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 “C” 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