بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
تشخیص هوشمند آپنه خواب و نوع آن مبتنی بر ویژگی سیگنالهاي تلاش تنفسی قفسه سینه و اشباع اکسیژن خون
چکیده - آپنه خواب یک بیماري نسبتا شایع است که در اثر وقفههاي تنفسی در هنگام خواب شبانه ایجاد میگردد. ثبت پلیسومنوگرافی روش تشخیصی استاندارد براي سندرم آپنه-هیپوپنه می باشد که جهت تشخیص این بیماري در یک دوره خواب شبانه استفاده می شود. هدف از انجام این پژوهش تشخیص و طبقهبندي خودکار انواع آپنه خواب بر اساس اعمال الگوریتمهاي طبقهبنديکننده به سیگنالهاي تلاش تنفسی قفسه سینه و اشباع اکسیژن خون می باشد. سیگنالها حاصلِ ثبت پلیسومنوگرافی از 54 نفر 18) نفر سالم، 18 نفر داراي آپنه خواب انسدادي و 18 نفر داراي آپنه خواب مرکزي) میباشد. در این مقاله، برخی ویژگیهاي زمانی، فرکانسی، طیفی متداول و غیرخطی از این دو سیگنال استخراج و سپس توسط هر یک از دو روش الگوریتم ژنتیک و تجزیه و تحلیل مولفههاي اصلی (PCA)، به استخراج ویژگیهاي بهینه پرداخته و در نهایت طبقهبندي کننده ماشین بردار پشتیبان براي دستهبندي ویژگیها در سه کلاس افراد سالم، آپنه انسدادي و آپنه مرکزي به کار گرفته شده است.
میانگین صحت نتایج سیستم تشخیص خودکار بیماري و طبقهبندي کننده نوع آپنه خواب به سه کلاس افراد سالم، آپنه انسدادي و آپنه مرکزي، به ازاي الگوریتم ژنتیک برابر 90/2± 0/02درصد (محدوده (87/5-95/8 در مجموعه دادههاي تست، و صحت 90/9درصد در مجموعه دادههاي اعتباربخشی و به ازاي الگوریتم تجزیه و تحلیل مولفههاي اصلی برابر 66/7درصد در مجموعه دادههاي تست مشاهده گردید.
کلید واژه- آپنه خواب، الگوریتم ژنتیک، سیگنال اشباع اکسیژن خون، سیگنال تلاش تنفسی قفسه سینه، ماشین بردار پشتیبان.
-1 مقدمه
تا اواسط قرن بیستم، همه بر این باور بودند که خـواب یـک دوره غیرفعال در فیزیولوژي اعضا میباشد. امـا امـروزه همـراه بـا پیشرفت تکنولوژي، به این باور رسیدهاند که خـواب یـک پروسـه دینامیکی میباشد. در واقع، خواب که یـک وضـعیت خودآگـاه و فعال است، مرحلهاي از عملکرد مغز با هماهنگی بـالا مـیباشـد.[1]
در حال حاضر بیش از هشتاد اختلال خـواب شـناخته شـده است که درصد قابل توجهی از آنها را اختلالات تنفسی در طول خواب تشکیل میدهند. کاهش 30 درصد جریان هـوا بـه مـدت بیش از 10 ثانیه در هنگام خواب همراه بـا کـاهش 3 درصـد در میزان اشباع اکسیژن خون را هایپوپنه و وقفههاي کامـل جریـان تنفسی براي مدت زمان بیش از 10 ثانیه در هنگام خواب را آپنه خواب گویند. سندرم آپنه خواب یک تعبیر بـالینی شـامل وجـود دورههایی از آپنه، هایپوپنه و علائم اختلال عملکرد تنفسی اسـت که غالباً منجر به کاهش اشباع اکسیژن خون و انقطاع قابل توجه خواب و در نتیجه بروز علائم روزانه میشود. این سـندرم ممکـن است انسدادي (OSA)، مرکزي (CSA) یا مخـتلط (Mix) باشـد
.[2] در نوع انسدادي، بافتهاي نرم مجـاري هـوایی فوقـانی بـه طور گذرا برروي هم میخوابند و در نتیجه از عبـور جریـان هـوا
ممانعت بهعمل میآورند و انسداد محلی یا تغییـر شـکل جریـان هواي فوقانی ایجاد میشود. توقفهـاي تنفسـی در ایـن افـراد بـا تقلاي ریه در جهت تنفس به هنگام انسداد رخ میدهد و معمولاً با یک بازدم و دم شدید در انتهاي انسداد همراه است. شیوع آپنه انسدادي شایعتر از آپنه مرکـزي اسـت 4]،.[3 در نـوع مرکـزي، سیستم مرکزي کنترل تنفس مغز دچار اختلال میگردد و توقف تنفس بدون هیچگونه تلاش براي دم یا بازدم بیشتر از 10 ثانیـه در طول انسداد صورت میگیرد و در صورت افزایش بیش از پـنج بار در ساعت غیرطبیعی است. بنابراین براي اثبات اینکه یک آپنه مرکزي است باید اثبات شود که در طی آپنه هیچ تلاش تنفسـی وجود ندارد 5]،.[3
دستگاه مورد استفاده براي اندازه گیري و ثبت سیگنالهـاي فیزیولــوژیکی در طــول خــواب، پلــیســومنوگراف نــام دارد و سیگنالهاي ثبت شده توسط این دستگاه، پلیسـومنوگرافی نـام دارد. ایـن تسـت بـراي تشـخیص بسـیاري از اخـتلالات خـواب، استاندارد طلایی محسوب میشود که از جمله آنها میتـوان بـه سـندرم آپنـه خـواب انسـدادي، سـندرم آپنـه خـواب مرکـزي و نارکولپسی اشاره کرد. یکی از عوارض و نشانههاي مشـترك ایـن اختلالات، خواب آلودگی درطی روز مـیباشـد .[6] از آنجـا کـه ثبتهاي پلیسومنوگرافی گرانقیمت و زمانبر بوده و هـمچنـین دسترسی به کلینیکهاي خواب به راحتی امکانپذیر نمـیباشـد، روشی هوشمند بـراي تشـخیص بیمـاري بگونـهاي کـه بیمـاران بتوانند به راحتی در خانه و با حداقل هزینـه تسـت هـا را انجـام دهند، حائز اهمیت می باشد. از سوي دیگـر، روش درمـان انـواع مختلف بیماري آپنه خواب متفاوت اسـت، بنـابراین بسـیار مهـم است که نوع بیماري درست تشخیص داده شود. علیرغم اهمیـت تشخیص هوشمند و دقیق نوع آپنه، تحقیقات انجام شده در ایـن حوزه بسیار محدود می باشد .[7]
در این مقاله سعی شده است تـا بـا انتخـاب سـیگنالهـاي پردازشی مناسب و بررسی قابلیت روشهاي پردازشی مختلف، به روشی خودکار و دقیق براي تشخیص و طبقـه بنـدي انـواع آپنـه خواب نائل شویم. در این راستا، به منظـور انتخـاب ویژگـیهـاي بهینه از بین ویژگیهاي متعـددي کـه بـراي دو سـیگنال تـلاش تنفسی و اشباع اکسـیژن خـون اسـتخراج شـده اسـت، دو روش الگوریتم ژنتیک و تجزیه و تحلیل مولفههـاي اصـلی بـا یکـدیگر مقایسه شده اند. همچنین پس از انتخاب ویژگـیهـاي بهینـه، از طبقهبنديکننده ماشین بردار پشتیبان دو سطحه بـراي تفکیـک سه کلاس بین افراد سالم و داراي بیماري آپنه خواب انسـدادي و بیماري آپنه خواب مرکزي ازهم، استفاده شده است.
-2 مواد و روش ها
در این تحقیق به ثبت پلیسومنوگرافی با نرخ نمونـه بـرداري 2 میلی ثانیه، از 54 فرد در کلینیک خواب بیمارستان ابـن سـینا در مشهد پرداختهایم. سالم و بیمار بودن این افراد و نوع بیمـاري توسط متخصصین مغز و اعصاب در این کلینیک برچسبگـذاري شده است و افراد به دسته 18 نفري سالم، 18 نفري داراي آپنـه خــواب انســدادي و 18 نفــري داراي آپنــه خــواب مرکــزي تقسـیمبنـدي شـدهانـد. افـراد شـامل 41 مـرد و 13 زن، داراي میانگین سنی 46/3 سال (محـدوده (21-77 و میـانگین شـدت آپنه-هایپوپنه 17/8 (AHI) (محدوده (0-60 میباشند. جـدول1 ویژگیهاي افراد مورد آزمایش را نشان میدهـد. در هـر کـلاس، 55 درصد افراد براي دادههاي آموزش و 45درصد براي دادههـاي تست جهت اعمال به الگوریتم استفاده شده است.
دادههاي اعتبارسنجی مورد استفاده از وب سـایت فیزیونـت اخذ شده اند. بانک اطلاعاتی شـامل 25 فـرد 21) مـرد و 4 زن)
سالم و داراي بیماري آپنه خواب، داراي میـانگین سـنی 50±10 سال (رنج بین 26-68 سال) میانگین ضـریب جـرم بـدن BMI، 31/6± 4/0 kg/m2 (رنــج بــین (25/1-42/5 kg/m2 و میــانگین شدت آپنه AHI، 20/14±2/03 (رنج بین (1/7-90/9 میباشد.
روش تشخیصی ارائه شـده در ایـن مقالـه بـه چهـار بخـش تقسیم میشود: انتخاب سیگنال حیاتی مناسب جهـت پـردازش، استخراج ویژگی، انتخاب ویژگی، و طبقهبنديکننده که در ادامـه به توضیح هر بخش پرداخته شده است.
-1-2 انتخاب سیگنال حیاتی مناسب
اولین تاثیر بیماري آپنه خواب بر روي اکسیژن خـون اسـت، بنابراین این سیگنال همواره مورد توجه بـوده اسـت امـا تنهـا بـا بررسی سیگنال اشباع اکسیژن خون نمیتوان به دقـت و صـحت مناسبی دست یافت. به همین دلیل از ایـن سـیگنال بـه صـورت ترکیبی با سیگنال دیگري استفاده میکنیم. از سوي دیگر، همان طور که در بخش مقدمه توضیح داده شد، یکی از عوامل مشخصه آپنه مرکزي از آپنه انسدادي، عدم وجود تلاش تنفسـی در آپنـه مرکزي است. بنابراین باتوجه به اینکه یکـی از اهـداف مهـم ایـن مقاله تعیین نوع آپنه می باشـد، سـیگنال تـلاش تنفسـی قفسـه سینه و اشباع اکسیژن خون بـه صـورت ترکیبـی بـراي پـردازش انتخاب شدهاند که اهداف این تحقیق را محقق میسازند.
در ثبت پلـیسـومنوگرافی از کمربنـد پلتیسـموگرافی بـراي اندازهگیري تـلاشهـاي تنفسـی شـکم و قفسـه سـینه اسـتفاده میشود، به این ترتیب که با نصب الکترودهایی بـر روي سـینه و شکم، وضعیت حرکات قفسه سینه و شکم در موقع نفس کشیدن در حین خواب شبانه بررسی میشود.
-2-2 استخراج ویژگیها
بعد از انتخاب سیگنال مناسب و حذف نویز آن، ویژگیهـاي زمانی، ویژگیهاي فرکانسی، ویژگـیهـاي طیفـی و ویژگـیهـاي غیرخطی از سیگنالها استخراج شده اند.
-1-2 -2 ویژگیهاي حوزه زمان
در این حوزه چهار مورد زیـر را بـراي دو سـیگنال محاسـبه کرده ایم 9]،:[8
(1 میانگین (f1)، یک اندازهگیـري آمـاري از توزیـع دادههـا میباشد که به عنوان ویژگی مطلوب مورد استفاده قرار میگیرد.
2) واریانس (f2)، نماینده میزان پراکندگی دادهها میباشد.
(3 چولگی((Skewness) (f3، نماینده تقـارن توزیـع دادههـا میباشد.
(4 کشـیدگی((f4) (Kurtosis، یـک انـدازهگیـري آمـاري از مقدار اوج دادهها میباشد.
-2-2-2 ویژگیهاي حوزه فرکانس
در این حوزه ابتدا چگـالی طیـف تـوان بـراي دو سـیگنال و سپس موارد زیر محاسبه شده است:
(1 چهار ویژگی گفته شده در حوزه زمان، براي مولفـههـاي طیفی بدست آورده، محاسبه شده است 9] (f5- f8)،.[8
(2 فرکانس میانه (f9)، این فرکانس براي مولفههاي طیفـی- اي تعریف میشود که شامل 50 درصد قدرت کل سیگنال باشـد
10]،.[8
3) آنتروپـی طیفــی (f10)، انــدازهگیـري بــینظمــی طیــف میباشد .
-3-2-2 ویژگیهاي طیفی
در این حوزه موارد زیر محاسبه شده است:
(1 قدرت طیفی کل سیگنال (f11)، که نماینده سـطح زیـر نمودار چگالی طیف توان میباشد.
(2 پیک دامنه در محدوده فرکانسی آپنـه خـواب :[8] (f12) محدوده فرکانسی آپنه خواب کـه توسـط [11] Zamarron et al.
مطرح شده است، بین 0/014-0/033 هرتز میباشد.
(3 قدرت نسبی :(f13) نسبت سطح زیر نمودار چگالی طیف توان در محدوده فرکانسـی آپنـه خـواب بـه قـدرت طیفـی کـل سیگنال .[8]
-4-2-2 ویژگیهاي غیرخطی
ویژگــیهــاي خطــی اطلاعــات مفیــدي دارنــد امــا بــراي سیگنالهاي بیولوژیکی کافی نیستند. بنـابراین در ایـن مطالعـه، ویژگیهاي غیرخطی بینظمی و تغییرات مشتق مرتبه دوم بـراي بدستآوردن اطلاعات بیشتر و تکمیلی از دینامیـک دو سـیگنال
محاسبه شده اند 12]،.[8
(1 آنتروپی نمونه (f14)، اندازهگیري غیرخطی از بـینظمـی در سري زمانی میباشد 13]،.[8
(2 گرایش به مرکز (f15) (Central tendency)، اندازهگیري غیرخطی از تغییرات مشتق مرتبه دوم میباشد 15]،14،.[8
که در آن:
-3-2 انتخاب ویژگیهاي بهینه
هدف از این مرحله تقلیـل مقـادیر زیـاد دادههـاي خـام بـه مقادیري است که بتوان آنها را مـورد ارزیـابی قـرار داد. در ایـن مرحله، الگوریتم ژنتیک را به دلیل جامع بودن و دیـد بیشـتر در فضاي جستجو، به عنوان روش بهینه سـازي مـوثر بـراي فضـاي جستجو متغیرها به منظـور عملکـرد بهتـر طبقـهبنـدي کننـده، انتخاب و براي مقایسه کار از الگوریتم تجزیه و تحلیل مولفههـاي اصلی (PCA) استفاده کردهایم.
-1-3-2 الگوریتم ژنتیک
الگوریتم ژنتیک یک روش آماري براي بهینهسازي و جستجو است که جزئی از محاسبات تکاملی و هوش مصـنوعی مـیباشـد.
ویژگیهاي خاص این الگوریتم باعث میشـود کـه نتـوانیم آن را یک جستجوگر تصادفی ساده قلمداد کنیم. در واقع ایده اولیه این روش از نظریه تکاملی داروین است و کارکرد آن براساس ژنتیـک طبیعی استوار میباشد. جواب مسـألهاي کـه از طریـق الگـوریتم ژنتیک حل میشود مرتباَ بهبود مییابد.
در این مقاله، مجموعـه ویژگـیهـاي دو سـیگنال در فضـاي جستجوي الگوریتم ژنتیک با دنباله باینري محدود تـدوین شـده اســت کــه در آن (1) نشــاندهنــده حضــور ویژگــی kام و (0) نشاندهنده عدم حضور ویژگی kام است. دقت
