ty-jour a2 - 张，努亚·张，君明·奥堂，甄奥 - 高，金峰·奥林，李··刘，志良互武，海涛·艾 - 刘，方澳，r r2021DA - 2021/03/23 TI - 使用深层CNN-LSTM Model SP-5594733 VL - 2021 AB - 阻塞性睡眠呼吸暂停（OSA）是一种常见的睡眠相关呼吸系统障碍。世界各地，越来越多的人遭受OSA。由于监测设备的限制，许多人与OSA仍未被发现。因此，我们提出了一种使用卷积神经网络（CNN）的单通道心电图的睡眠监测模型，可用于便携式OSA监视器设备。要了解不同的尺度特征，第一个卷积层包括三种类型的过滤器。长期内记忆（LSTM）用于学习长期依赖性，例如OSA转换规则。SoftMax功能连接到最终完全连接的层以获得最终决定。要检测完整的OSA事件，原始ECG信号由10个重叠滑动窗口分段。所提出的模型采用分段原始信号培训，随后测试以评估其事件检测性能。 According to experiment analysis, the proposed model exhibits Cohen’s kappa coefficient of 0.92, a sensitivity of 96.1%, a specificity of 96.2%, and an accuracy of 96.1% with respect to the Apnea-ECG dataset. The proposed model is significantly higher than the results from the baseline method. The results prove that our approach could be a useful tool for detecting OSA on the basis of a single-lead ECG. SN - 1687-5265 UR - https://doi.org/10.1155/2021/5594733 DO - 10.1155/2021/5594733 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -