ارائه یک روش موثردردسته بندی نماهای اکوکاردیوگرافی بااستفاده از یادگیری انتقالی

بیماری قلبی عروقی یک اصطلاح کلی برای همه بیماری های قلبی است. برای اکوکاردیوگرافی، می توان نماهای قلبی مختلفی را بسته به موقعیت و زوایای پروب بدست آورد. از این رو، دسته بندی نماهای اکوکاردیوگرافی به صورت خودکار، بخصوص برای سیستم های کامپیوتری و حتی بر ای تشخیص خودکار در مراحل بعدی، اولین گام برای تشخیص اکوکاردیوگرافی است. علاوه بر این، اینکار باعث می شود که برچسب گذاری در مقیاس بالا انجام شده و امکان مدیریت داده ها برای مراحل بعدی فراهم گردد. موضوع این مقاله استفاده از روشی جدید برای دسته بندی خودکار نماهایی از تصاویر اکوکاردیوگرافی می باشد که از نظر الگو و ویژگی های بصری بسیار شبیه هم هستند. در این مقاله نماهای فرعی از نمای اصلی پارا استرنال محور کوتاه و پارا استرنال محور بلند و آپیکال جمع آوری و مورد بررسی قرار گرفته است. ما با بهره گیری از روش یادگیری انتقالی دقت دسته بندی نماهای اشارهشده را بهبود داده ایم. همچنین پیچیدگی محاسباتی در حین آموزش شبکه و تشخیص برچسب تصاویر با استفاده از روش پیشنهادی به صورت قابل توجهی کاهش یافته است. نکته قابل توجه دیگر اینکه، با توجه به وجود محدودیت هایی که در مورد جمع آوری و برچسب گذاری داده های اکوکاردیوگرافی وجود دارد، مزیت دیگر این روش، انجام مرحله یادگیری شبکه، با تعداد داده های کمتر نسبت به روش های مشابه می باشد.

کلیدواژه ها:

نمای اکوکاردیوگرافی ، دسته بندی نما ، یادگیری انتقالی ، یادگیری عمیق