مدلسازی کیفیت خواب سالمندان با استفاده از شاخص کیفیت خواب پیتسبورگ براساس حسگرهای غیرمداخله گر خانه هوشمند

باتوجه به رشد چشمگیر فناوری خانه های هوشمند و کاربردهای گسترده آن در حوزه های مختلف، به ویژه در زمینه سلامت و مراقبت از سالمندان، پایش و تحلیل الگوهای رفتاری ساکنان به یکی از موضوعات حیاتی و مهم تبدیل شده است. در این میان، خواب به عنوان یکی از ارکان اصلی حفظ سلامت جسمی و روانی، نیازمند بررسی دقیق و مداوم است. این پژوهش با تمرکز بر این موضوع، از داده های حسگرهای محیطی خانه های هوشمند برای تحلیل الگوهای رفتاری افراد در طول خواب و بیداری استفاده کرده و تاثیر کیفیت خواب در روزهای قبل بر کیفیت خواب فعلی را مورد مطالعه قرار داده است. نوآوری اصلی این پژوهش، ارائه یک مدل ترکیبی پیشرفته است که در آن امتیاز خواب با استفاده از شاخص کیفیت خواب پیتسبورگ کمی سازی شده و عوامل موثر بر آن با به کارگیری یک مدل ترکیبی یادگیری عمیق شامل شبکه های عصبی CNN و LSTM مدل سازی شده است. این رویکرد ترکیبی، امکان تحلیل دقیق تر و جامع تر الگوهای خواب را فراهم می کند. نتایج ارزیابی ها نشان می دهد که مدل پیشنهادی در مقایسه با روش های پیشین، از دقت بالاتری در پیش بینی کیفیت خواب برخوردار است. این یافته ها گامی مهم در جهت بهبود پایش سلامت افراد، به ویژه سالمندان، محسوب می شود و می تواند به عنوان پایه ای برای توسعه سیستم های هوشمند مراقبت از سلامت در آینده مورداستفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، خانه های هوشمند ، یادگیری عمیق ، الگوهای رفتاری خواب و بیداری ، شاخص کیفیت خواب پیتسبورگ