روش جديد آناليز فونوكارديوگرام به منظور غربالگري بخشي از بيماري‌هاي قلبي- عروقي با به كارگيري مدل يادگيري عميق

مقاله پژوهشيمقدمه: بيماري‌هاي قلبي عروقي، يكي از علل اصلي مرگ و مير در سراسر جهان است. از اين‌رو تشخيص زودهنگام بيماري‌هاي قلبي، ارزيابي سامانه‌ي قلبي عروقي با استفاده از سمع قلب و آناليز (Phonocardiogram) PCG روشي ارزان، غيرتهاجمي، سريع و غربالگري اتوماتيك بيماران قلبي عروقي توسط آن در نواحي دور افتاده از اهميت بسزايي برخوردار مي‌باشد. هدف از اين پژوهش، ارايه‌ي روشي جديد جهت غربالگري بيماران قلبي مبتني بر پردازش سيگنال PCG است كه در عين ارزان و سريع بودن، داراي صحت كافي باشد.روش‌ها: در اين مطالعه براي غربالگري 2062 سيگنال برچسب خورده‌ي PCG، با استخراج ويژگي‌هاي جديد و به كارگيري آن‌ها در شبكه‌هاي 1 رندوم فارست (random forest)، 2 كا نزديك‌ترين همسايگي (Knearest neighbors)، 3 درخت تصميم‌گيري (decision tree)، 4 آناليز افتراق خطي (Linear discriminant analysis)، 5 رگرسيون لجستيك (logistic regression) و 6 شبكه‌ي عصبي عميق (Deep Neural Network)، شش مدل مختلف ساخته شد و هر كدام از آن‌ها به روش اعتبارسنجي متقابل كا (10 = K) مورد ارزيابي قرار گرفت. دادگان تست به مدل‌هاي مذكور اعمال گرديد و بر اساس خروجي آن‌ها سه شاخص صحت، حساسيت و ويژگي با هدف تدوين راهكاري نوين در غربالگري و تمايز بيماران قلبي از افراد سالم با استفاده از PCG محاسبه شد.يافته‌ها: ارزيابي بر روي مدل‌هاي مذكور با محاسبه‌ي سه شاخص مذكور 5 بار تكرار و مقادير ميانگين و واريانس آن‌ها محاسبه گرديد. بالاترين مقدار حساسيت مربوط به شبكه‌ي عصبي عميق با مقدار حساسيت و ويژگي 14/0 ± 4/96 و صحت 11/0 ± 4/93 مي‌باشد.نتيجه‌گيري: تمايز ويژگي‌هاي جديد به همراه موفقيت شبكه‌ي عصبي عميق، پيشنهادي، در تمايز بين PCG افراد سالم از بيماران، نشان‌دهنده‌ي كارآمد بودن الگوريتم پيشنهادي مي‌باشد. با استفاده‌ي همزمان از چند طبقه‌بند با به كارگيري قاعده‌ي رأي‌گيري مي‌توان روش را ارتقا بخشيد.