آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,558 |
| تعداد مقالات | 19,015 |
| تعداد مشاهده مقاله | 64,496,992 |
| تعداد دریافت فایل اصل مقاله | 23,593,447 |
اندازه گیری غیر تهاجمی فشار خون با استفاده از سنسورهای فوتوپلتیسموگرام و نیرو بر اساس الگوریتم های یادگیری ماشین | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 10 آبان 1405 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2026.72074.5152 | ||
| نویسندگان | ||
| سعید اخوان* ؛ مائده رحمان پور | ||
| دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| پایش دقیق فشار خون برای سلامت قلب و عروق حیاتی است. روش‌های مرسوم مبتنی بر کاف به دلیل محدودیت‌های اندازه‌گیری مداوم و ناراحتی ناشی از آنها، ناکارآمد هستند. روش‌های جدید مبتنی بر سیگنال‌های زیستی، به ویژه فوتوپلتیسموگرافی، به عنوان جایگزین‌های غیرتهاجمی در حال توسعه هستند. این تحقیق یک روش بدون کاف برای تخمین فشار خون سیستولیک و فشار خون دیاستولیک با ترکیب سیگنال‌های فوتوپلتیسموگرافی و نیرو از نوک انگشت ارائه می‌دهد. یک مجموعه داده شامل 60 سوژه با استفاده از سیستمی که به تدریج نیروی اعمال شده را افزایش می‌دهد، تهیه شده است. پس از اعمال فیلتر کیفیت سیگنال، ویژگی‌های استاتیک و دینامیک از هر دو سیگنال استخراج و با استفاده از روش‌های یادگیری ماشین پردازش می‌شوند. نتایج به‌دست‌آمده نشان می‌دهد که ترکیب سیگنال‌های نوری و مکانیکی، همراه با پردازش و انتخاب ویژگی مناسب، دقت تخمین فشار خون بدون کاف را به طور قابل توجهی بهبود می‌بخشد و امکان توسعه سیستم‌های پایش مداوم و قابل حمل را فراهم می‌کند. | ||
| کلیدواژه‌ها | ||
| تخمین فشار خون بدون کاف؛ سنسور نیرو؛ سنسور فوتوپلتیسموگرام؛ پردازش سیگنال های پزشکی؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2 |
||