|
Title
|
تخمین غیرتهاجمی فشار خون از سیگنال های زیستی با استفاده از رویکرد ترکیبی یادگیری عمیق
|
|
Type of Research
|
Thesis
|
|
Keywords
|
فشار خون، یادگیری عمیق، سیگنال های زیستی، تخمین فشار خون، شبکه های عصبی عمیق، فتوپلتیسموگرافی، مانیتورینگ غیرتهاجمی، مدل های ترکیبی
|
|
Abstract
|
پایش و تخمین دقیق فشار خون به عنوان یکی از شاخص های حیاتی در ارزیابی و مدیریت بیماری های قلبی-عروقی اهمیت بسزایی دارد. روش های معمول اندازه گیری فشار خون، نظیر دستگاه های کاف دار به دلیل نیاز به تجهیزات تخصصی و عدم قابلیت پایش مداوم، با محدودیت هایی همراه هستند. در مقابل، سیگنال های زیستی مانند سیگنال های فتوپلتیسموگرافی به عنوان یک روش غیرتهاجمی و پیوسته برای اندازه گیری عامل های همودینامیک، که به مجموعه ای از مؤلفه های مؤثر بر جریان خون و وضعیت گردش خون از جمله فشار خون اطلاق می شود، به طور فزاینده ای مورد توجه قرار گرفته اند. این سیگنال ها با استفاده از تابش نور و اندازه گیری تغییرات حجم خون در بافت ها، اطلاعات غنی و ارزشمندی درباره وضعیت همودینامیک بدن فراهم می کنند. بهره گیری از فنون پیشرفته پردازش سیگنال و الگوریتم های یادگیری ماشین، به ویژه مدل های یادگیری عمیق، این امکان را فراهم می کند که ویژگی های پیچیده از این سیگنال ها استخراج و ترکیب شوند تا تخمین دقیق تری از فشار خون ارائه گردد. هدف این پژوهش توسعه یک سیستم هوشمند و کارآمد برای تخمین فشار خون با استفاده از سیگنال های زیستی و الگوریتم های ترکیبی یادگیری عمیق است.
|
|
Researchers
|
(Student)، Jalil Ghavidel Neycharan (Primary Advisor)، Nacer Farajzadeh (Advisor)
|