معماری نرم افزاری چندوجهی و شخصی سازی شده برای برآورد بلادرنگ وضعیت خطر پیش از حمله پانیک: فاز سوم برنامه پژوهشی Pre-Attack

حملات پانیک دوره هایی حاد و پویا هستند که با تغییرات هم زمان در وضعیت فیزیولوژیک، شناختی، رفتاری و تجربه ذهنی فرد همراه می شوند. هدف این پژوهش، ارائه یک معماری نرم افزاری چندوجهی و شخصی سازی شده برای برآورد زودهنگام وضعیت خطر پیش از حمله پانیک و فراهم کردن مبنایی برای پردازش بلادرنگ و اعتبارسنجی آینده است. این پژوهش به عنوان فاز سوم برنامه پژوهشی Pre-Attack توسعه یافته و بر مبانی فیزیولوژیک و هوش مصنوعی فاز نخست و معماری سخت افزاری و دریافت داده فاز دوم استوار است؛ دو فاز پیشین در کنفرانس های علمی بین المللی ارائه شده اند. روش پژوهش مبتنی بر طراحی معماری نرم افزاری هشت لایه، شامل دریافت داده، ارتباط، ارزیابی کیفیت سیگنال، استخراج ویژگی، ادغام چندوجهی، شخصی سازی، برآورد وضعیت خطر و تعامل تطبیقی با کاربر است. در این معماری، خط پایه شخصی سازی شده و امضای شخصی پیش از پانیک برای مدل سازی انحراف از وضعیت معمول فرد و مدل وضعیت خطر برای نمایش گذارهای زمانی میان وضعیت پایه، انحراف اولیه، خطر متوسط، خطر بالا و بازیابی به کار گرفته می شوند. همچنین کیفیت سیگنال، زمینه محیطی و عدم قطعیت در فرآیند تصمیم گیری لحاظ شده و مسیر پردازش بلادرنگ Edge/Mobile از مسیر پژوهشی Offline تفکیک می شود. دستاورد اصلی پژوهش، ارائه چارچوبی قابل پیاده سازی، توضیح پذیر، حریم خصوصی محور و قابل اعتبارسنجی برای تبدیل داده های چندوجهی به برآورد زمانی و شخصی سازی شده خطر است. این پژوهش ادعای تشخیص پزشکی یا اثربخشی بالینی ندارد و اعتبارسنجی تجربی و بالینی آن به مراحل آینده موکول می شود.

کلیدواژه ها:

حمله پانیک ، هوش مصنوعی چندوجهی ، خط پایه شخصی سازی شده ، مدل وضعیت خطر ، سلامت دیجیتال