مروری بر مطالعات مرتبط با تشخیص و پیش بینی بیماری قلبی با رویکرد یادگیری و اینترنت اشیاء

در عصر مدرن، حسگرهای هوشمند اینترنت اشیاء نقش بزرگی در توسعه سیستم مراقبت های بهداشتی دارند. مکانیسم جدیدی در مراقبت های بهداشتی جهانی به عنوان شبکه های بیسیم بدنی شناخته می شود. در این نوع از شبکه ها، به حسگرهایی اجازه تزریق دارو یا پوشیدن بر روی بدن را می دهد تا داده های سلامت واقعی بیمار از جمله فشار خون بالا، ضربان نبض و تنفس را جمع آوری و انتقال دهند. به طور کلی بیماری هایی که در عملکرد قلب انسان اختلال ایجاد می کنند، بیماری های قلبی نامیده می شوند. نقص در آناتومی قلب، ضربان یا ریتم نامنظم قلب و بیماری های شریان های جریان خون متصل به قلب را پوشش می دهد. متخصصان قلب اغلب از حسگر الکتروکاردیوگرام برای ارزیابی سریع و غیرتهاجمی شاخص های بیماری قلبی احتمالی و ریتم نامنظم قلب استفاده می کنند. سازمان بهداشت جهانی تخمین می زند که سالانه ۱۸ میلیون نفر در سراسر جهان بر اثربیماری قلبی جان خود را از دست می دهند. در بخش مراقبت های بهداشتی، یادگیری ماشین موضوعی نوظهور است که می تواند به تشخیص بیماری ها، کشف داروهای جدید و طبقه بندی تصاویر کمک کند. این به ویژه برای مدیریت بیمارستان و کارکنان پزشکی، از جمله پزشکان و پرستاران، و همچنین امکانات درمانی مسکونیمفید است. شناسایی و پیشبینی زودهنگام بیماری قلبی بدون ابزار پزشکی مدرن چالش برانگیزتر است. با توسعه مدل های جدید، از الگوریتم های یادگیری ماشین و یادگیری عمیق برای درمان و تشخیص زودهنگام استفاده می شود. در این مقاله رویکردهای یادگیری ماشین و یادگیری عمیق و همچنین موضوعات مرتبط باتشخیص و پیش بینی بیماری های قلبی ارایه و مرور شده است. ارزیابی های انجام شده نشان میدهد روشهای یادگیری ماشین و یادگیری ابزاری قدرتمند برای تحلیل اطلاعات بیماران و پیش بینی سکته قلبی است.

کلیدواژه ها:

بیماری قلبی ، سیستم های مراقبت سلامت ، یادگیری ماشین ، یادگیری عمیق ، شبکه اینترنت اشیاءپزشکی