به كارگيري يادگيري منيفلد براي تشخيص بيماري دريچه ميترال

كارشناسي ارشد

بيماريهاي قلبي يكي از اصليترين عوامل به خطر انداختن سلامت و زندگي انسان هستند. از مهمترين بيماريهاي قلب، بيماريهاي مربوط به دريچههاي قلب هستند، كه در طي سالهاي اخير روندي افزايشي داشتهاند. اين بيماريها درصورتي كه به موقع و به درستي تشخيص داده شوند و درمان گردند بهبودكيفيت زندگي و افزايش طول عمر افراد را به دنبال دارند. از اينرو انديشمندان و محققان همواره به دنبال يافتن روشهايي براي بهبود و تسريع در روند تشخيص اين بيماري بودهاند. تصاوير پزشكي فعاليت قلب انسان را بررسي و ضبط ميكنند وجزو راههاي اصلي تشخيص مشكلات قلبي هستند. عموماً پردازش اين تصاوير پيچيده و زمانبر است، به همين جهت محققين به دنبال پيدا كردن روشهايي براي سادهسازي پردازش اين تصاوير هستند. يكي از رويكردهايي كه براي سادهسازي پردازش داده ارائه شده است، فرريند كاهش بعد ميباشد. ايده اصلي روشهاي كاهش بعد اين است كه بعد ظاهري داده لزوماً بعد اصلي رن نيست و دادهها ميتوانند در ابعاد پايينتر مورد بررسي قرار بگيرند. روشهاي كاهش بعد به دو دسته خطي و غيرخطي تقسيم ميشوند. يادگيري منيفلد يكي از روشهاي كاهش بعد غيرخطي است كه الگوريتمهاي مختلفي دارد كه هريك روش خاصي دارند. در اين پژوهش با به كارگيري يكي از الگوريتمهاي يادگيري منيفلد به نام LLE ، ابعاد تصاوير اكوكارديوگرافي شامل يك گروه با دريچه ميترال طبيعي و سه گروه داراي اختلال دريچه ميترال را كاهش داديم و تلاش كرديم با بررسي نتايج حاصل از پيادهسازي اين الگوريتم برروي دادهها، ويژگيهاي هر يك از گروهها را شناسايي و استخراج كنيم. نتايج به دست رمده نشان ميدهد كه بيش از 80 درصد نمونههاي گروه طبيعي از نظر ساختار منيفلد الگويي متفاوت با نمونههاي داراي اختلال دارند.

196275

دانشگاه علم و صنعت ايران

مهندسي پزشكي- گرايش يوالكتريك

حميد بهنام - سيد حجت سبزپوشان