ارزیابی مشخصه های سیگنال فتوپلتیسموگرافی افراد ورزشکار و غیر ورزشکار در حین فعالیت بدنی

در دهه های اخیر، به دنبال پیشرفت های قابل توجه در حوزه علوم ورزشی و پزشکی، توجه به ابزارهای غیرتهاجمی برای ارزیابی وضعیت فیزیولوژیکی بدن در حین فعالیت های بدنی بیشتر شده است. فوتوپلتیسموگرافی (PPG) یک تکنیک غیرتهاجمی برای اندازه گیری پرفیوژن خون در بافت ها از طریق تابش پرتوهای نور است که تغییرات نوری ناشی از تغییر حجم خون در بافت های بدن را اندازه گیری می کند و از این رو قادر به ارائه اطلاعات دقیقی درباره وضعیت قلبی-عروقی افراد می باشد. شناسایی تفاوت های کلیدی در سیگنال PPG بین ورزشکاران و غیرورزشکاران می تواند اطلاعات ارزشمندی در زمینه واکنش های فیزیولوژیکی بدن در طول فعالیت بدنی ارائه دهد. هدف اصلی این مطالعه، شناسایی تفاوت های کلیدی سیگنال PPG بین دو گروه مورد مطالعه و تحلیل تغییرات آن ها در طول فعالیت بدنی است. در این مطالعه، از سیگنال PPG موجود در پایگاه داده zenodo استفاده شده است که اطلاعات مربوط به ۱۵ نفر (۶ ورزشکار و ۹ غیر ورزشکار) را شامل می شود. داده ها طی پیش پردازش توسط فیلتر پایین گذر باترورث مرتبه چهار فیلتر شدند و ۱۰ ویژگی از آنها استخراج شد. از الگوریتم های K-نزدیک ترین همسایگی (KNN)، ماشین بردار پشتیبان (SVM) و Naive Bayes برای طبقه بندی این ویژگی ها استفاده شد. همچنین، میانگین و انحراف معیار آنها برای ورزشکاران و غیرورزشکاران محاسبه گردید و از آزمون آماری ویلکاکسون برای تعیین تفاوت معنادار میان ورزشکاران و غیرورزشکاران استفاده شده است. نتایج نشان دادند که در فاز استراحت الگوریتم های KNN و SVM با درصد صحت ۸۰% عملکرد بهتری نسبت به الگوریتم Naive Bayes داشته اند، در فاز شتاب الگوریتم SVM با درصد صحت ۸۰%، در فاز دویدن ثابت الگوریتم SVM با درصد صحت ۶۶.۷%، در فاز کاهش سرعت الگوریتم KNN با درصد صحت ۶۶.۷% و در فاز بهبودی الگوریتم SVM با درصد صحت ۸۶.۷% عملکرد بهتری داشته اند. این یافته ها می توانند به بهبود روش های ارزیابی عملکرد ورزشی و توسعه برنامه های تمرینی متناسب با نیازهای فردی کمک کنند و به عنوان پایه ای برای تحقیقات آینده در این حوزه و طراحی برنامه های تمرینی شخصی سازی شده بکار روند.

کلیدواژه ها:

فوتوپلتیسموگرافی ، تغییرپذیری ضربان قلب ، فعالیت بدنی ، ورزشکار ، غیرورزشکار ، سیستم قلبی-عروقی ، ارزیابی غیرتهاجمی ، فناوری های سلامت