>
Fa   |   Ar   |   En
   پیش‌آگهی اپیزودهای افت فشار خون حاد با استفاده از ویژگی‌های فیزیولوژیکی و آشوبناک  
   
نویسنده جانقربانی امین ,آراسته عبدالله ,مرادی محمدحسن
منبع مهندسي پزشكي زيستي - 1392 - دوره : 7 - شماره : 2 - صفحه:163 -174
چکیده    اپیزودهای افت فشار خون حاد یکی از اختلالات همودینامیکی رایج در طیف گسترده‌ای از بیماران است. متاسفانه نرخ تلفات در بین بیماران مبتلا به این اختلال بسیار بالا ماست. عوامل مختلفی در وقوع این اختلال فیزیولوژیک موثر هستند که هر کدام داری منشا متفاوت هستند. پیش‌آگهی اپیزودهای افت فشار خون حاد کمک شایانی به درمان مناسب و کاهش تلفات این بیماران خواهد نمود. با پیش‌آگهی این اختلال فیزیولوژیکی، پزشکان قادر خواهند بود علت وقوع این اختلال را با استفاده از بررسی‌های بالینی مختلف دریافته و درمان مناسبی بر اساس عامل وقوع آن، انتخاب کنند. در این پژوهش به منظور پیش‌آگهی اپیزودهای افت فشار خون حاد در بازه یک ساعت آینده، دو نوع ویژگی آماری از پارامترهای همودینامیکی و ویژگی های آشوبناک از سری‌های زمانی فیزیولوژیکی موجود در بازه دو ساعتی منتهی به به ابتدای بازه پیش بینی، استخراج گردید. سپس ویژگی‌های برگزیده با استفاده از الگوریتم ژنتیک، توسط ماشین بردار پشتیبان طبقه‌بندی شدند. دقت پیش‌آگهی برای ویژگی‌های آماری پارامترهای فیزیولوژیکی 5/87 درصد و برای ویژگی‌های آشوبی 85 درصد حاصل گردید. در ادامه به منظور استفاده از جنبههای مختلف اطلاعات موجود در دو دسته ویژگی و بهبود دقت پیش‌آگهی، 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 پیش‌آگهی برای دسته ویژگی تلفیقی بهینه، 95 درصد حاصل شد که در مقایسه با نتایج مطالعات پیشین بر روی مجموعه داده مشابه، بهبود قابل توجهی حاصل شد
کلیدواژه اپیزودهای افت فشار خون حاد ,پیش‌آگهی ,ویژگی‌های فیزیولوژیکی ,ویژگی‌های آشوبناک ,انتخاب ویژگی ,الگوریتم ژنتیک ,Acute Hypotension Episodes ,Prognosis ,Physiological Features ,Chaotic Features ,Feature Selection ,Genetic Algorithm
آدرس دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران
پست الکترونیکی a.janghorbani@aut.ac.ir
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved