Abstract

La apnea del sue˜no es un trastorno donde la respiración de un individuo es obstruida mientras se está dormido, provocando respuestas fisiológicas acumulativas en el cuerpo, las cuales son asociadas a enfermedades cardiovasculares y metabólicas. En este contexto es necesario una herramienta que permita predecir con cierto grado de certeza eventos de apnea utilizando señales obtenidas a través de los exámenes de polisomnografía. En el presente artículo se diseño una red neuronal profunda para clasificar eventos de apnea en señales de respiración. El desempeño fue comparado con modelos de Máquinas de Vectores de Soporte (SVM) y Análisis de Discriminante Cuadr´atico (QDA). Los resultados obtenidos con la técnica propuesta de Deep Learning muestran que esta técnica logra superar significativamente el desempeño de clasificadores clásicos y ampliamente utilizados tales como SVM y QDA. Sin embargo al realizar un análisis detallado de la calidad de detección con los datos de Test, se observa que la técnica presenta dificultades y abre un espacio para futuras mejoras.