استفاده از شبکهی UNet با نظارت عمیق برای تخمین فشار خون پیوسته از سیگنال فوتوپلتیسموگرافی | ||
| زیست فناوری | ||
| Article 2, Volume 16, Issue 1 - Serial Number 44, Autumn 1403, Pages 18-34 PDF (1.57 M) | ||
| Document Type: پژوهشی اصیل | ||
| Authors | ||
| معصومه خالقیان1; سیده سمانه شجاعی لنگری* 2; مهدی محسنی3; مریم بیگ زاده4 | ||
| 1دانشکده برق و کامپوتر، دانشگاه خوارزمی | ||
| 2گروه مهندسی پزشکی، پژوهشکده برق و فناوری اطلاعات، سازمان پژوهشهای علمی و صنعتی ایران، تهران | ||
| 3دانشکده برق و کامپیوتر، دانشگاه شهید بهشتی ، تهران | ||
| 4گروه مهندسی پزشکی، پژوهشکده برق و فناوری اطلاعات، سازمان پژوهشهای علمی و صنعتی ایران | ||
| Abstract | ||
| پایش فشار خون، یکی از مؤلفههای حیاتی برای حفظ سلامتی است. فشار خون بالا، به عنوان یک عامل خطر میتواند منجر به بروز حمله قلبی، سکته، نارسایی قلبی و کلیوی شود. همچنین، فشار خون پایین نیز میتواند خطرناک باشد و منجر به گیجی، ضعف، غش و اختلال در اکسیژن رسانی به اندامها و آسیب به مغز و قلب گردد. از این رو پایش مداوم میزان فشار خون در افراد با ریسک بالا بسیار حائز اهمیت میباشد، به طوری که استفاده از دستگاه هولتر فشارخون به دلیل قابلیت ثبت طولانی مدت و ارزشمند اطلاعات فشارخون برای بسیاری از بیماران تجویز میشود. تلاش برای دستیابی به تکنیکهای نرم افزاری و توسعه دستگاههای اندازهگیری فشارخون بدون کاف، با حفظ آسایش و راحتی بیمار، از مهمترین چالشهایی است که ذهن پژوهشگران را به خود اختصاص داده است. در این پژوهش یک چهارچوب یادگیری عمیق بر مبنای شبکهUNet یکبعدی با نظارت عمیق جهت تخمین فشار خون پیوسته از روی سیگنال فوتوپلتیسموگرافی بدون استفاده از روش کالیبراسیون فردی ارائه شده است. مدل ارائه شده بر روی بانک داده UCI برای 942 بیمار تحت مراقبت ویژه، به میانگین خطای مطلق 88/8 ، 43/4 و 32/3 و انحراف معیار 01/11، 18/6 و 15/4 میلیمتر جیوه به ترتیب برای فشار خون سیستول ، دیاستول و فشار خون میانگین دست یافت. طبق استاندارد بین المللی BHS، روش پیشنهادی، درجهی A برای فشار خون دیاستول و میانگین و نیز درجهیC برای فشار خون سیستول را برآورده میکند. نتایج حاصل از این پژوهش حاکی از آن است که چهارچوب یادگیری عمیق پیشنهادی | ||
| Keywords | ||
| سیگنال فوتوپلتیسموگرافی; تخمین فشار خون; روش غیرتهاجمی; هوش مصنوعی; یادگیری عمیق; یادگیری ماشین | ||
| References | ||
|
| ||
|
Statistics Article View: 208 PDF Download: 109 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,451,796 |
| PDF Download | 17,556,854 |