การทดลองการประมาณความดันโลหิตด้วยสัญญาณโฟโตเพลธิสโมกราฟฟีแบบโดเมนเวลาและโดเมนความถี่โดยใช้โครงข่ายประสาทแบบคอนโวลูชัน 1 มิติ
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
อคิระ วรเศวต
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
นงนุช นุชระป้อม
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
โรงเรียนสาธิตแห่งมหาวิทยาลัยเกษตรศาสตร์ ศูนย์วิจัยและพัฒนาการศึกษา
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
ความดันโลหิตเป็นหนึ่งในปัจจัยสำคัญในการบ่งชี้ถึงปัญหาสุขภาพ ผู้สูงอายุจะต้องวัดความดันโลหิตอย่างสม่ำเสมอเพื่อเฝ้าระวังสภาวะความดันโลหิตสูงหรือต่ำเกินค่ามาตรฐาน ในบางกรณีแพทย์อาจต้องการวัดความดันโลหิตต่อเนื่องตลอดทั้งวัน การวัดความดันโลหิตแบบมาตรฐานที่ใช้กันอยู่ทั่วไปเป็นอุปกรณ์ที่ประกอบด้วยส่วนที่เป็นแผ่นรัดแขน ซึ่งจะต้องรัดแขนตลอดเวลาที่วัดความดันโลหิต ถ้าผู้ป่วยต้องวัดความดันโลหิตต่อเนื่องตลอดทั้งวัน ผู้ป่วยต้องรัดแขนทั้งวันในขณะทำกิจกรรมต่างๆ ซึ่งอาจมีผลกระทบต่อกิจกรรมที่ทำได้ ปัจจุบันมีการพัฒนาสมาร์ทวอทช์ให้สามารถวัดความดันโลหิตได้เช่น Galaxy Watch แต่ผู้ใช้งานจะทำการปรับเทียบทุกๆ 28 วัน ซึ่งเป็นอุปสรรคในการใช้งานของผู้สูงอายุ และเทคนิคการวัดความดันโลหิตของสมาร์ทวอทช์ไม่ได้ถูกเปิดเผยเป็นสาธารณะจึงไม่สามารถนำมาประยุกต์ใช้ได้ ในปัจจุบันมีงานวิจัยอยู่จำนวนมากนำเสนอวิธีการประมาณความดันโลหิตจากสัญญาณโฟโตเพลธิสโมกราฟฟี (PPG) โดยใช้โครงข่ายประสาทเทียม (NN: Neural Network) โดยใช้ข้อมูลด้านเข้า (input) ที่แตกต่างกัน ข้อมูลด้านเข้าส่วนใหญ่จะได้จากการแยกแยะคุณสมบัติ (Feature) ของสัญญาณ PPG เช่น ช่วงเวลาที่ลูกคลื่น PPG เพิ่มขึ้นและลดลง ระยะเวลาระหว่างยอดสูงสุดกับยอดที่สองในลูกคลื่นเดียวกัน (pulse transit time) เนืองจากโครงข่ายประสาทเทียมที่ใช้ในงานวิจัย และการหาคุณสมบัติของสัญญาณมีความซับซ้อนเกินกว่าความรู้ในระดับมัธยมศึกษา ดังนั้นโครงงานนี้จึงต้องศึกษาการประมาณความดันโลหิตจากสัญญาณ PPG ด้วยโครงข่ายประสาทแบบคอนโวลูชัน 1 มิติ (1D-CNN: One-dimension convolutional neural network) ซึ่งสามารถสร้างได้โดยง่าย โครงงานนี้ต้องการเปรียบเทียบการใช้ input เป็นสัญญาณ PPG และ สัญญาณระยะเวลาระหว่างลูกคลื่น (RR interval) โดยตรง ใน 3 ลักษณะคือ 1. โดเมนแบบเวลา 2. โดเมนแบบความถี่ 3. โดเมนแบบเวลาและความถี่ และศึกษาผลกระทบของความยาวของสัญญาณ PPG ที่ใช้เป็น input ผลการศึกษานี้จะทำให้ทราบถึงประสิทธิภาพของ 1D-CNN ในการประมาณความดันโลหิตจากสัญญาณ PPG โดยตรงและประสิทธิภาพของ input แบบโดเมนแบบเวลา และแบบโดเมนแบบความถี่