臺灣博碩士論文加值系統

睡眠呼吸中止症（OSA）為一種常見的睡眠障礙，患者在睡眠期間會反覆呼吸暫停或甦醒，這可能導致睡眠品質下降及白天嗜睡等問題，且與糖尿病、肥胖和心血管等疾病密切相關，因此及早檢測和治療相當重要。睡眠呼吸中止症主要的診斷方式都需要通過整夜睡眠多項生理功能檢查（PSG）來達成，但往往會因為在不熟悉的環境就寢或身上安裝太多偵測設備等問題而無法取得準確結果。本研究旨在透過光電容積圖（PPG）訊號計算心率變異性（HRV）特徵，結合深度學習方法來自動檢測睡眠呼吸中止症。
HRV能反映自主神經系統的活動，這對於理解睡眠呼吸中止症相關的生理變化相當重要。本研究使用PhysioNet中的 Apnea-ECG資料庫，70筆資料中包含35筆公開臨床標記之資料，每一筆數據時長約7至10小時，透過這些資料計算出頻域、時域及非線性的HRV特徵數值，如SDNN、RMSSD、NN50等，並以深度學習模型進行分類。首先確認由資料庫的ECG訊號計算出的HRV參數能有效分類出睡眠呼吸中止訊號，再來加入6個血氧濃度相關參數一同進行訓練，最後再以PPG訊號進行測試，取得了良好的結果。

Obstructive Sleep Apnea（OSA）is a common sleep disorder characterized by repeated episodes of breathing cessation or arousal during sleep, leading to decreased sleep quality and daytime sleepiness, among other issues. It is closely associated with diabetes, obesity, and cardiovascular diseases, so making early detection and treatment essential. The primary diagnostic method for OSA typically uses overnight polysomnography（PSG）, which can be difficult to carry out accurately because of sleeping in an unusual environment and the use of several monitoring devices. This study aims to automatically detect OSA using Photoplethysmography（PPG）signals to calculate heart rate variability（HRV）features, combined with deep learning methods.
HRV（Heart Rate Variability）can reflect the activity of the autonomic nervous system, which is crucial for understanding the physiological changes related to sleep apnea. This study utilizes the Apnea-ECG database from PhysioNet, which includes 70 records, 35 of which have publicly available clinical annotations. Each record lasts approximately 7 to 10 hours. Using these data, frequency domain, time domain, and nonlinear HRV features, such as SDNN, RMSSD, NN50, etc., were calculated and classified using a deep learning model. Firstly, it was confirmed that the HRV parameters calculated from the ECG signals in the database could effectively classify sleep apnea signals. Then, six SpO2 parameters were added for training, and finally, the model was tested with PPG signals, achieving excellent results.

目錄................................................................................................................................ I
圖目錄..........................................................................................................................III
表目錄...........................................................................................................................V
第壹章 緒論............................................................................................................1
第一節 前言....................................................................................................1
第二節 研究背景............................................................................................1
第三節 研究動機與目的................................................................................2
第貳章 相關理論及研究探討................................................................................4
第一節 心電圖介紹........................................................................................4
一、 心臟運作........................................................................................4
二、 心電圖............................................................................................4
三、 R-R 間隔 R-R Interval, RRI）.................................................5
第二節 PPG 介紹...........................................................................................6
第三節 心律變異性分析................................................................................6
一、 時域分析 Time domain Features）............................................7
二、 頻域分析 Frequency domain）..................................................8
第參章 系統設計與方法......................................................................................11
第一節 系統功能..........................................................................................11
第二節 系統設計..........................................................................................11
第三節 濾波及移除基線飄移......................................................................12
第四節 深度學習..........................................................................................13
一、 卷積神經網路 Convolutional Neural Network, CNN） .........14
二、 卷積神經網路發展歷程..............................................................17
三、 CNN 應用....................................................................................18
第五節 實驗相關硬體設備..........................................................................18
一、 SparkFun 血氧晶片....................................................................18
二、 AD8232 心電圖晶片..................................................................19
三、 ESP32...........................................................................................20
第六節 資料集..............................................................................................21
一、 訓練資料集..................................................................................21
二、 測試資料集..................................................................................21
第七節 系統開發工具與環境......................................................................22
一、 Python ..........................................................................................23
二、 C#.................................................................................................24
三、 JAVA ............................................................................................24
第肆章 研究結果..................................................................................................26
第一節 模型訓練結果..................................................................................26
一、 使用一分鐘資料片段取得 29 個 HRV 參數進行訓練 .............27
二、 使用五分鐘資料片段取得 29 個 HRV 參數進行訓練 .............28
三、 改以 1D-CNN 模型訓練 使用相同參數）.............................29
四、 外加 6 個 SpO2 參數，總共以 35 個參數訓練 ........................31
五、 使用 PPG 訊號進行測試............................................................36
第二節 系統測試結果..................................................................................41
一、 登入畫面......................................................................................41
二、 註冊畫面......................................................................................42
三、 量測畫面......................................................................................42
四、 結果畫面......................................................................................46
第伍章 結論..........................................................................................................47
參考文獻......................................................................................................................49

[1]周昆達、吳紹豪、蕭光明（2012）。簡介阻塞型睡眠呼吸中止症，台北市醫師公會會刊，第56卷第10期，17-20。
[2]Guilleminault C, Tilkian A, Dement WC. The sleep apnea syndromes. Annu Rev Med. 1976;27:465-84.
[3]Sullivan CE, Issa FG, Berthon-Jones M, Eves L. Reversal of obstructive sleep apnoea by continuous positive airway pressure applied through the nares. Lancet. 1981 Apr 18;1（8225）:862-5.
[4]Santos-Silva R, Sartori DE, Truksinas V, Truksinas E, Alonso FF, Tufik S, Bittencourt LR. Validation of a portable monitoring system for the diagnosis of obstructive sleep apnea syndrome. Sleep. 2009 May;32（5）:629-36.
[5]Sheta A, Turabieh H, Thaher T, Too J, Mafarja M, Hossain MS, Surani SR. Diagnosis of Obstructive Sleep Apnea from ECG Signals Using Machine Learning and Deep Learning Classifiers. Applied Sciences. 2021; 11（14）:6622.
[6]Rizal, A., Siregar, F. D. A. A., & Fauzi, H. T. （2022）. Obstructive Sleep Apnea （OSA） Classification Based on Heart Rate Variability （HRV） on Electrocardiogram （ECG） Signal Using Support Vector Machine （SVM）. Traitement du Signal, 39（2）.
[7]衛生福利部台北醫院睡眠中心（2023）。From：https://www.tph.mohw.gov.tw/public/dept_aboutus/b2/d3787d92a9e9541c42c1a74e91557f87.jpg。
[8]張曉卉、謝曉雲（2014）。護心：中西醫聯手顧心臟（初版）。臺北市：天下雜誌。
[9]邱艷芬（2014）。簡易心電圖讀本（二版）。臺北市：華杏出版社。
[10]林育德（2010）。脈波信號與PPG信號特徵之相關性研究，中醫藥年報，第28期第1冊，361-387。
[11]彭建彰、王家儀、康維昌、周立平、劉明宜、魏玉栴（2023）。心率變異度應用於常見病症之可行性探討，台灣醫界，第66卷第3期，27-33。
[12]臺大科學教育發展中心（2021）。智慧新世界：圖靈所沒有預料到的人工智慧（初版）。臺北市：三民出版社。
[13]我妻幸長、吳嘉芳（2020）。決心打底！Python深度學習基礎養成（初版）。臺北市：旗標出版社。
[14]LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. （1998）. Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86（11）, 2278-2324.
[15]Krizhevsky, A., Sutskever, I., & Hinton, G. E. （2012）. ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097-1105.
[16]Simonyan, K., & Zisserman, A. （2015）. Very deep convolutional networks for large-scale image recognition. International Conference on Learning Representations （ICLR）. arXiv preprint arXiv:1409.1556.
[17]Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., & Rabinovich, A. （2015）. Going deeper with convolutions. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition （CVPR）, 1-9.
[18]He, K., Zhang, X., Ren, S., & Sun, J. （2016）. Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition （CVPR）, 770-778.
[19]Taiwan Sensor （2024）。SparkFun 脈搏血氧儀和心率傳感器 MAX30101 & MAX32664 （Qwiic）。From：https://www.taiwansensor.com.tw/product/sparkfun-%E8%84%88%E6%90%8F%E8%A1%80%E6%B0%A7%E5%84%80%E5%92%8C%E5%BF%83%E7%8E%87%E5%82%B3%E6%84%9F%E5%99%A8-max30101-max32664-qwiic/。
[20]Taiwan Sensor （2024）。AD8232 心律監測感測器模組（測量脈搏、ECG Kit 心跳心電感測器）。From：https://www.taiwansensor.com.tw/product/ad8232-%E5%BF%83%E5%BE%8B%E7%9B%A3%E6%B8%AC%E6%84%9F%E6%B8%AC%E5%99%A8%E6%A8%A1%E7%B5%84%E6%B8%AC%E9%87%8F%E8%84%88%E6%90%8F-ecg-kit-%E5%BF%83%E8%B7%B3%E5%BF%83%E9%9B%BB%E6%84%9F%E6%B8%AC%E5%99%A8/。
[21]PlayRobot （2023）。AD8232 心跳監測器感測器模組 （脈搏/心臟/心電圖/ECG）。From：https://shop.playrobot.com/products/ad8232-ecg。
[22]ICShop （2023）。ESP32 IoT 物聯網晶片介紹。From：https://www.icshop.com.tw/blog/posts/esp32-iot%E7%89%A9%E8%81%AF%E7%B6%B2%E6%99%B6%E7%89%87%E4%BB%8B%E7%B4%B9。
[23]Amazon （2024）。AITRIP NodeMCU ESP32 ESP-WROOM-32 Arduino。From：https://www.amazon.com/-/zh_TW/AITRIP-NodeMCU-ESP32-ESP-WROOM-32-Arduino/dp/B08L79192D?th=1。
[24]PhysioNet （2000）。Apnea-ECG Database。From : https://physionet.org/content/apnea-ecg/1.0.0/。
[25]陳惠貞（2020）。一步到位！Python 程式設計 - 從基礎到資料科學應用，學習大數據分析的關鍵能力（二版）。臺北市：旗標出版社。
[26]Microsoft （2024）。歡迎使用 Visual Studio IDE | C#。From：https://learn.microsoft.com/zh-tw/visualstudio/get-started/csharp/visual-studio-ide?view=vs-2022。
[27]Microsoft （2024）。JAVA。From : https://azure.microsoft.com/zh-tw/resources/cloud-computing-dictionary/what-is-JAVA-programming-language。