Η καρδιαγγειακή νόσος αποτελεί σημαντική αιτία παγκόσμιας νοσηρότητας και θνησιμότητας. Ως εκ τούτου, ο χαρακτηρισμός του καρδιαγγειακού συστήματος ενός ατόμου και η αξιολόγηση κινδύνου είναι ουσιαστικής σημασίας. Το σήμα αρτηριακής πίεσης περιέχει σχετικές πληροφορίες λόγω της εξάπλωσης των μηχανικών κυμάτων στο αρτηριακό δέντρο. Η κυματομορφή επηρεάζεται στη συνέχεια από διάφορους παράγοντες, όπως η ελαστικότητα των αρτηριών και η δομή του αρτηριακού συστήματος. Η ανίχνευση σημαντικών αλλαγών μπορεί να σχετίζεται με την παρουσία καρδιαγγειακών παθήσεων, πέραν του ότι επηρεάζεται από τη φυσική γήρανση. Στον τομέα της τεχνητής νοημοσύνης, αναπτύχθηκαν πρόσφατα πολλοί σύνθετοι αλγόριθμοι, και ενδεχομένως προσαρμοσμένοι σε μεγάλο και μεγάλο αριθμό δεδομένων, χάρη στις υπολογιστικές δυνάμεις. Σε αυτή τη διατριβή, θα προταθούν μέθοδοι για τη διεξαγωγή μηχανικής μάθησης από μια βάση δεδομένων των ασθενών που συλλέγονται. Στόχος αυτού του έργου είναι η ανάπτυξη μεθόδων μηχανικής μάθησης για τον χαρακτηρισμό του καρδιαγγειακού συστήματος των ασθενών, με ένα συγκεκριμένο μοντέλο για το άτομο, αξιοποιώντας την αρτηριακή πίεση, σε συνδυασμό με τα δεδομένα του ατόμου.