اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شمارهها | 1,408 |
| تعداد مقالات | 10,088 |
| تعداد مشاهده مقاله | 11,909,074 |
| تعداد دریافت فایل اصل مقاله | 6,961,220 |
ارزیابی اثرات امواج الکترومغناطیس بر نرخ جذب خاص بدن انسان مبتنی بر الگوریتم یادگیری ماشین جنگل تصادفی | ||
| پژوهش در ایمنی، سلامت و محیط زیست | ||
| مقاله 5، دوره 3، شماره 12، خرداد 1405 اصل مقاله (1.23 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسنده | ||
| رضا اصفهانی* | ||
| دانشگاه جامع امام حسین علیه السلام | ||
| تاریخ دریافت: 17 بهمن 1404، تاریخ بازنگری: 09 اردیبهشت 1405، تاریخ پذیرش: 12 خرداد 1405 | ||
| چکیده | ||
| با گسترش روزافزون فناوریهای ارتباطی و حضور امواج (میدان) الکترومغناطیس (EMF) در محیط زندگی، نگرانیهایی در خصوص تأثیرات زیستمحیطی و سلامت انسان مطرح شده است. همچنین با گسترش روزافزون فناوریهای بیسیم و پدیده اینترنت اشیاء (IoT)، انسان در معرض تراکم بالایی از امواج الکترومغناطیس قرار دارد. ارزیابی دقیق اثرات زیستمحیطی این امواج و تأثیر آن بر بافتهای زنده، یکی از چالشهای اصلی بهداشت محیط و مهندسی پزشکی است. این پژوهش به بررسی مکانیسمهای اثرگذاری امواج بر بافتهای بدن و استانداردهای ایمنی میپردازد. هدف اصلی، ارائه راهکارهای عملی برای کاهش مواجهه و حفاظت از بدن در برابر تابش غیریونساز است. نتایج نشان میدهد که رعایت اصول ایمنی و پدافند غیرعامل، افزایش فاصله از منبع تشعشع و استفاده از وسایل حفاظتی، میتواند احتمال آسیبهای حرارتی و غیرحرارتی را به حداقل برساند. روشهای سنتی اندازهگیری و شبیهسازی عددی (مانند روش FDTD) زمانبر و پرهزینه هستند. روشهای مبتنی بر هوش مصنوعی پس از مرحله آموزش، با سرعتی فوقالعاده بالا پاسخ میدهند و هزینه محاسباتی بسیار پایینی دارند، هرچند که دقت آنها وابسته به کیفیت و حجم دادههای آموزشی است و ممکن است در شرایط ناشناخته دچار خطا شوند. این مقاله به بررسی کاربرد هوش مصنوعی (AI) و یادگیری ماشین (ML) به عنوان ابزاری قدرتمند برای پیشبینی نرخ جذب خاص (SAR) و ارزیابی خطرات ناشی از امواج میپردازد. روش پیشنهادی این مقاله (به کمک پیادهسازی پایتون)، شامل دو مرحله است تا بتوان به درک مناسبی از تاثیر امواج الکترومغناطیس رسید. | ||
| کلیدواژهها | ||
| امواج الکترومغناطیس؛ یادگیری ماشین؛ الگوریتم جنگل تصادفی؛ ایمنی بدن انسان؛ SAR | ||
| عنوان مقاله [English] | ||
| Assessment of the electromagnetic waves effects on the SAR of human body based on the random forest machine learning algorithm | ||
| چکیده [English] | ||
| With the rapid proliferation of communication technologies and the pervasive presence of electromagnetic fields (EMF) in the living environment, concerns regarding environmental impacts and human health have been raised. Furthermore, the expanding adoption of wireless technologies and the Internet of Things (IoT) has significantly increased human exposure to elevated levels of electromagnetic radiation. The precise assessment of the environmental effects of these waves and their impact on living tissues constitutes a primary challenge in environmental health and biomedical engineering. This research investigates the biophysical mechanisms through which electromagnetic waves interact with human tissues and reviews current safety standards. The primary objective is to propose practical strategies for minimizing exposure and protecting the human body against non-ionizing radiation. Findings indicate that adherence to established safety protocols, implementation of passive protective measures, increasing physical distance from radiation sources, and the use of shielding equipment can effectively reduce the risk of both thermal and non-thermal biological damage. Conventional approaches for measurement and numerical simulation—such as the Finite-Difference Time-Domain (FDTD) method—are often time-consuming and resource-intensive. After the training phase, AI-based methods respond with exceptionally high speed and incur very low computational costs; however, their accuracy depends on the quality and volume of training data, and they may exhibit errors under unknown conditions. This paper explores the application of Artificial Intelligence (AI) and Machine Learning (ML) as powerful tools for predicting the Specific Absorption Rate (SAR) and evaluating risks associated with electromagnetic waves. | ||
| کلیدواژهها [English] | ||
| Electromagnetic Waves, Machine Learning, Random Forest Algorithm, Human Body Safety, SAR | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 76 تعداد دریافت فایل اصل مقاله: 30 |
||