MODEL DETEKSI SLEEP APNEA DARI SINYAL FISIOLOGIS JANTUNG DENGAN DEEP LEARNING

Sleep apnea adalah gangguan tidur yang serius yang ditandai dengan gangguan pernapasan saat tidur. Deteksi dini dan diagnosis yang akurat dari sleep apnea sangat penting untuk menghindari komplikasi yang berpotensi berbahaya bagi kesehatan. Dalam penelitian ini, kami mengusulkan sebuah model deteksi sleep apnea menggunakan sinyal fisikologis jantung dan pendekatan deep learning. Model ini menggunakan jaringan saraf konvolusi (CNN) untuk mempelajari pola dan fitur dalam data sinyal jantung. Data sinyal jantung dikumpulkan dari individu dengan sleep apnea dan individu tidur normal sebagai dataset. Dataset yang digunakan merupakan dataset publik dari physionet.org, Dataset tersebut lalu diaugmentasi dan dilatih dengan dengan menggunakan 6 lapisan layer CNN, dan mencapai akurasi sebesar 98,9% dalam mengklasifikasikan sampel sinyal fisiologis jantung sebagai “normal” atau “sleep apnea”. Dengan adanya penelitian ini, aplikasi diharapkan dapat membantu tenaga medis dalam mendiagnosis sleep apnea atau pasien untuk mendapatkan peringatan dini.