ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

НЕЙРОДИНАМИЧЕСКАЯ ДИАГНОСТИКА НАРУШЕНИЙ ДЫХАНИЯ ВО ВРЕМЯ СНА

Читать

Девятых Дмитрий Владимирович, Гергет Ольга Михайловна, Берестнева Ольга Григорьевна НЕЙРОДИНАМИЧЕСКАЯ ДИАГНОСТИКА НАРУШЕНИЙ ДЫХАНИЯ ВО ВРЕМЯ СНА // Прикаспийский журнал:  управление и высокие технологии. — 2014. — №4. — Стр. 144-156.

Девятых Дмитрий Владимирович - аспирант, Национальный исследовательский Томский политехнический университет, 634050, Российская Федерация, г. Томск, пр. им. В.И. Ленина, 30, ddv.edu@gmail.com

Гергет Ольга Михайловна - кандидат технических наук, Национальный исследовательский Томский политехнический университет, 634050, Российская Федерация, г. Томск, пр. им. В.И. Ленина, 30, olgagerget@mail.ru

Берестнева Ольга Григорьевна - доктор технических наук, профессор, Национальный исследовательский Томский политехнический университет, 634050, Российская Федерация, г. Томск, пр. им. В.И. Ленина, 30, ogb6@yandex.ru

Актуальность работы обусловлена необходимостью разработки алгоритмов обнаружения синдрома сонного апноэ у больных бронхиальных астмой. Целью работы являлось исследование эффективности использования нейросетевого подхода для локализации эпизодов обструктивного апноэ у больных бронхиальной астмой, сравнительный анализ эффективности использования для этой цели различных динамических нейросетевых архитектур. Исследовались динамические искусственные нейронные сети трех типов: с фокусированной задержкой по времени; с распределенной задержкой по времени; нелинейные авторегрессионные модели с внешними входами. Применялся программный продукт Matlab Neural Network Toolbox 2014a. В качестве метода обучения нейронной сети использовался алгоритм Resilient Propagation. Особенность метода заключается в том, что для определения величины корректировки синаптического веса не требуется точного значения локального градиента. Достаточно определить, является ли локальный градиент положительным или отрицательным, и менял ли он свой знак по сравнению с предыдущей итерацией. В качестве входных данных, на которых обучались нейронные сети, использовалась база данных пульмонологического отделения третьей городской больницы, г. Томск. В ней содержались 39 полисомнографических записей, типичная длительность которых составляла 8-10 часов. Частота взятия отсчетов записи воздушного потока составляла 11 Гц. Для различных типов динамических нейронных сетей были проведены процессы их обучения и тестирования. Сравнение точности результатов, полученных при работе с обучающей и тестовой выборками, позволило сделать вывод о том, что наиболее эффективное нейросетевое решение должно основываться на архитектуре нелинейной авторегрессии с внешними входами.

Ключевые слова: обструктивное сонное апноэ, динамические нейронные сети, рекуррентные нейронные сети, задержка сигнала, обратные связи, машинное обучение, эластичное сопротивление, распознавание образов, предсказание временных рядов, Obstructive sleep apnea, overlap synd