پیش بینی تهدیدات قلبی با استفاده از یادگیری عمیق

امروزه یکی از عوامل مرگ و میر در دنیا وقوع رویدادهای شریانی است که باعث از کارافتادگی قلب و مرگ های زودرس میشود که به شکل آنفارکتوس قلبی، سکته ی مغزی و غش و ... رخ میدهد. با توجه به پیشرفت روزافزون در فناوری ها بخصوص فناوری داده کاوی در حوزه ی مراقبتهای بهداشتی بر آن شدیم برای شناسایی و پیشگیری هرچه سریعتر نای نوع رویدادها و حجم بسیار زیاد اطلاعات رد و بدل شده، از تکنیک شبکه ی عصبی LSTM برای پیش بینی رویدادهای شریانی استفاده کنیم که از مجموعه داده های حجیم جمع آوری شده از حسگرهای مربوط به ثبت سیگنالهای قلبی در بستر اینترنت اشیا استفاده شده است. در این مقاله با استفاده از شبکه ی عصبی LSTM مشکل پیشبینی در کلان داده ها و بطور کلی داده های حجیم حل شده است و همچنین شبکهی عصبی LSTM برای مدلهای پیش بینی که به اطلاعاتی که در زمانهای دورتری ذخیره شده اند بسیار وابسته اند، مناسب میباشد.پس از پیش بینی آنگاه میتوانید تعیین کنید که چه هنگام و در چه زمینه هایی باید تلاش کنید تا چالش وقوع رویدادهای شریانی را در خود حل کنید. در این مقاله، ما یک سیستم برای پیش بینی رویدادهای شریانی با استفاده از تجزیه و تحلیل HRV ارائه داده ایم.

کلیدواژه ها:

پیش بینی رویدادهای شریانی ، شبکه عصبی LSTM ، اینترنت اشیاء ، حسگرهای نظارت بر ضربان قلب