فهرست نشریات علمی دسترسی آزاد ایران

مقاله پژوهشی مقدمه: با استفاده از تکنولوژی فوتوپلتیسموگرافی غیرتماسی (remote Photoplethysmography) rPPG پایش ضربان قلب (Heart rate) HR بدون نیاز به تماس فیزیکی امکان‌پذیر شده است. در دهه‌های گذشته، روش‌هایی برای تخمین سیگنال rPPG و نرخ ضربان قلب با استفاده از فریم‌های ویدئویی توسعه داده شده‌اند‌. در سال‌های اخیر روش‌های یادگیری عمیق نیز در این حوزه به کار گرفته شده و عملکرد مناسبی داشته‌اند. روش‌ها: در این مطالعه، از یک شبکه عصبی عمیق (MTTS-CAN) همراه با الگوریتم تشخیص چهره (mediapipe) به منظور تخمین ضربان قلب به صورت غیر تماسی از روی ویدئوی چهره افراد در یک مجموعه داده عمومی (PURE) و یک مجموعه داده بومی (Stroop) بهره گرفته شده است. یافته‌ها: نتایج پیاده‌سازی بر روی مجموعه داده PURE قابل مقایسه با نتایج منتشر شده در مقالات (MAE:7.72bpm) است. بعلاوه نتایج بر روی مجموعه داده بومی نیز قابل قبول (MAE:5.53bpm) می‌باشد. نتیجه‌گیری: در این مطالعه، دقت تخمین قابل قبولی برای ضربان قلب غیرتماسی ارائه شده است. علاوه بر آن، نتایج نشان می‌دهند که روش پیشنهادی به دیتاست خاصی وابسته نبوده و در یک دیتاست بومی در مقایسه با دیتاست بنچمارک نتایج مناسبی ایجاد کرده است.