پیش آگهی اپیزودهای افت فشار خون حاد با استفاده از ویژگی های فیزیولوژیکی و آشوبناک

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 26

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBM-7-2_007

تاریخ نمایه سازی: 20 اسفند 1404

چکیده مقاله:

اپیزودهای افت فشار خون حاد یکی از اختلالات همودینامیکی رایج در طیف گسترد های از بیماران است. متاسفانه نرخ تلفات در بین بیماران مبتلا به این اختلال بسیار بالا می باشد. عوامل مختلفی در وقوع این اختلال فیزیولوژیک موثر هستند که هر کدام داری منشا متفاوت می باشند. پیش آگهی اپیزودهای افت فشار خون حاد کمک شایانی به درمان مناسب و کاهش تلفات این بیماران خواهد نمود. با پی شآگهی این اختلال فیزیولوژیکی، پزشکان قادر خواهند بود علت وقوع این اختلال را با استفاده از بررس یهای بالینی مختلف دریافته و درمان مناسبی بر اساس عامل وقوع آن، انتخاب کنند. در این پژوهش به منظور پیش آگهی اپیزودهای افت فشار خون حاد در بازه یک ساعت آینده، دو نوع ویژگی آماری از پارامترهای همودینامیکی و ویژگی های آشوبناک از سری های زمانی فیزیولوژیکی موجود در بازه دو ساعتی منتهی به به ابتدای بازه پیش بینی، استخراج گردید. سپس ویژگی های برگزیده با استفاده از الگوریتم ژنتیک، توسط ماشین بردار پشتیبان طبقه بندی شدند. دقت پیش آگهی برای ویژگ یهای آماری پارامترهای فیزیولوژیکی ۵/۸۷ درصد و برای ویژگی های آشوبی ۸۵ درصد حاصل گردید. در ادامه به منظور استفاده از جنبههای مختلف اطلاعات موجود در دو دسته ویژگی و بهبود دقت پیش آگهی، فرآیند انتخاب ویژگی به صورت همزمان برای هر دو دسته ویژگی استخراج شده، اعمال گردید و بهترین ترکیب از میان هر دو دسته ویژگی انتخاب شد. دقت پیش آگهی برای دسته ویژگی تلفیقی بهینه، ۹۵ درصد حاصل شد که در مقایسه با نتایج مطالعات پیشین بر روی مجموعه داده مشابه، بهبود قابل توجهی حاصل گردید.

نویسندگان

امین جانقربانی

دانشجوی دکتری مهندسی پزشکی، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران

محمدحسن مرادی

استاد، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران

عبدالله آراسته

دانشجوی کارشناسی ارشد مهندسی پزشکی گروه بیوالکتریک، دانشکده مهندسی پزشکی ، دانشگاه صنعتی امیرکبیر، تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. S. Fauci, et al., Harrison's Principles of Internal Medicine, ...
  • G. B. Moody and L. H. Lehman, "Predicting acute hypotensive ...
  • B. Hartmann, et al., "The Incidence and Risk Factors for ...
  • G. Wick and J. Vijil, "Intradialytic Hypotension: A Review of ...
  • S. Severi, et al., "Heart rate variability spectral indices for ...
  • K. Solem, et al., "Detection of hypotension during hemodialysis using ...
  • E. Mancini, et al., "Short term variability of oxygen saturation ...
  • National Institutes of Health. (۲۰۰۹, February). Predicting Acute Hypotensive Episodes ...
  • X. Chen, et al., "Forecasting acute hypotensive episodes in intensive ...
  • F. Chiarugi, et al., "Predicting the occurrence of acute hypotensive ...
  • D. Hayn, et al., "A biosignal analysis system applied for ...
  • T. C. T. Ho and X. Chen, "Utilizing histogram to ...
  • F. Jousset, et al., "Computers in Cardiology / Physionet Challenge ...
  • P. Langley, et al., "Predicting acute hypotensive episodes from mean ...
  • M. A. Mneimneh and R. J. Povinelli, "A rule-based approach ...
  • J. H. Henriques and T. R. Rocha, "Prediction of acute ...
  • T. Rocha, et al., "Wavelet based time series forecast with ...
  • A. Ghaffari, et al., "A Methodology for Prediction of Acute ...
  • F. A. Afsar, "Prediction of Acute Hypotension Episodes in Patients ...
  • A. Singh, et al., "Hidden Markov Models for modeling blood ...
  • M. Akay, et al., Nonlinear Biomedical Signal Processing: Dynamic analysis ...
  • S. Cerutti, et al., "Chaotic characteristics of heart rate and ...
  • B. Y. Liau, et al., "Assessment of mean arterial blood ...
  • N. Lovell, et al., "Chaotic behavior of blood pressure and ...
  • National Institutes of Health. (۲۰۰۹). Database of Prediction of Acute ...
  • F. L. Gobel, et al., "The rate-pressure product as an ...
  • Ionescu, et al., "Advanced biosignal processing," in Advanced biosignal processing, ...
  • A. Mekler, "Calculation of EEG correlation dimension: Large massifs of ...
  • P. Paramanathan and R. Uthayakumar, "Application of fractal theory in ...
  • C. Gómez, et al., "Use of the Higuchi's fractal dimension ...
  • G. M. Foody and A. Mathur, "A relative evaluation of ...
  • A. Sun, et al., "On strategies for imbalanced text classification ...
  • D. A. Coley, An Introduction to Genetic Algorithms for Scientists ...
  • نمایش کامل مراجع