پیش بینی نسبت اندازه دهلیز چپ به آئورت به کمک یادگیری ماشینی بر پایه امتیاز قلبی -مهره ای و امتیاز دهلیزی -مهره ای چپ بدون نیاز به انجام اکوکاردیوگرافی

هوش مصنوعی به عنوان یکی از مهم ترین شاخصه های فناوری در عصر حاضر بوده که کاربرد های آن در زندگی روزمره بسیار ملموس است و همچنین این فناوری به حوزه درمان و تشخیص بیماری ها در دام و انسان راه یافته است . یادگیری ماشینی (machine learning) یکی از شاخه های هوش مصنوعی بوده و مدل های طراحی شده بر این اساس، توانایی پیش بینی شاخص های مختلفی را دارد. در این پژوهش مدلی بر پایه یادگیری ماشینی طراحی شده است که توانایی این را دارد تا نسبت اندازه دهلیز چپ به اندازه آئورت را بدون نیاز به انجام اکوکاردیوگرافی محاسبه و پیش بینی کند. در دامپزشکی به طور روزمره این نسبت تنها از طریق اکوکاردیوگرافی قابل محاسبه است . به کمک این مدل با استفاده از اطلاعات قابل اندازه گیری از طریق رادیوگرافی ساده از نمای جانبی قفسه سینه ، پیش بینی سایز دهلیز چپ به سایز آئورت بدون نیاز به انجام اکوکاردیوگرافی امکان پذیر شده است . امتیاز قلبی -مهره ای ( Vertebral Heart Score به اختصار (VHS و امتیاز دهلیزی -مهره ای چپ ( vertebral left atrial score به اختصار (VLAS دو شاخص عددی به منظور اندازه گیری حفره های قلب در تصاویر رادیوگرافی می باشد.مدل طراحی شده بر پایه رگرسیون خطی طراحی شده است و توانایی تحلیل و پردازش دادههای عددی مختلف در مجموعه دادههای بزرگ را داراست و این امکان را دارد تا ارتباط های نهفته بین داده ها را کشف کرده و پیش بینی خروجی مورد نظر را امکان پذیر کند. داده های مربوط به ۳۰ بیمار با پراکنش گونه ای یکنواخت تنها در دو گونه ی سگ و گربه ی ارجاعی به بیمارستان دامهای کوچک دانشگاه تهران که اطلاعات مربوط به رادیوگرافی و اکوکاردیوگرافی آنها موجود بودند به صورت گذشته نگر جمع آوری شد. پس از آن داده های مربوط به این بیماران شامل VHS و VLAS به عنوان ورودی ماشین و LA/AO به عنوان خروجی به تعداد ۹۰ مورد به مدل معرفی شد. مدل مورد بحث در محیط کاربری ۵ spyder version بر پایه زبان برنامه نویسی ۱۲,۳ python طراحی شده است و توانایی تعامل با کاربر و دریافت ورودی های مختلف را داشته و پس از بررسی ورودی دلخواه کاربر، این امکان را دارد تا با رسم یک نمودار سهبعدی، خروجی پیش بینی شده را در کنار داده هایی که بر اساس آن ها آموزش دیده است به شکل مقایسه به کاربر ارائه دهد. دقتخروجی های پیش بینی شده در مقایسه با داده های به دست آمده در اکوکاردیوگرافی +- ۰.۰۴ می باشد.هدف این مطالعه معرفی یکی از قابلیتهای هوش مصنوعی در دامپزشکی است و برای در جهت افزایش دقت و کارامدی آن نیاز است تامطالعه ای گسترده با جامعه آماری قابل توجه و همچنین تفکیک گونههای جانوری صورت گیر د

کلیدواژه ها:

هوش مصنوعی ، رادیولوژی ، رگرسیون خطی ، قلب ، یادگیری ماشینی ، دامپزشکی