پیش بینی بیماری های قلبی عروقی با استفاده از شبکه عصبی کانولوشنی مبتنی بر اینترنت اشیا

یکی از مهم ترین کاربردهای اینترنت اشیا در حوزه سلامت، نظارت بر وضعیت بیماران از راه دور است. این فناوری به پزشکان امکان می دهد که به صورت لحظه ای وضعیت سلامت بیماران را بررسی کنند و این امر به ویژه برای افراد مبتلا یا مستعد به بیماری های قلبی بسیار حیاتی است. پیش بینی بیماری های قلبی عروقی به عنوان یک چالش پیچیده شناخته می شود که با دقت پایین در مدل های موجود روبه رو است. در این تحقیق، یک سیستم توصیه گر جدید برای پیش بینی بیماری های قلبی عروقی پیشنهاد شده است که از شبکه عصبی کانولوشنی برای تجزیه و تحلیل داده های فیزیولوژیکی بیماران استفاده می کند. داده های فیزیولوژیکی از بیماران به صورت از راه دور از طریق چهار حسگر بیولوژیکی شامل حسگر نوار قلب، حسگر فشار خون، حسگر ضربان قلب و حسگر قند خون جمع آوری می شوند. این داده ها سپس توسط یک کنترل کننده آردینو پردازش می شوند و مدل شبکه عصبی کانولوشنی برای پیش بینی بیماری قلبی عروقی به کار می رود، این مدل با قابلیت های برجسته در استخراج ویژگی های محلی و بدون نیاز به تحلیل پیچیده توالی زمانی، می تواند به طور موثری از داده های عددی ثابت مانند فشار خون، ضربان قلب، و قند خون برای تشخیص بیماری های قلبی استفاده کند. نتایج آزمایش ها نشان داد شبکه عصبی کانولوشنی توانسته است ویژگی های محلی و غیرزمانی داده ها را به طور موثری استخراج کرده و به مدل کمک کند تا دقت پیش بینی را به ۹۸.۹۰% برساند.

کلیدواژه ها:

پیش بینی بیماری های قلبی عروقی ، شبکه عصبی کانولوشنی ، اینترنت اشیاء