| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-11-15 11:25 Sleep Apnea Detection Using Deep Convolutional Neural Network ○Hnin Thiri Chaw・Sinchai Kamolphiwong・Krongthong Wongsritrang（PSU）  IA2019-39 |
|
| 抄録 | （和） | Sleep apnea is the breathing disorder in which the cessation of the air flow occurs while sleeping. Deep convolutional neural network is good at effective and powerful feature learning ability in order to detect sleep apnea. Moreover, it is also suitable for large and complex nature of the datasets such as the nature of polysomnography signals, EEG(electroencephalography) signal, ECG(electrocardiography) signal, oximetry signal. The nature of the respiratory signals is also very complex and it contain nasal pressure signal, thermistor signal, oximetry signal, thoracic signal and abdominal signal. In this paper, the detection of the sleep apnea using deep convolutional network will be used and the signal that is used in this paper is oximetry signal which is also known as SPO2 signal. In addition, the model that is used in this study is known as type 4 sleep studies which focus more on portability and reduction of the signals in order to cover the limitations of the type 1 sleep studies which require a number of signals known as polysomnography. The total number of SPO2 samples from 50 patients is 190,000 samples and subject specific scenario validation is used with a split rate of 0.2 in each empirical study. The performance of the overall accuracy of sleep apnea detection is 91.3085% with the loss rate the prediction of 2.3 using cross entropy cost function. |
| （英） | Sleep apnea is the breathing disorder in which the cessation of the air flow occurs while sleeping. Deep convolutional neural network is good at effective and powerful feature learning ability in order to detect sleep apnea. Moreover, it is also suitable for large and complex nature of the datasets such as the nature of polysomnography signals, EEG(electroencephalography) signal, ECG(electrocardiography) signal, oximetry signal. The nature of the respiratory signals is also very complex and it contain nasal pressure signal, thermistor signal, oximetry signal, thoracic signal and abdominal signal. In this paper, the detection of the sleep apnea using deep convolutional network will be used and the signal that is used in this paper is oximetry signal which is also known as SPO2 signal. In addition, the model that is used in this study is known as type 4 sleep studies which focus more on portability and reduction of the signals in order to cover the limitations of the type 1 sleep studies which require a number of signals known as polysomnography. The total number of SPO2 samples from 50 patients is 190,000 samples and subject specific scenario validation is used with a split rate of 0.2 in each empirical study. The performance of the overall accuracy of sleep apnea detection is 91.3085% with the loss rate the prediction of 2.3 using cross entropy cost function. | |
| キーワード | （和） | deep convolutonal neural network / sleep apnea detection / type 4 sleep studies / polysomnography / spo2 / oximetry / deep learning / sleep apnea prediction |
| （英） | deep convolutonal neural network / sleep apnea detection / type 4 sleep studies / polysomnography / spo2 / oximetry / deep learning / sleep apnea prediction | |
| 文献情報 | 信学技報, vol. 119, no. 291, IA2019-39, pp. 67-71, 2019年11月. | |
| 資料番号 | IA2019-39 | |
| 発行日 | 2019-11-07 (IA) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IA2019-39 |
|
| 研究会情報 | |
| 研究会 | IA |
| 開催期間 | 2019-11-14 - 2019-11-15 |
| 開催地（和） | 関西学院大学 東京丸の内キャンパス(サピアタワー) |
| 開催地（英） | Kwansei Gakuin University, Tokyo Marunouchi Campus (Sapia Tower) |
| テーマ（和） | IA2019 - Workshop on Internet Architecture and Applications 2019 |
| テーマ（英） | IA2019 - Workshop on Internet Architecture and Applications 2019 |
| 講演論文情報の詳細 | |
| 申込み研究会 | IA |
| 会議コード | 2019-11-IA |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Sleep Apnea Detection Using Deep Convolutional Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | deep convolutonal neural network / deep convolutonal neural network |
| キーワード(2)（和/英） | sleep apnea detection / sleep apnea detection |
| キーワード(3)（和/英） | type 4 sleep studies / type 4 sleep studies |
| キーワード(4)（和/英） | polysomnography / polysomnography |
| キーワード(5)（和/英） | spo2 / spo2 |
| キーワード(6)（和/英） | oximetry / oximetry |
| キーワード(7)（和/英） | deep learning / deep learning |
| キーワード(8)（和/英） | sleep apnea prediction / sleep apnea prediction |
| 第1著者 氏名（和/英/ヨミ） | Hnin Thiri Chaw / Hnin Thiri Chaw / |
| 第1著者 所属（和/英） | Prince of Songkla University (略称： PSU) Prince of Songkla University (略称： PSU) |
| 第2著者 氏名（和/英/ヨミ） | Sinchai Kamolphiwong / Sinchai Kamolphiwong / |
| 第2著者 所属（和/英） | Prince of Songkla University (略称： PSU) Prince of Songkla University (略称： PSU) |
| 第3著者 氏名（和/英/ヨミ） | Krongthong Wongsritrang / Krongthong Wongsritrang / |
| 第3著者 所属（和/英） | Prince of Songkla University (略称： PSU) Prince of Songkla University (略称： PSU) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-11-15 11:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IA |
| 資料番号 | IA2019-39 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.291 |
| ページ範囲 | pp.67-71 |
| ページ数 | 5 |
| 発行日 | 2019-11-07 (IA) |
[研究会発表申込システムのトップページに戻る]