Çocuklarda Horlama Episodlarının Otomatik Tespiti

Abstract

In this paper, a novel algorithm is proposed for automatic detection of snoring sounds from ambient acoustic data in a pediatric population. With the approval of institutional ethic committee and parents, the respiratory sounds of 50 subjects were recorded by using a pair of microphones and multichannel data acquisition system simultaneously with full-night polysomnography during sleep. Brief sound chunks of 0.5 s were classified as either belonging to a snoring event or not with a multi-layer perceptron which was trained in a supervised fashion using stochastic gradient descent on a large hand-labeled dataset using frequency domain features. The overall accuracy of the proposed algorithm was found to be 88.93% for primary snorers and 80.6% for obstructive sleep apnea (OSA) patients.

Bu çalışmada, çocuklarda horlama episodlarının ortam ses kayıtlarından otomatik olarak tespitini sağlayan bir sistem geliştirilmiştir. Kurumsal etik iznine uygun şekilde ve velilerin onayıyla 50 çocuktan gece boyunca bir çift mikrofon ve polisomnografi cihazı ile eşzamanlı veri kaydı alınmıştır. Yarım saniyelik kısa ses kayıtları çok katmanlı perseptronlar kullanılarak horlama olup olmadığı tespit edilmiştir. Frekans uzayındaki öznitelikler kullanılarak el ile işaretlenmiş büyük bir veri seti çok katmanlı perseptronları eğitmek için kullanılmıştır. ? Tasarlanan yöntemin doğruluk oranı sıradan horlamalar için % 88,93, tıkanıklığa bağlı uyku apneleri için ise % 80,6 oranında olduğu gözlemlenmiştir.