Estimation of Sympathetic and Parasympathetic Level during Orthostatic Stress using Artificial Neural Networks

KANA, Michel, Marcel JIŘINA a Jiří HOLČÍK. Estimation of Sympathetic and Parasympathetic Level during Orthostatic Stress using Artificial Neural Networks. In Recent Advances in Mechatronics. Berlin: Springer. s. 431-436. ISBN 978-3-642-05021-3. 2009.

Základní údaje

• Originální název: Estimation of Sympathetic and Parasympathetic Level during Orthostatic Stress using Artificial Neural Networks
• Název česky: Odhad úrovně působení sympatiku a parasympatiku během ortostatické zátěže pomocí umělých neuronových sítí
• Autoři: KANA, Michel (120 Kamerun), Marcel JIŘINA (203 Česká republika) a Jiří HOLČÍK (203 Česká republika, garant, domácí).
• Vydání: Berlin, Recent Advances in Mechatronics, od s. 431-436, 6 s. 2009.
• Nakladatel: Springer

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Stať ve sborníku
• Obor: 20600 2.6 Medical engineering
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• Kód RIV: RIV/00216224:14710/09:00043002
• Organizační jednotka: Institut biostatistiky a analýz
• ISBN: 978-3-642-05021-3
• UT WoS: 000277076900073
• Klíčová slova česky: orthostatic stress sympathetic parasympathetic system artificial neural networks
• Klíčová slova anglicky: ortostatická zátěž sympatikus parasympatikus umělá neuronová síť
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

This study deals with the development of a new method to quantify the effect of orthostatic stress on the cardiovascular system. Orthostatic hypotension in healthy subjects triggers the baroreflex, which induces increased sympathetic activity and decreased parasympathetic activity. We performed a tilt-table test on 19 healthy subjects while measuring electrocardiogram, galvanic skin resistance and blood pressure signals. We developed a method for inverse parameters identification using artificial neural networks to fit the experimental data and identify physiological parameters (sympathetic and parasympathetic level). We implemented a supervised controller in the form of mathematical model of the baroreflex which was used to estimate the sympathetic and parasympathetic levels for a selected set of experimental data. Obtained result was used as training set for our artificial neural network. The network was able to estimate the levels of sympathetic and parasympathetic discharge.

Anotace česky

Tato studie se zabývá vývojem nové metody pro kvantifikaci vlivu ortostatického testu na kardiovaskulární soustavu. Model byl použit pro vyhodnocení testu na sklápěcím stole na 19 zdrvých osobách, během kterého byl měřen EKG signál, galvanický kožní odpor a tlak krve. K identifikaci úrovně vlivu sympatiku a parasympatiku na kardiovaskulární soustavu byl vyvinut nový algoritmus využívající umělou neuronovou síť. Odhadnuté parametry byly úspěšně srovnány s reálnými naměřenými hodnotami. Dále byl navrhnut klasifikátor, který byl schopen predikce pohlaví, věku, váhy a zdravotního stavu vyšetřovaného pacienta na základě odhadnutých modelových parametrů.