@article{ author = {سیدمحمدرضا بابامیرandنگار مجمعandسید امیرحسن منجمی}, title = {یک رویکرد عامل‌گرا با قابلیت یادگیری برای کنترل و بهبود عملکرد دستگاه تنظیم ضربان قلب بر بستر ابر}, journal = {فصلنامه مهندسی برق و مهندسی کامپيوتر ايران}, volume = {15}, number = {60}, page = {257-271}, year = {1397}, publisher = {پژوهشکده برق جهاد دانشگاهی}, issn = {16823745}, eissn = {16823745}, doi = {}, abstract = {ارائه یک رویکرد عامل‌گرای راستی‌آزما برای دستگاه کنترل ضربان قلب که برای تنظیم ضربان بیماران دچار آرتیمی استفاده می‌شود و همچنین امکان کنترل و دسترسی به عملکرد آن در هر زمان و مکان از طریق بستر ابر جهت اطمینان از کارکرد صحیح آن، هدف این مقاله است. در صورت از کار افتادن دستگاه تنظیم ضربان قلب به هر دلیل و یا تولید ضربان نامناسب توسط دستگاه، جان بیمار به خطر می‌افتد. با استفاده از رویکرد پیشنهادی، از عملکرد صحیح دستگاه تنظیم ضربان قلب می‌توان اطمینان حاصل نمود. این رویکرد با استفاده از عامل نرم‌افزاری که قابلیت یادگیری تقویتی دارد می‌تواند شرایط پیش‌بینی نشده را فراگرفته و بر اساس آن رفتار نماید. استفاده از بستر ابر امکان ارسال پیام در شرایط بحرانی برای مراکز پزشکی را فراهم می‌کند. پس از محاسبه تعداد ضربان قلب بیمار به وسیله دستگاه تنظیم ضربان قلب و قبل از اعمال آن در بدن بیمار، رویکرد پیشنهادی مقدار ضربان محاسبه‌شده را بر اساس نظرات متخصص بررسی می‌کند و در صورت مغایرت بر اساس مکانیزم یادگیری تقویتی آن را تصحیح می‌کند. رویکرد پیشنهادی به طور خودکار و هوشمند با استفاده از قابلیت یادگیری تقویتی عمل می‌نماید. این روش به صورت شبیه‌سازی بر روی ابر و اتصال به یک دستگاه الکترونیکی همراه با بیمار پیاده‌سازی و از نظر زمان اجرا مورد بررسی و پذیرش قرار گرفت. نتایج روش پیشنهادی با خروجی‌های مورد انتظار در دیتاست‌های موجود مقایسه شده است. این مقایسه نشان داد که استفاده از رویکرد پیشنهادی 24/13 درصد محاسبه انجام‌شده توسط دستگاه تنظیم ضربان قلب را دقیق‌تر می‌سازد. استفاده از عامل‌های نرم‌افزاری با به کارگیری قابلیت یادگیری تقویتی می‌تواند نقش مهمی در بهبود رفتار دستگاه‌های پزشکی در شرایط بحرانی داشته باشد. }, keywords = {Verification pacemaker colored fuzzy Petri-nets software agent reinforcement learning}, title_fa = {یک رویکرد عامل‌گرا با قابلیت یادگیری برای کنترل و بهبود عملکرد دستگاه تنظیم ضربان قلب بر بستر ابر}, abstract_fa = {ارائه یک رویکرد عامل‌گرای راستی‌آزما برای دستگاه کنترل ضربان قلب که برای تنظیم ضربان بیماران دچار آرتیمی استفاده می‌شود و همچنین امکان کنترل و دسترسی به عملکرد آن در هر زمان و مکان از طریق بستر ابر جهت اطمینان از کارکرد صحیح آن، هدف این مقاله است. در صورت از کار افتادن دستگاه تنظیم ضربان قلب به هر دلیل و یا تولید ضربان نامناسب توسط دستگاه، جان بیمار به خطر می‌افتد. با استفاده از رویکرد پیشنهادی، از عملکرد صحیح دستگاه تنظیم ضربان قلب می‌توان اطمینان حاصل نمود. این رویکرد با استفاده از عامل نرم‌افزاری که قابلیت یادگیری تقویتی دارد می‌تواند شرایط پیش‌بینی نشده را فراگرفته و بر اساس آن رفتار نماید. استفاده از بستر ابر امکان ارسال پیام در شرایط بحرانی برای مراکز پزشکی را فراهم می‌کند. پس از محاسبه تعداد ضربان قلب بیمار به وسیله دستگاه تنظیم ضربان قلب و قبل از اعمال آن در بدن بیمار، رویکرد پیشنهادی مقدار ضربان محاسبه‌شده را بر اساس نظرات متخصص بررسی می‌کند و در صورت مغایرت بر اساس مکانیزم یادگیری تقویتی آن را تصحیح می‌کند. رویکرد پیشنهادی به طور خودکار و هوشمند با استفاده از قابلیت یادگیری تقویتی عمل می‌نماید. این روش به صورت شبیه‌سازی بر روی ابر و اتصال به یک دستگاه الکترونیکی همراه با بیمار پیاده‌سازی و از نظر زمان اجرا مورد بررسی و پذیرش قرار گرفت. نتایج روش پیشنهادی با خروجی‌های مورد انتظار در دیتاست‌های موجود مقایسه شده است. این مقایسه نشان داد که استفاده از رویکرد پیشنهادی 24/13 درصد محاسبه انجام‌شده توسط دستگاه تنظیم ضربان قلب را دقیق‌تر می‌سازد. استفاده از عامل‌های نرم‌افزاری با به کارگیری قابلیت یادگیری تقویتی می‌تواند نقش مهمی در بهبود رفتار دستگاه‌های پزشکی در شرایط بحرانی داشته باشد. }, keywords_fa = {راستی‌آزمایی دستگاه تنظیم ضربان قلب شبکه پتری رنگی فازی یادگیری عامل}, URL = {rimag.ir/fa/Article/28289}, eprint = {rimag.ir/fa/Article/Download/28289},