کاربرد سیگنال PPG در ارزیابی استرس و خواب با استفاده از هوش مصنوعی

سیگنال فوتوپلتیسموگرافی (PPG) یکی از پرکاربردترین سیگنال های زیستی در دستگاه های پوشیدنی است که به صورت نوری تغییرات حجم خون را در بافت های محیطی اندازه گیری می کند. این سیگنال ماهیت غیرتهاجمی دارد، علاوه بر آن هزینه پایین و قابلیت جمع آوری مداوم داده باعث می شود که ابزار ارزشمندی برای ارزیابی وضعیت های فیزیولوژیک مانند استرس و خواب محسوب شود. در سال های اخیر پیشرفت در روش های هوش مصنوعی و یادگیری ماشین باعث شده تحلیل سیگنال PPG برای شناسایی الگوهای مرتبط با پاسخ های عصبی قلبی و کیفیت خواب دقت بالاتری پیدا کند. مدل های مبتنی بر شبکه های عصبی عمیق در تشخیص مراحل خواب و طبقه بندی سطوح استرس عملکرد مطلوبی دارند اما چالش هایی مانند نویز، حرکتی، تفاوت های فردی و تبیین پذیری مدل ها همچنان پابرجاست. در پایان مسیرهای آینده شامل استفاده از مدل های چندحسی، یادگیری شخصی سازی شده و توسعه الگوریتم های قابل تبیین برای کاربردهای بالینی و سلامت دیجیتال پیشنهاد می شود.

کلیدواژه ها:

سیگنال فوتوپلتیسموگرافی (PPG) ، هوش مصنوعی ، یادگیری ماشین ، استرس ، خواب