بهبود عملکرد تشخیص بیماری قلبی با ترکیب تبدیل کوچلیگرام و شبکه خودرمزنگار متغیر

مهندسی مخابرات جنوب

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 آذر 1402

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/jce.2023.1990276.1222

نویسندگان

رامین براتی^{* 1}؛ محبوبه بحرینی²؛ عباس کمالی³

¹دانشکده مهندسی برق، دانشگاه ازاد اسلامی واحد شیراز، شیراز، ایران

²دانشگاه آزاد اسلامی واحد شیراز

³دانشگاه ازاد اسلامی شیراز

چکیده

تشخیص اولیه صداهای غیرطبیعی قلب تا حد زیادی می‌تواند از مرگ ناگهانی ناشی از بیماری‌های قلبی جلوگیری کند. یک روش کم هزینه و غیرهجومی برای تشخیص صداهای غیرطبیعی قلب، بکارگیری سیگنال PCG می‌باشد. دراین مقاله، بعد از قسمت‌بندی سیگنال صدای قلب، نمایش دو بعدی سیگنال توسط تبدیل کوچلیگرام حاصل می‌شود، سپس به کمک یادگیری عمیق و شبکه خودرمزنگار متغیر، ۴ ویژگی نهایی از هر سیگنال استخراج می‌شود. در نهایت از ماشین بردار پشتیبان و k-نزدیک‌ترین همسایه با اعتبارسنجی k-fold برای طبقه‌بندی سیگنال‌ صدای قلب به یکی از دسته‌های از پیش تعیین‌شده‌ی کلاس صدای نرمال و غیرنرمال استفاده می‌شود. در این پژوهش از پایگاه داده‌ی فیزیونت که دارای 3482 صدای قلب از یک مجموعه استاندارد جهت آموزش و ارزیابی روش پیشنهادی استفاده می‌شود. بهترین نتایج بدست آمده روش پیشنهادی جهت طبقه‌بندی دو کلاسه صدای قلب به ترتیب به دقت، حساسیت و ویژه‌بودن ۹۹.۵۵، ۹۸.۷۵ و ۹۹.۷۰ می‌باشد که توانایی بالاتر روش پیشنهادی در مقایسه با سایر روش‌های موجود را اثبات می‌کند. از این سیستم تشخیص صداهای غیرنرمال می‌توان به صورت بسیار مفید در مراکزدرمانی بهداشت روستایی و بیمارستان‌های کوچک به منظور کمک به پزشکان بدون تخصص برای تشخیص مشکلات قلبی استفاده کرد.

کلیدواژه‌ها

تبدیل کوچلیگرام؛ تشخیص بیماری قلبی؛ شبکه خود رمزنگار متغیر؛ ماشین بردار پشتیبان و K-نزدیک‌ترین همسایه