Detección automática de apneas del sueño a partir del electrocardiograma

Abstract

En este proyecto se desarrollan dos clasificadores para la detección de apneas centrales utilizando la señal ECG de pacientes reales. El primero de ellos utiliza un decisor estadístico basado en la teoría de la evidencia de Dempster-Shafer para fusionar los resultados obtenidos de seis técnicas de identificación de apneas diferentes, a partir de la señal EDR. Los resultados muestran una detección del 82 % con un 63 % de ellas con un nivel de certeza por encima del 90 %. En el segundo, mediante técnicas de Machine Learning, con una red neuronal de siete capas, se consiguen resultados del 89 % de detección.

This project presents two central sleep apnea classifiers models using real ECG signals. The first one uses a statistical decision maker based on the Dempster-Shafer evidence theory tomergetheresultsobtainedfrom6di erentapneaidenti cationtechniques,using the EDR signal. The results show a 82 % detection with 63 % of them above a 90 % certainty level. In the second one, using Machine Learning techniques, with a 7-layer neural network, 89 % detection results are achieved.