قلبی، جلوگیری نماید. استفاده از دو سیگنال در این زمینه مرسوم است که شامل سیگنالی قلبی یا ECG و سیگنالی مغزی یا EEG است. این تحقیق استفاده از سیگنال های مغزی یا EEG را مدنظر قرار می دهد تا عملیات تشخیص آپنه خواب، صورت گیرد. روش پیشنهادی استفاده از ترکیب فیلترهای سیگنالی است، بدین صورت که الگوریتم ازدحام ذرات بینه جهت آموزش داده سیگنالی و ترکیب آن با فیلترهای سیگنالی یعنی تبدیل موجک گسستهٌ به منظور بهبود فضای سیگنال و علامت گذاری آن، مورد استفاده واقع می گردد. همچنین یک سری روش ارزیابیٍ به منظور تضمین رویکرد پیشنهادی بر روی این ایده، قرار می گیرد که از جمله آن ها می توان به میانگین مربعات خطاَ، نسبت سیگنال به نویزُ، دقتِ، حساسیتّ و نرخ ویژگی هاْ را نام برد.
-1 بیان مسئله امروزه به دلیل وجود تشنج های فراوان در زندگی انسان ها، استرس و اضطراب در آن ها موج می زند. همین طور افرادی هستند که در طول روز به دلیل کارهای زیادی که برای انجام دارند، دچار خواب آلودگی می شوند. همین امر یکی از نشانه های اصلی یک نوع بیماری مزمن به نام آپنهَ خواب است که در زمان خواب بودن افراد با توقف 10 الی 30 ثانیه تنفس، رخ می دهد .[1] آپنه خواب در یک بازه مشخص رخ نمی دهد و می تواند در فواصل مختلف زمانی در طول خواب شاید 100 ها بار تکرار شود .
[1] افرادی که دچار آپنه خواب هستند، در شب ها کمتر می خوابند و به همین دلیل در طول روز، کارایی پایینی خواهند داشت. در بعضی موارد نیز سرگیجه، توهم و فراموشی به دلیل کم خوابی رخ می دهد که می تواند عواقب جبران ناپذیری داشته باشد. یکی از این عواقب که بسیار نیز خطرناک است، مختص افرادی است که به رانندگی با موتور یا خودرو می پردازند که به دلیل نبود هوش کافی در طول روز، احتمال تصادف برای آن ها وجود دارد. یکی دیگر از عواقبی که احتمال می رود بر اساس آپنه خواب افراد درمان نشده رخ دهد، وقوع فشار خون بالا است. به صورت کلی، دو نوع آپنه خواب وجود دارد :[1]
✓ آپنه خواب انسدادی که راه هوایی بینی و حلق را کامل مسدود می کند. چنین مشکلی می تواند به دلیل وجود یک سری اندام ها نیز باشد، مانند لوزه های بزرگ، زبان بزرگ، زمان پایین دم و بازدم. در چنین افرادی، یک سری بافت های اضافه در اندام ها وجود دارد که در هنگام خواب، همین بافت ها جلوی ورود و خروج هوا را می بندند.
✓ آپنه خواب مرکزی که در ناحیه کنترل تنفس در مرکز مغز، آسیب وارد می کند. این آسب به دلیل یک عفونت و یا سکته مغزی است. جهت تشخیص آپنه خواب، نیاز به معاینه فیزیکی می باشد تا پزشک، دهان و گلو را مشاهده نماید. همچنین یک پزشک متخصص، نیاز به جمع آوری یک سری اطلاعات از فرد دارای آپنه خواب دارد که شامل موار ذیل است :[2]
✓ وجود خروپف در طول خواب
✓ احساس خواب آلودگی در طول روز
به منظور شناسایی و تشخیص احساس خواب آلودگی، نیاز به یک سری آزمایش است که اصولا با یک سری حسگر و قرار دادن آن بر روی قفسه سینه، انگشت، بینی و پوست سر، شناسایی و تشخیص انجام می شود که هر کدام از این ها، دارای یک سری وظایف می باشند .[2] به طور مثال، حسگرهایی که بر روی نواحی پوست قرار می گیرد، به بررسی و اندازه گیری مدت زمان خواب رفتن افراد با استفاده از امواج مغزی می پردازند. حسگری که در نواحی انگشت قرار می گیرد، به اندازه گیری سطح اکسیژن خون می پردازد. حسگرهایی که بر روی ناحیه قفسه سینه قرار می گیرند، به ثبت نرخ ضربان قلب و میزان دم و بازدم در تنفس می پردازد. این حسگر در نواحی قفسه سینه همچنین به بررسی زمان و چگونگی قطع تنفس در بیمار نیز می پردازد. حسگرهای دیگری که در نواحی بینی قرار می گیرند، به اندازه گیری جریان هوا می پردازند.
یکی از راه هایی شناسایی و تشخیص آپنه خواب، استفاده از سیگنال های حیاتی انسان است. یکی از این سیگنال ها که توسط حسگرها دریافت می شود، سیگنال مغزی یا اصطلاحا EEG است. در این سیگنال، سیگنال های فیزیولوژیک ضبط شده در حین خواب از افراد واقعی، وجود دارد که از طریق حسگرهایی که در نواحی مغز هستند، اطلاعات این بخش جمع آوری می گردد. با پردازش این سیگنال، می توان اطلاعاتی مفید از بیمار را استخراج نمود. از جمله این ویژگی ها، نرخ ضربان قلب، وجود لایه ای برای ضعیف بودن دم و بازدم در تنفس و عوامل دیگری مانند فشار خون با توجه به عملکرد مغز را می توان نام برد. جهت پردازش این سیگنال و شناسایی و تشخیص بیماری آپنه خواب، نیاز به روش های یادگیر است که از خانواده یادگیری ماشینُ هستند.
بر اساس روش هایی که در زمینه یادگیری ماشین وجود دارد، می توان با یک سری آموزش و شناسایی و استخراج ویژگی ها، نواحی دارای آپنه خواب از سیگنال را تشخیص داد. این تشخیص، اگر به موقع باشد، از بروز حوادثی مانند فشار خون در افراد، جلوگیری می کند. بدین منظور، تحقیق پیش رو، سعی در ارائه یک روش مبتنی بر قواعد یادگیری ماشین را دارد که بتواند عملیات تشخیص آپنه خواب را انجام دهد. با توجه به این که سیگنال های EEG از قبل موجود هستند و کافیست به عنوان ورودی وارد سیستم شوند،
لذا یک مرحله پیش پردازشًٌ در آن به منظور کاهش نویز و شناسایی دامنه، لازم است. سپس بر اساس یک روش یادگیر، عملیات آموزش داده بر اساس ویژگی های موجود در مجموعه داده ورودی سیگنالی، انجام می شود. این آموزش که به صورت با ناظرٌٌ است، بدین صورت عمل می نماید که در داده ورودی سیگنال، ویژگی ها مشخص هستند - یعنی ورودی ها - و همچنین بازه خروجی برای تشخیص نیز مشخص است، فقط نیاز به یک روش بهینه سازی جهت بهبود دقت در تشخیص می باشد و این که بتوان نواحی را بر اساس خروجی، علامت گذاری نمود. به همین دلیل، بر اساس مطالعاتی که صورت گرفت، از الگوریتم ازدحام ذرات بهینهٌٍ به عنوان روش آموزشی استفاده می شود که دارای سرعت بالایی در آموزش با ناظر است.
دلیل استفاده از الگوریتم ازدحام ذرات بهینه به جای استفاده از سایر الگوریتم های تکاملی و هوش جمعی موجود، کم بودن نرخ محاسبات و پیچیدگی محاسباتی آن است و این که سرعت عملکردی در آموزش، با متغیرهایش مناسب تر است. همچنین به منظور بهبود نرخ دقت در تشخیص آپنه و علامت گذاری نواحی سیگنال، از الگوریتم روش سیگنالی مبتنی بر الگوریتم ازدحام ذرات بهینه استفاده می شود. این الگوریتم که از خانواده الگوریتم های تکاملیٌَ است، فضای آموزش داده شده سیگنالی را به عنوان یک محیط جستجوٌُ در نظر می گیرد. سپس با تعریف یک سری عملگر
