پیش بینی بیدرنگ و از راه دور (RPM) وقوع حمله قلبی مبتنی بر اینترنت اشیاء و یادگیری ماشین

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 89

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EECMAI05_063

تاریخ نمایه سازی: 12 اسفند 1402

چکیده مقاله:

با پیشرفت گام به گام تکنولوژی های مرتبط با اینترنت اشیاء و دقت روزافزون سنسورهای پوشیدنی، همچنین بهبود چشمگیرالگوریتم های یادگیری ماشین (ML) مبتنی بر Big Data، فرصت های بی نظیری در جهت پیش بینی، پیشگیری، هشدار و حتی پیشنهاد درمان بیماریها با استفاده از ترکیب این دو تکنولوژی بوجود آمده است. در این پژوهش سیستمی مبنی بر(RPM(Remote Patient Monitoring پیشنهاد می شود که با استفاده از سنسورهای پوشیدنی، علائم بیمار مستعد حمله قلبی، بصورت بیدرنگ (Run-time) دریافت و توسط یک میکروکنترلر به سرور مبتنی بر ابر فرستاده میشود. در سرور، داده ها پس از دسته بندی، به الگوریتم CoDE-ACS ارسال میشود. این الگوریتم در صورت مشاهده علائم هشداردهنده، وقوع سکته قلبی را با احتمال بالایی پیش بینی کرده، بیمار، نزدیکان بیمار، پزشک معالج یا مرکز اورژانس را مطلع می سازد.

نویسندگان

زهرا پوری زاده

دانش آموخته کارشناسی، دانشکده مهندسی کامپیوتر- دانشگاه الزهرا- تهران- ایران

محمدرضا کرباسی

دانش آموخته کارشناسی، دانشکده مهندسی برق- دانشگاه صنعتی خواجه نصیرالدین طوسی - تهران- ایران