چکیده مقاله
سیگنال های حیاتی مانند الکترومایوگرافی، الکتروکاردیوگرافی، الکتروانسفالوگرافی مهم ترین منابع اطلاعاتی در پایش سلامت و تشخیص بیماری ها محسوب می شوند در این زمینه بین مغز، قلب، ماهیچه و کامپیوتر ارتباط دو طرفه از طریق سیگنال ها ایجاد می شود که اطلاعات ارزشمندی درباره وضعیت سلامت و فعالیت فرد ارائه می دهد اما پیچیدگی، نویز بالا و حجم زیاد این داده ها پردازش، تحلیل و تفسیر دقیق آنها را دشوار می سازد در سال های اخیر هوش مصنوعی و به ویژه الگوریتم های یادگیری ماشین و یادگیری عمیق، توانسته اند راهکارهای نوینی برای استخراج ویژگی ها و تشخیص بیماری ها ارائه دهند ترکیب این الگوریتم ها با روش های پیشرفته پردازش سیگنال باعث شده است که تشخیص های پزشکی با دقت بیشتری انجام شود و حتی امکان پیش بینی وضعیت بیمار پیش از بروز علائم بالینی فراهم گردد کاربردهای این فناوری ها تنها به تشخیص محدود نمی شود؛ بلکه در توسعه پروتزهای هوشمند، رابط های مغز رایانه BCI ، توان بخشی بیماران و نیز پایش سلامت از راه دور نقش مهمی ایفا کرده است در این مقاله به رابطه هوش مصنوعی در مهندسی برق و سیگنال های حیاتی پرداخته شده است
کلیدواژه‌ها
نویسندگان
نادیا روزبه
گروه مهندسی پزشکی موسسه آموزش عالی آفرینش علم گستر، ایران، لرستان بروجرد
فاطمه عبدالملکی دارانی
گروه مهندسی پزشکی موسسه آموزش عالی آفرینش علم گستر، ایران، لرستان بروجرد
شیوه ارجاع
�وزبه، نادیا و عبدالملکی دارانی، فاطمه،1404،بررسی تاثیرات هوش مصنوعی در سیگنال های حیاتی (EEG EKG EMG)،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین
ارائه‌شده در
مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین