به گزارش بازار به نقل از دانشگاه تربیت مدرس، محققان گروه مخابرات دانشگاه تربیت مدرس موفق شدند صداهای قلب را با استفاده از تبدیل شکل، سری های زمانی و ابعاد فراکتال طبقه بندی کنند. با استفاده از روش پیشنهادی در این تحقیق، طبقه بندی بهبود یافته و دقت کلی 99.2 درصد به دست آمده است.
قلب مهمترین عضو بدن است که خون را به مغز و سایر اندام های بدن می رساند. تشخیص ناهنجاری های صدای قلب (فونوکاردیوگرام) یکی از روش های مهم برای تشخیص بیماری های قلبی است. پویا سید قاسمی که پایان نامه کارشناسی ارشد وی در رشته مهندسی برق، مخابرات و سیستم های مخابراتی انجام شده است، گفت: استفاده از ابزارهای هوش مصنوعی می تواند کارایی و دقت این تشخیص را بهبود بخشد. سیگنال صوتی از قلب حاوی اطلاعات مهمی در مورد وضعیت دریچه ها و عروق قلب است. با تجزیه و تحلیل دقیق تر صدای قلب، می توان ناهنجاری های احتمالی دریچه های عروقی را آشکار کرد.
وی ادامه داد: ناهنجاری های قلبی در فاصله یک سیکل قلبی باعث ایجاد صداها یا سوفل اضافی می شود. بررسی شکل زمانی این ناهنجاری به تشخیص نوع بیماری کمک می کند. از سوی دیگر، نیاز به تجربه و دانش برای تشخیص بیماری با استفاده از صدای قلب و همچنین خطاهای انسانی در تشخیص بیماری های قلبی، انگیزه اتوماسیون این فرآیند شده است.
مهندس سید قاسمی به روش های مختلف تشخیص بیماری های قلبی با استفاده از صداهای قلب اشاره کرد و گفت: در سال های اخیر روش های مختلفی برای تشخیص بیماری های قلبی با استفاده از صداهای قلب مطرح شده است که هر کدام مزایا و معایب خاص خود را دارند. در این تحقیق با توجه به ویژگی های زمانی-مورفولوژیکی صدای قلب، سعی شده است تا هسته (فیلتر) لایه CNN شبکه عصبی با الهام از ویژگی های زمانی-مورفولوژیکی (تحول مورفولوژیکی) صدای قلب طراحی شود. . .
وی در توضیح روش پیشنهادی خود اظهار داشت: در هر 4 روش پیشنهادی ارائه شده در این تحقیق، قرار دادن اشکال محاسبه شده در هسته لایه CNN باعث کاهش هزینه آموزش (با کاهش نمونه های آموزشی) و افزایش دقت شده است. استفاده از ویژگی‌های فراکتال به همراه ویژگی‌های شکل آن‌ها، طبقه‌بندی را بهبود بخشیده و به دقت کلی 99.2 درصد رسیده است. این روش علاوه بر سادگی محاسبات، در سیستم های کم هزینه با سرعت پاسخگویی مناسب قابل استفاده است.
لازم به ذکر است این پژوهش در قالب پایان نامه کارشناسی ارشد توسط پویا سید قاسمی به راهنمایی دکتر محمدحسن قاسمیان یزدی در دانشکده مهندسی برق و کامپیوتر دانشگاه انجام شده است.
