Trajno napovedovanje krvnega tlaka iz signala PPGSlapničar, Gašper (Avtor) Kukar, Matjaž (Mentor) Luštrek, Mitja (Komentor) krvni tlakfotopletizmografijastrojno učenjeregresijaobdelava signalovKrvni tlak je pomemben pokazatelj hipertenzije. Razvili smo sistem, ki krvni tlak ocenjuje iz fotopletizmograma (PPG), kakršen je že vgrajen v večino modernih senzorskih zapestnic. Zaradi šuma in motenj, ki se v signalu PPG pojavijo kot posledica uporabe zapestnice, smo razvili metodo čiščenja in segmentiranja signala PPG na cikle. Nato smo izračunali množico značilk, ki smo jih uporabili v regresijskih modelih. Sistem smo izboljšali z uporabo algoritma RReliefF za izbor najboljših značilk in z uporabo dela podatkov vsake osebe za učenje personaliziranih napovednih modelov. Sistem smo vrednotili na dveh podatkovnih množicah, eni iz kliničnega okolja in drugi zbrani med rutinskimi dnevnimi aktivnostmi posameznikov. V poizkusu, kjer model vsakič naučimo na vseh osebah razen eni in ga nato testiramo na izpuščeni osebi, smo z uporabo klinične množice (podatkovna baza MIMIC) dosegli najnižjo povprečno absolutno napako (MAE) 5,61 mmHg za sistolični in 3,82 mmHg za diastolični krvni tlak, oboje pri največji stopnji personalizacije. Za množico, zbrano med rutinskimi dnevnimi aktivnostmi, smo dosegli najnižjo MAE 8.40 mmHg za sistolični in 4.20 mmHg za diastolični krvni tlak, ponovno pri največji stopnji personalizacije. Najbolje sta se obnesla algoritma globoka regresija in ``naključni gozd''. Rezultati skoraj dosegajo zahteve dveh glavnih standardov za ocenjevanje krvenga tlaka.20182018-02-14 11:50:02Magistrsko delo/naloga99773VisID: 19323sl