پیش آگهی اپیزودهای افت فشار خون حاد با استفاده از ویژگی های فیزیولوژیکی و آشوبناک

Authors

امین جانقربانی

عبدالله آراسته

محمدحسن مرادی

abstract

اپیزودهای افت فشار خون حاد یکی از اختلالات همودینامیکی رایج در طیف گسترد های از بیماران است. متاسفانه نرخ تلفات در بین بیماران مبتلا به این اختلال بسیار بالا می باشد. عوامل مختلفی در وقوع این اختلال فیزیولوژیک موثر هستند که هر کدام داری منشا متفاوت می باشند. پیش آگهی اپیزودهای افت فشار خون حاد کمک شایانی به درمان مناسب و کاهش تلفات این بیماران خواهد نمود. با پی شآگهی این اختلال فیزیولوژیکی، پزشکان قادر خواهند بود علت وقوع این اختلال را با استفاده از بررس یهای بالینی مختلف دریافته و درمان مناسبی بر اساس عامل وقوع آن، انتخاب کنند. در این پژوهش به منظور پیش آگهی اپیزودهای افت فشار خون حاد در بازه یک ساعت آینده، دو نوع ویژگی آماری از پارامترهای همودینامیکی و ویژگی های آشوبناک از سری های زمانی فیزیولوژیکی موجود در بازه دو ساعتی منتهی به به ابتدای بازه پیش بینی، استخراج گردید. سپس ویژگی های برگزیده با استفاده از الگوریتم ژنتیک، توسط ماشین بردار پشتیبان طبقه بندی شدند. دقت پیش آگهی برای ویژگ یهای آماری پارامترهای فیزیولوژیکی 5/87 درصد و برای ویژگی های آشوبی 85 درصد حاصل گردید. در ادامه به منظور استفاده از جنبههای مختلف اطلاعات موجود در دو دسته ویژگی و بهبود دقت پیش آگهی، 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 پیش آگهی 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 گردید.

Upgrade to premium to download articles

Already have an account?login

similar resources

پیش‌آگهی اپیزودهای افت فشار خون حاد با استفاده از ویژگی های فیزیولوژیکی و آشوبناک

full text

پیش بینی افت فشار خون بیماران دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت خون

افت فشار خون بیماران دیالیزی در حین فرآیند همودیالیز از شایع ترین مشکلاتی است که امروزه حدود 20 الی 30 درصد از بیماران دیالیزی با آن روبرو هستند. در راستای جلوگیری از این افت فشار، می‌بایست فشار خون بیمار دیالیزی را در حین فرآیند همودیالیز حتی المقدور به صورت پیوسته و غیرتهاجمی اندازه‌گیری کرد. اما از آنجائی که این کار عملاً امکان پذیر نیست و دستگاه‌های اندازه‌گیری غیر تهاجمی و پیوسته‌ی افت فشار...

full text

پیش بینی افت فشار خون بیماران دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت خون

افت فشار خون بیماران دیالیزی در حین فرآیند همودیالیز از شایع ترین مشکلاتی است که امروزه حدود 20 الی 30 درصد از بیماران دیالیزی با آن روبرو هستند. در راستای جلوگیری از این افت فشار، میبایست فشار خون بیمار دیالیزی را در حین فرآیند همودیالیز حتی المقدور به صورت پیوسته و غیرتهاجمی اندازهگیری کرد. اما از آنجائی که این کار عملاً امکان پذیر نیست و دستگاههای اندازهگیری غیر تهاجمی و پیوستهی افت فشار...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

ناحیه بندی تصاویر mr مغز با استفاده از fcm بهبود یافته ی مکانی به کمک تابع گوسی: gsfcm (یادداشت فنی)

بخش بندی تصویر را به بخش های مجزا تقسیم میکند که هر کدام از این بخش ها دارای سطوح روشنایییکنواختی هستند. از بین روشهای موجود روش خوشه بندیفازی fcm (fuzzy c-means clustering) دارای کاربرد وسیعی در ناحیهبندی تصاویر پزشکی است. عدم ادغام ویژگیهای مکانی در fcm استاندارد، از معایب این روش در ناحیهبندی تصاویر تشدید مغناطیسی mri مغز انسان است؛ در این مقاله از روشی جدید برای بخشبندی و حذف نویز تصاویر mr...

full text

پروستاگلاندین ها و فشار خون حاد حاملگی

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title:

فصل نامه علمی پژوهشی مهندسی پزشکی زیستی

Publisher: انجمن مهندسی پزشکی ایران

ISSN 8006-9685

volume 7

issue 2 2013

Keywords

اپیزودهای افت فشار خون حاد پیش آگهی ویژگی های فیزیولوژیکی ویژگی های آشوبناک انتخاب ویژگی الگوریتم ژنتیک

Hosted on Doprax cloud platform doprax.com