OTOMATİK HARİCİ DEFİBRİLATÖR İÇİN GÖMÜLÜ SİSTEME UYGUN YAPAY ZEKÂ TABANLI ŞOK TAVSİYE SİSTEMİNİN GELİŞTİRİLMESİ VE GERÇEKLENMESİ
Yükleniyor...
Dosyalar
Tarih
2024-07
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışma, ani kalp durması (SCA) gibi hayatı tehdit eden durumlarda hayati önem taşıyan otomatik harici defibrilatörlerin (AED’ler) etkinliğini ve erişilebilirliğini artırmayı amaçlamaktadır. SCA, kalbin beklenmedik bir şekilde atmayı durdurduğu ciddi bir durumdur ve derhal tedavi edilmezse genellikle ölüme yol açar. Her yıl dünya çapında milyonlarca insan SCA nedeniyle ölmektedir. AED’ler bu tür acil durumlarda hızlı bir müdahale sağlayarak hayatta kalma oranlarını önemli ölçüde artırabilir. Bu araştırmanın odak noktası, hastane dışı kalp durması (OHCA) vakalarına hızlı müdahale için makine öğrenimi (ML) destekli uygulamalar geliştirerek AED cihazlarını iyileştirmektir. Mevcut AED’ler geleneksel sinyal işleme yöntemlerini kullanarak kalp ritmi bozukluklarını tespit ederken, literatürdeki ML tabanlı şok tavsiye algoritmaları (SAA) daha yüksek doğruluk sunmaktadır. Ancak, bu algoritmalar genellikle donanım sınırlamaları dikkate alınmadan modern programlama dilleri kullanılarak geliştirilmiştir. Bu çalışma, düşük maliyetli mikrodenetleyiciler üzerinde çalışabilen ve AED cihazlarına entegre edilebilen ML tabanlı SAA elde etmeyi ve gömülü sistemlerde test etmeyi amaçlamaktadır. Bunu başarmak için, düşük hesaplama maliyetine sahip ML tabanlı SAA geliştirilmiş, C diline entegre edilmiş ve mikrodenetleyici tabanlı bir geliştirme kiti üzerinde test edilmiştir.
This study aims to enhance the effectiveness and accessibility of Automated External Defibrillators (AEDs), which are crucial in life-threatening situations such as Sudden Cardiac Arrest (SCA). SCA is a serious condition where the heart unexpectedly stops beating, and if not treated immediately, it often results in death. Each year, millions of people worldwide die from SCA. AEDs can significantly increase survival rates by providing rapid intervention in such emergencies. The focus of this research is to improve AED devices by developing Machine Learning (ML)-supported applications for rapid response in Out-of-Hospital Cardiac Arrest (OHCA) cases. While existing AEDs detect heart rhythm abnormalities using traditional signal processing methods, ML-based Shock Advice Algorithms (SAA) in the literature offer higher accuracy. However, these algorithms are often developed using modern programming languages without considering hardware limitations. This study aims to develop and test an ML-based SAA that can operate on low-cost microcontrollers and be integrated into AED devices. To achieve this, a low-computation-cost ML-based SAA was developed, integrated into the C programming language, and tested on a microcontroller-based development kit."
This study aims to enhance the effectiveness and accessibility of Automated External Defibrillators (AEDs), which are crucial in life-threatening situations such as Sudden Cardiac Arrest (SCA). SCA is a serious condition where the heart unexpectedly stops beating, and if not treated immediately, it often results in death. Each year, millions of people worldwide die from SCA. AEDs can significantly increase survival rates by providing rapid intervention in such emergencies. The focus of this research is to improve AED devices by developing Machine Learning (ML)-supported applications for rapid response in Out-of-Hospital Cardiac Arrest (OHCA) cases. While existing AEDs detect heart rhythm abnormalities using traditional signal processing methods, ML-based Shock Advice Algorithms (SAA) in the literature offer higher accuracy. However, these algorithms are often developed using modern programming languages without considering hardware limitations. This study aims to develop and test an ML-based SAA that can operate on low-cost microcontrollers and be integrated into AED devices. To achieve this, a low-computation-cost ML-based SAA was developed, integrated into the C programming language, and tested on a microcontroller-based development kit."
Açıklama
Anahtar Kelimeler
AED, EKG, Şok Tavsiye Algoritması, Makine Öğrenmesi, Defibrilatör, Kalp Krizi., AED, ECG, Shock Advise Algorithm, Machine Learning, Defibrillator, Heart attack
