Машинне навчання під час діагностування і моніторингу сонного апное
Розглянуто та проаналізовано використання сучасних підходів машинного навчання для визначення рівня тяжкості апное уві сні шляхом локалізації епізодів апное в часі та передбачення наступних епізодів апное. Продемонстровано, що за допомогою сигналів від доступних і портативних сенсорів можна з відно...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Igor Sikorsky Kyiv Polytechnic Institute
2020-12-01
|
| Series: | Sistemnì Doslìdženâ ta Informacìjnì Tehnologìï |
| Subjects: | |
| Online Access: | http://journal.iasa.kpi.ua/article/view/228369 |
| _version_ | 1828340458370105344 |
|---|---|
| author | Dmytro Tkachenko Ihor Krush Vitalii Mykhalko Anatolii Petrenko |
| author_facet | Dmytro Tkachenko Ihor Krush Vitalii Mykhalko Anatolii Petrenko |
| author_sort | Dmytro Tkachenko |
| collection | DOAJ |
| description |
Розглянуто та проаналізовано використання сучасних підходів машинного навчання для визначення рівня тяжкості апное уві сні шляхом локалізації епізодів апное в часі та передбачення наступних епізодів апное. Продемонстровано, що за допомогою сигналів від доступних і портативних сенсорів можна з відносно високою точністю розв’язувати типові задачі з визначення апное уві сні, а також розглянуто основні публічні набори даних для тренування відповідних моделей машинного навчання та варіанти їх можливого використання. Зокрема, доведено, що застосування глибинного навчання може підвищити точність класифікації, локалізації та передбачення апное, особливо за допомогою використання більш складних моделей глибинного навчання, які враховують мультимодальні дані від декількох сенсорів.
|
| first_indexed | 2024-04-13T22:56:52Z |
| format | Article |
| id | doaj.art-a7392de48bac4506bc7dd288ceba92ea |
| institution | Directory Open Access Journal |
| issn | 1681-6048 2308-8893 |
| language | Ukrainian |
| last_indexed | 2024-04-13T22:56:52Z |
| publishDate | 2020-12-01 |
| publisher | Igor Sikorsky Kyiv Polytechnic Institute |
| record_format | Article |
| series | Sistemnì Doslìdženâ ta Informacìjnì Tehnologìï |
| spelling | doaj.art-a7392de48bac4506bc7dd288ceba92ea2022-12-22T02:25:58ZukrIgor Sikorsky Kyiv Polytechnic InstituteSistemnì Doslìdženâ ta Informacìjnì Tehnologìï1681-60482308-88932020-12-01410.20535/SRIT.2308-8893.2020.4.04Машинне навчання під час діагностування і моніторингу сонного апноеDmytro Tkachenko0Ihor Krush1Vitalii Mykhalko2Anatolii Petrenko3Навчально-науковий комплекс "Інститут прикладного системного аналізу" Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського", КиївНавчально-науковий комплекс "Інститут прикладного системного аналізу" Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського", КиївНавчально-науковий комплекс "Інститут прикладного системного аналізу" Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського", КиївНавчально-науковий комплекс "Інститут прикладного системного аналізу" Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського", Київ Розглянуто та проаналізовано використання сучасних підходів машинного навчання для визначення рівня тяжкості апное уві сні шляхом локалізації епізодів апное в часі та передбачення наступних епізодів апное. Продемонстровано, що за допомогою сигналів від доступних і портативних сенсорів можна з відносно високою точністю розв’язувати типові задачі з визначення апное уві сні, а також розглянуто основні публічні набори даних для тренування відповідних моделей машинного навчання та варіанти їх можливого використання. Зокрема, доведено, що застосування глибинного навчання може підвищити точність класифікації, локалізації та передбачення апное, особливо за допомогою використання більш складних моделей глибинного навчання, які враховують мультимодальні дані від декількох сенсорів. http://journal.iasa.kpi.ua/article/view/228369моніторингреспіраторні хворобиглибинне навчанняполісомнографіясонне апноеCNN |
| spellingShingle | Dmytro Tkachenko Ihor Krush Vitalii Mykhalko Anatolii Petrenko Машинне навчання під час діагностування і моніторингу сонного апное Sistemnì Doslìdženâ ta Informacìjnì Tehnologìï моніторинг респіраторні хвороби глибинне навчання полісомнографія сонне апное CNN |
| title | Машинне навчання під час діагностування і моніторингу сонного апное |
| title_full | Машинне навчання під час діагностування і моніторингу сонного апное |
| title_fullStr | Машинне навчання під час діагностування і моніторингу сонного апное |
| title_full_unstemmed | Машинне навчання під час діагностування і моніторингу сонного апное |
| title_short | Машинне навчання під час діагностування і моніторингу сонного апное |
| title_sort | машинне навчання під час діагностування і моніторингу сонного апное |
| topic | моніторинг респіраторні хвороби глибинне навчання полісомнографія сонне апное CNN |
| url | http://journal.iasa.kpi.ua/article/view/228369 |
| work_keys_str_mv | AT dmytrotkachenko mašinnenavčannâpídčasdíagnostuvannâímonítoringusonnogoapnoe AT ihorkrush mašinnenavčannâpídčasdíagnostuvannâímonítoringusonnogoapnoe AT vitaliimykhalko mašinnenavčannâpídčasdíagnostuvannâímonítoringusonnogoapnoe AT anatoliipetrenko mašinnenavčannâpídčasdíagnostuvannâímonítoringusonnogoapnoe |