DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/12874

Arxiu Descripció MidaFormat
05627787.pdf390,73 kBAdobe PDFThumbnail
Veure/Obrir

Citació: Morgenstern, C.R. [et al.]. Automatic non-invasive differentiation of obstructive and central hypopneas with nasal airflow compared to esophageal pressure. A: Annual International Conference of the IEEE Engineering in Medicine and Biology Society. "2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society". Buenos Aires: 2010, p. 6142-6145.
Títol: Automatic non-invasive differentiation of obstructive and central hypopneas with nasal airflow compared to esophageal pressure
Autor: Morgenstern de Muller, Christian Rudolf Veure Producció científica UPC; Schwaibold, Matthias; Randerath, Winfried J.; Bolz, Armin; Jané Campos, Raimon Veure Producció científica UPC
Data: 2010
Tipus de document: Conference report
Resum: The differentiation of obstructive and central respiratory events is a major challenge in the diagnosis of sleep disordered breathing. Esophageal pressure (Pes) measurement is the gold-standard method to identify these events but its invasiveness deters its usage in clinical routine. Flattening patterns appear in the airflow signal during episodes of inspiratory flow limitation (IFL) and have been shown with invasive techniques to be useful to differentiate between central and obstructive hypopneas. In this study we present a new method for the automatic non-invasive differentiation of obstructive and central hypopneas solely with nasal airflow. An overall of 36 patients underwent full night polysomnography with systematic Pes recording and a total of 1069 hypopneas were manually scored by human experts to create a goldstandard annotation set. Features were automatically extracted from the nasal airflow signal to train and test our automatic classifier (Discriminant Analysis). Flattening patterns were non-invasively assessed in the airflow signal using spectral and time analysis. The automatic non-invasive classifier obtained a sensitivity of 0.71 and an accuracy of 0.69, similar to the results obtained with a manual non-invasive classification algorithm. Hence, flattening airflow patterns seem promising for the noninvasive differentiation of obstructive and central hypopneas.
URI: http://hdl.handle.net/2117/12874
DOI: 10.1109/IEMBS.2010.5627787
Versió de l'editor: http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5627787&tag=1
Apareix a les col·leccions:Altres. Enviament des de DRAC
SISBIO - Senyals i Sistemes Biomèdics. Ponències/Comunicacions de congressos
Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius