فصلنامه تخصصی آرمان پردازش

چکیده یکی از مهم‌ترین کاربردهای اینترنت اشیا در حوزه سلامت، نظارت بر وضعیت بیماران از راه دور است. این فناوری به پزشکان امکان می‌دهد که به‌صورت لحظه‌ای وضعیت سلامت بیماران را بررسی کنند و این امر به‌ویژه برای افراد مبتلا یا مستعد به بیماری‌های قلبی بسیار حیاتی است. پیش‌بینی بیماری‌های قلبی عروقی به‌عنوان یک چالش پیچیده شناخته می‌شود که با دقت پایین در مدل‌های موجود روبه‌رو است. در این تحقیق، یک سیستم توصیه‌گر جدید برای پیش‌بینی بیماری‌های قلبی عروقی پیشنهاد شده است که از شبکه عصبی کانولوشنی برای تجزیه و تحلیل داده‌های فیزیولوژیکی بیماران استفاده می‌کند. داده‌های فیزیولوژیکی از بیماران به‌صورت از راه دور از طریق چهار حسگر بیولوژیکی شامل حسگر نوار قلب، حسگر فشار خون، حسگر ضربان قلب و حسگر قند خون جمع‌آوری می‌شوند. این داده‌ها سپس توسط یک کنترل‌کننده آردینو پردازش می‌شوند و مدل شبکه عصبی کانولوشنی برای پیش‌بینی بیماری قلبی عروقی به کار می‌رود، این مدل با قابلیت‌های برجسته در استخراج ویژگی‌های محلی و بدون نیاز به تحلیل پیچیده توالی زمانی، می‌تواند به‌طور موثری از داده‌های عددی ثابت مانند فشار خون، ضربان قلب، و قند خون برای تشخیص بیماری‌های قلبی استفاده کند. نتایج آزمایش‌ها نشان داد شبکه عصبی کانولوشنی توانسته است ویژگی‌های محلی و غیرزمانی داده‌ها را به‌طور مؤثری استخراج کرده و به مدل کمک کند تا دقت پیش‌بینی را به 98.90% برساند.