Connexion
S'inscrire
Réinitialiser le mot de passe
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Blog
Contact
Chercher
EUR
USD
GBP
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
International Journal of Applied Mathematics and Computer Science
Édition 33 (2023): Edition 3 (September 2023)
Accès libre
Constant Q–Transform–Based Deep Learning Architecture for Detection of Obstructive Sleep Apnea
Usha Rani Kandukuri
Usha Rani Kandukuri
,
Allam Jaya Prakash
Allam Jaya Prakash
,
Kiran Kumar Patro
Kiran Kumar Patro
,
Bala Chakravarthy Neelapu
Bala Chakravarthy Neelapu
,
Ryszard Tadeusiewicz
Ryszard Tadeusiewicz
et
Paweł Pławiak
Paweł Pławiak
| 21 sept. 2023
International Journal of Applied Mathematics and Computer Science
Édition 33 (2023): Edition 3 (September 2023)
Mathematical Modeling in Medical Problems (Special section, pp. 349-428), Urszula Foryś, Katarzyna Rejniak, Barbara Pękala, Agnieszka Bartłomiejczyk (Eds.)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Publié en ligne:
21 sept. 2023
Pages:
493 - 506
Reçu:
24 nov. 2022
Accepté:
18 mai 2023
DOI:
https://doi.org/10.34768/amcs-2023-0036
Mots clés
apnea
,
convolutional neural network
,
constant Q-transform
,
deep learning
,
single-lead ECG signals
,
non-apnea
,
obstructive sleep apnea
© 2023 Usha Rani Kandukuri et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.