دوره 6، شماره 2 - ( تابستان 1398 )                   جلد 6 شماره 2 صفحات 110-101 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Aghaenjad E, Taimourei-Yansary R, Riahi A. A Hybrid Model of Heart Anomalies Detection by Processing Heart Sounds. jhbmi 2019; 6 (2) :101-110
URL: http://jhbmi.ir/article-1-278-fa.html
آقائی نژاد احسان، تیموری یانسری رمضان، ریاحی علی. مدل ترکیبی تشخیص ناهنجاری‌های قلبی با استفاده از پردازش صداهای قلب. مجله انفورماتیک سلامت و زیست پزشکی. 1398; 6 (2) :101-110

URL: http://jhbmi.ir/article-1-278-fa.html


دکتری مهندسی کامپیوتر-هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد بندرگز ، بندرگز، ایران
چکیده:   (5264 مشاهده)

مقدمه: در تشخیص ناهنجاری‌های قلبی عوامل مختلفی مؤثر هستند. هرچه تعداد این عوامل بیشتر باشد عدم قطعیت در تشخیص ناهنجاری‌ها قلبی افزایش می‌یابد. در شرایط عدم قطعیت در پاسخ مدل پیش‌بینی کننده، سیستم‌های فازی یکی از کاراترین روش‌ها برای تولید یک پاسخ قابل قبول می‌باشند.
روش: در این پژوهش کاربردی داده‌های مربوط به ناهنجاری‌های قلبی شامل 3240 رکورد، که هر رکورد صداهای قلب افراد مختلف در دو گروه سالم و ناسالم می‌باشد بررسی و سپس به کمک سیستم فازی قوانین حاکم بر داده‌ها برای نمونه‌های ورودی استخراج و از این قوانین برای دسته‌بندی ناهنجاری‌های قلبی استفاده شد. به جهت وابستگی فاکتورهای مؤثر در ناهنجاری‌های قلبی، بسیاری از قوانین همسان با یک عملکرد مشابه که موجب پردازش‌های اضافی و کاهش کارایی می‌شوند، تولید خواهد شد. در روش پیشنهادی از الگوریتم مرغ مگس‌خوار، برای انتخاب قوانین بهینه تولید شده استفاده شد. سپس به کمک قوانین بهینه انتخاب شده سیستم ورودی‌ها را به دو گروه هنجار و ناهنجار دستهبندی می‌کند. برای ارزیابی نتایج، روش میانگین مربعات خطا استفاده شد.
نتایج: نتایج نشان داد که میانگین دقت و زمان در تشخیص ناهنجاری‌های قلبی در روش پیشنهادی به ترتیب 99/6 درصد و 0/56 ثانیه است و نسبت به تحقیقات مشابه، از کارایی بالاتری برخوردار می‌باشد.
نتیجه‌گیری: مدل پیشنهادی نسبت به سایر روش‌ها، تشخیص و دسته‌بندی را با دقت بالاتری انجام می‌دهد.

متن کامل [PDF 1385 kb]   (1300 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1396/11/23 | پذیرش: 1397/10/17

فایل صوتی [M4A 2921 KB]  (355 دریافت)
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb