(0721) 8030188    [email protected]   

Estimasi Tekanan Darah Non-kontak Berdasarkan Rekaman Citra Wajah dengan Menggunakan Deep Learning


Tekanan darah merupakan salah satu parameter dasar dalam indikator kesehatan fisiologis seseorang. Nilai tekanan darah terdiri dari 2 nilai yaitu sistolik dan diastolik. Kedua nilai tersebut dapat memberikan gambaran seberapa baik kesehatan kardiovaskular yang dimiliki. Penilaian tekanan darah memiliki beberapa metode seperti metode konvensional dengan menggunakan tensimeter, PTT yang berdasar pada cepat rambat denyut jantung, dan penerapan machine learning. Namun setiap metode ini memiliki kendala masing-masing seperti pengoperasian yang membutuhkan keterampilan khusus, akurasi yang kurang baik, maupun beban komputasi yang berat. Pada penelitian ini, peneliti mencoba mengembangkan metode estimasi tekanan darah menggunakan deep learning. Penelitian ini bertujuan untuk menganalisis pengaruh terhadap proses pelatihan model, mengukur kinerja dari model yang dikembangkan, dan mengimplementasikan model tersebut. Pengembangan model learing pada penelitian ini dilakukan dengan menggunakan PyTorch dan untuk tampilan sistem implementasi dikembangkan dengan PyQt6. Hasil dari penelitian ini didapatkan bahwa hyperparameter panjang sinyal memiliki peran dalam meningkat akurasi model dengan data yang lebih panjang. Lalu hyperparameter bandpass filter yang lebih sempit dapat memberikan kualitas yang lebih baik sejalan dengan noise yang semakin sedikit. Kemudian penelitian ini menghasilkan 2 model untuk perhitungan sistolik dan diastolik. Kinerja dari model sistolik terukur dengan nilai MAE 7,817, RMSE 10,226, dan %MR 84,483%. Lalu untuk model diastolik memiliki kinerja dengan nilai MAE 6,990, RMSE 9,091, dan %MR 81,034%. Kedua model tersebut memiliki kriteria ā€œCā€ berdasarkan kriteria BHS. Terakhir, model yang dikembangkan berhasil diimplementasikan dalam sistem yang dikembangkan dengan PyQt6. Sistem implementasi ini berhasil merekam wajah subjek dan melakukan perhitungan dengan model learning berdasarkan data rekaman wajah tersebut.

URI
https://repo.itera.ac.id/depan/submission/SB2408130029

Keyword
Tekanan darah Deep Learning POS rPPG