گروه مهندسی پزشکی

جلسه دفاع از پایان نامه کارشناسی ارشد آقای نیما علی حسینی

جلسه با موضوع تشخیص علائم حیاتی مبتنی بر فوتوپلتیسموگرافی از راه دور، در تاریخ سه شنبه 2 بهمن 1403، برگزار می گردد.

جلسه دفاع از پایان نامه کارشناسی ارشد آقای نیما علی حسینی، با موضوع تشخیص علائم حیاتی مبتنی بر فوتوپلتیسموگرافی از راه دور، از گروه مهندسی پزشکی در تاریخ سه شنبه 2 بهمن 1403، ساعت 11 دراتاق 254 برگزار می گردد.
 
 
 استاد راهنما: دکتر حمیدرضا مراتب

چکیده: فوتوپلتیسموگرافی از راه دور (rPPG) یک روش غیرتماسی برای اندازه‌گیری علائم حیاتی مانند ضربان قلب، سطح اکسیژن خون و نرخ تنفس از طریق تجزیه‌وتحلیل تغییرات نور بازتابی از پوست است که توسط دوربین‌های ویدئویی ثبت می‌شود. این فناوری می‌تواند از سیگنال‌های مربوط به تغییرات جزئی در حجم خون زیر پوست که بر اثر ضربان قلب ایجاد می‌شود، برای استخراج پارامترهای فیزیولوژیکی استفاده کند. کاربردهای آن در محیط‌های پزشکی مانند مراقبت‌های ویژه نوزادان (NICU)، مراقبت از سالمندان و حتی برای نظارت بر وضعیت‌های ویروسی مانند COVID-19 است. rPPG با استفاده از دوربین‌های معمولی مانند دوربین‌های گوشی همراه یا وبکم می‌تواند به طور مداوم و بلادرنگ اطلاعات دقیقی از وضعیت سلامت فرد ارائه دهد. چارچوب طراحی سیستم: این پژوهش به طراحی سیستمی برای استخراج علائم حیاتی از ویدئو با استفاده از فوتوپلتیسموگرافی از راه دور (rPPG) پرداخته است. سیستم شامل مراحل ثبت ویدئو، شناسایی چهره و نواحی موردعلاقه (ROI)، استخراج سیگنال rPPG و پردازش آن برای محاسبه پارامترهای فیزیولوژیکی مانند ضربان قلب، سطح اکسیژن خون، نرخ تنفس و تغییرپذیری ضربان قلب است. ویدئوها به فریم‌های مجزا تقسیم می‌شوند و از دوربین‌های RGB برای ثبت داده‌ها استفاده شده است. سیگنال‌ها پس از پردازش و حذف نویز به روش‌های مختلف استخراج می‌شوند. برای تحلیل دقیق‌تر، در این پژوهش از روش پنجره‌گذاری استفاده شده است. مجموعه‌داده‌ها: مجموعه داده‌ای شامل ویدئوهایی از 81 نفر (65 مرد و 16 زن) برای آموزش و ارزیابی سیستم به کار گرفته شده است و همچنین از مجموعه‌داده‌های دیگر نیز استفاده شده است. در این پژوهش، الگوریتم‌های مختلف استخراج سیگنال rPPG شامل CHROM ، PBV، POS، ICA، LGI و OMIT ارزیابی شدند. نتایج نشان می‌دهند که الگوریتم‌های CHROM و POS بهترین عملکرد را از خود نشان دادند. الگوریتم CHROM با دستیابی به مقدار R² برابر 91/0 و CCC برابر 94/0 و الگوریتم POS با R² برابر 94/0 و CCC برابر 96/0، دقت بالایی در تخمین ضربان قلب از خود نشان دادند. همچنین، نمودار بلند -آلتمن نشان‌دهنده تفاوت‌های ناچیز میان مقادیر واقعی و تخمین‌زده‌شده بوده و مقدار Pvalue برای هر دو الگوریتم برابر با 2782/0 ، عدم وجود تفاوت معنی‌دار را تایید می‌کند. این نتایج نشان‌دهنده برتری الگوریتم‌های CHROM و POS در ارزیابی دقت استخراج سیگنال rPPG هستند.
 
تاریخ:
1403/10/26
تعداد بازدید:
40
منبع:
دانشگاه اصفهان

آدرس: اصفهان، میدان آزادی، دانشگاه اصفهان،میدان خوارزمی، ابتدای بلوار سلامت، ساختمان انصاری
کدپستی: 8174673441
تلفن: 37932685 تلفکس: 36682887
راهنمای جامع تلفن های دانشگاه اصفهان

Powered by DorsaPortal