Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/586
Full metadata record
DC FieldValueLanguage
dc.contributor.authorZITOUNI, AYmen-
dc.contributor.authorMANSOURI, IMad EDdine-
dc.date.accessioned2023-10-22T07:55:24Z-
dc.date.available2023-10-22T07:55:24Z-
dc.date.issued2023-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/586-
dc.descriptionEncadreur : Mr Malki Abdelhamiden_US
dc.description.abstractAbstract : The advent of Artificial Intelligence (AI) in healthcare has opened new horizons in patient care and medical research. This thesis concentrates on the indispensable role AI can play in predicting blood pressure, a crucial aspect in diagnosing and controlling cardiovascular diseases. We have undertaken a meticulous study to compare various AI models, exploring their efficiency and reliability in blood pressure prediction, with an endeavor to discern the most accurate and reliable method. Our exploration is presented in a manner that is comprehendible to individuals from diverse backgrounds, illustrating the significance and applicability of AI in healthcare. By identifying the most precise methods for blood pressure prediction, we anticipate contributing to the creation of enhanced and personalized healthcare solutions, thus making preventive care more attainable and efficient. We believe that our research acts as a catalyst for future explorations and innovations in this field, steering progress towards more patient-focused and informed healthcare systems.*** Résumé : L’avènement de l’Intelligence Artificielle (IA) dans le domaine de la santé a ouvert de nouveaux horizons dans les soins aux patients et la recherche médicale. Cette thèse se concentre sur le rôle indispensable que peut jouer l’IA dans la prédiction de la tension artérielle, un aspect crucial dans le diagnostic et le contrôle des maladies cardiovasculaires. Nous avons effectué une étude minutieuse pour comparer divers modèles d’IA afin d’explorer leur efficacité et fiabilité dans la prédiction de la tension artérielle, avec l’objectif de discerner la méthode la plus précise et fiable. Notre exploration est présentée d’une manière compréhensible pour des individus de divers horizons, illustrant la significativité et l’applicabilité de l’IA dans le domaine de la santé. En identifiant les méthodes les plus précises pour la prédiction de la tension artérielle, nous espérons contribuer à la création de solutions de santé améliorées et personnalisées, rendant ainsi les soins préventifs plus accessibles et efficaces. Nous espérons que notre recherche agira comme un catalyseur pour les explorations et innovations futures dans ce domaine, orientant le progrès vers des systèmes de santé plus centrés sur le patient et informés.en_US
dc.language.isoenen_US
dc.subjectArtificial Intelligenceen_US
dc.subjectDeep Learningen_US
dc.subjectMachine Learningen_US
dc.subjectHealthcareen_US
dc.subjectBlood Pressure Predictionen_US
dc.subjectCardiovascular Diseasesen_US
dc.subjectModel Comparisonen_US
dc.subjectPreventive Careen_US
dc.titleDeep Learning Approaches for Blood Pressure Estimation via Photoplethysmography (PPG)en_US
dc.typeThesisen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
master-23 (1)-1-1.pdf57,06 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.