Hart- en vaatziekten zijn een belangrijke oorzaak van wereldwijde morbiditeit en mortaliteit. Daarom zijn karakterisering van het cardiovasculaire systeem van een individu en risicobeoordeling essentieel. Het bloeddruksignaal bevat relevante informatie vanwege de verspreiding van mechanische golven in de slagaderboom. De golfvorm wordt dan beïnvloed door verschillende factoren, zoals de elasticiteit van de slagaders en de structuur van het slagadersysteem. De detectie van significante veranderingen kan gepaard gaan met de aanwezigheid van hart- en vaatziekten in aanvulling op beïnvloed door natuurlijke veroudering. Op het gebied van kunstmatige intelligentie zijn veel complexe algoritmen, die mogelijk zijn aangepast aan grote en grote aantallen gegevens, onlangs ontwikkeld dankzij rekenkrachten. In dit proefschrift zullen methoden worden voorgesteld om machinaal leren uit een databank van verzamelde patiënten uit te voeren. Het doel van dit project is om machine learning methoden te ontwikkelen om het cardiovasculaire systeem van patiënten te karakteriseren, met een specifiek model voor het individu, door gebruik te maken van de bloeddruk, in combinatie met de gegevens van het individu.