تشخیص ناهنجاری‌ دریچه‌ای قلب با استفاده از آموزش گروهی

پردازش سیگنال صدای قلب دارای مراحل مختلفی است. با اعمال پیش پردازش‌های لازم و جداسازی سیکل‌های صدای قلب به استخراج ویژگی‌های متمایز کننده از صدای قلب می‌پردازیم. از آنجایی که عملکرد مناسب طبقه‌بند تأثیر زیادی در کارایی نهایی سیستم دارد، در این پژوهش روش مناسبی جهت طبقه‌بندی ارائه می‌کنیم. یک راه‌ متداول ساخت طبقه‌بندهای دقیق، استفاده از گروهی از طبقه‌بندها و تصمیم‌گیری بر مبنای خروجی هر یک از آن‌ها است. محققان تا کنون کارایی این روش‌ها را در زمینه‎‌های مختلف مربوط به مسائل طبقه‌بندی نشان داده‌اند. اما در زمینه‌ی تشخیص ناهنجاری‌های قلبی مطالعات زیادی برای بررسی این نوع طبقه‌بندها صورت نگرفته‌است. در این پژوهش به آموزش تعدادی طبقه‌بند پایه‌ی خطی می‌پردازیم و در نهایت تصمیم‌گیری با توجه به خروجی هر طبقه‌بند پایه بر مبنای روش رأی اکثریت انجام می‌شود. نمونه‌های مورد استفاده در آموزش طبقه‌بند‌های پایه به صورت تصادفی و با جایگذاری از کل نمونه‌های آموزشی انتخاب می‌شوند. روش پیشنهادی را برای 5 مجموعه‌ داده پیاده می‌کنیم. همچنین به مقایسه‌ی روش پیشنهادی با 3 نوع طبقه‌بند دیگر با معیارهای حساسیت، ویژگی، نسبت شانس تشخیص، دقت و خطا می‌پردازیم. نتایج نشان می‌دهد روش پیشنهادی دارای دقت بالاتر و سرعت بیش‌تری در پیش‌بینی مشاهدات است.

کلیدواژه ها:

استخراج ویژگی ، آموزش گروهی طبقه‌بندها ، بیماری‌های دریچه‌ای قلب ، سوفل ، سیگنال PCG ، قطعه‌بندی