فهرست نشریات علمی دسترسی آزاد ایران

پایش غیرتماسی ضربان قلب با استفاده از اطلاعات حالت کانال (CSI) سیگنال وای‌فای، به‌عنوان رویکردی نوظهور در حسگری زیست‌پزشکی، امکان نظارت پیوسته بر وضعیت فیزیولوژیکی افراد را بدون نیاز به تماس فیزیکی یا تجهیزات پوشیدنی فراهم می‌سازد. بااین‌حال، تغییرپذیری قابل‌توجه الگوهای CSI میان افراد مختلف و کمبود داده‌های برچسب‌دار، توسعه مدل‌های یادگیری عمیق تعمیم‌پذیر را با چالش جدی مواجه می‌کند. در این پژوهش، یک چارچوب مبتنی بر یادگیری داده‌محدود برای تخمین ضربان قلب از سیگنال‌های CSI ارائه می‌شود که از ساختارهای یادگیری شباهت‌محور (Siamese) و رابطه‌محور (Relation-based) بهره می‌گیرد. در این چارچوب، شبکه‌های عصبی کانولوشنی SE-DenseNet، SEResNet10 و MobileNetV2 به‌عنوان رمزگذار ویژگی به‌کار گرفته‌شده‌اند تا نمایش‌های تمایز بخش از سیگنال‌های زمانی و طیف‌نگارهای فرکانسی CSI استخراج شود. سپس، با استفاده از تعداد محدودی نمونه پشتیبان، مدل قادر است به‌صورت سریع با توزیع داده سوژه جدید تطبیق یابد، بدون آنکه دچار بیش‌برازش شود. با ارزیابی به روش LOSO کمترین میزان خطا bpm 38/1 در روش شباهت محور با رمزگذار ویژگی SE-DenseNet حاصل گردید. این طراحی امکان تحلیل نقش هم‌ترازی میان معماری شبکه، نمایش زمانی یا فرکانسی CSI و راهبرد یادگیری داده‌محدود را در توسعه سامانه‌های پایش غیرتماسی ضربان قلب فراهم می‌سازد.