Çoxgörevli öyrənmədən istifadə edərək qan təziqi dalğalarından çoxsaylı kardiovaskulyar parametrlerin birgə təxmin edilməsi

Kardiovaskular sağlamlıq qiymətləndirilməsi üçün qan təzyiqi dalğa formaları istifadə edərək ürək-damar parametrlərinin qiymətləndirilməsi geniş araşdırılıb. Bununla birlikdə, əvvəlki tədqiqatlar əsasən fərdi parametrlərə diqqət yetirir, lakin vahid çərçivədə onların birgə qiymətləndirilməsi hələ də araşdırılmayıb. Vaskular yaş, insult həcmi və periferik müqavimət birgə dalğa forma morfologiyasını formalaşdırdığını nəzərə alaraq, onların təxminini çox tapşırıqlı öyrənmə problemi kimi formalaşdırdıq. Biz, qalan arxitektura, zaman və kanal diqqətini (RNDR-TCA) olan qalıq sinir ölçüsü azaldıcı adlandırılan, qalan əlaqələrin vasitəsilə əsas vəzifə təmsillərini qoruyub saxlayan və zaman mövqelərində və kanallarda köçürülmüş xüsusiyyətləri adaptiv modullaşdıran bir arxitektura təklif etdik. Təcrübə təsdiqlənməsi müstəqil olaraq idarə olunan parametr dəyərləri ilə qəlb- və yahud- damar aparatı simulyatoru məlumat dəstindən istifadə edərək təsnifat hədəfləri kimi qəbul edilmişdir. RNDR-TCA, qiymətləndirilmiş memarlıqlar arasında ayrı bir vəzifəli modellər (0.784), bir çox sinif təsnifatçısı (0.771), paylaşılan gövdə memarlığı (0.7810.816) və digər çapraz danışıq memarlıqları (0.7920.824) ilə müqayisədə ən yüksək orta Macro F1 hesabını əldə etdi. Əlavə analizlər saylı qiymətləndirmə səhvlərini, statistik qeyri-müəyyənliyi, diqqət davranışını, sinif balanssızlığını, görməli olmayan ürək tezliyi vəziyyətlərinə ümumiləşdirilməsini və model mürəkkəbliyini araşdırdı. Bu nəticələr göstərir ki, diqqət əsaslı vəzifələrarası xüsusiyyətlər mübadiləsi bir qan təzyiqi dalğası formasından bir çox ürək-damar parametrlərinin effektiv birgə təsnifatına töhfə verə bilər.

Bu iş Elm və İKT Nazirliyinin InnoCORE proqramı (N10260002) tərəfindən dəstəklənmişdir. Bu iş Təhsil Nazirliyi tərəfindən maliyyələşdirilən Koreya Milli Elmi-Tədqiqat Fondunun BK21 FOUR Proqramı ilə də dəstəklənmişdir.

Elektrik mühəndisliyi kafedrası, KAIST, 291 Daehak-ro, Yuseong-gu, Daejeon, 34141, Koreya Respublikası

Səhiyyə İS Tədqiqat İnstitutu, Seul Milli Universitet Xəstəxanası, 101 Daehak-ro, Jongno-gu, Seul, 03080, Koreya Respublikası

KAIST, 291 Daehak-ro, Yuseong-gu, Daejeon, 34141, Koreya Respublikası

Hong Junki, Adelle Ria Persad, Hyunwoo Song, Yuri Song, Haein Shin, Jaemin Shin & Yong-Hwa Park