بررسی مدل های ترکیبی مبتنی بریادگیری عمیق درتشخیص بیماری های قلبی با استفاده ازتصاویر

بیماری های قلبی عروقی یکی ازعلل اصلی مرگ ومیر در سطح جهانی هستند و تشخیص زود هنگام آن ها اهمیت بالایی در،درمان وپیشگیری ازعوارض را دارد.اخیرا،استفاده از تکنیک های تصویربرداری پزشکی ، به ویژه در تصویربرداری قلبی،به طور چشمگیر در تشخیص و پیش بینی بیماری های قلبی موثر بوده است. روش های تصویربرداری پزشکی برای تشخیص بیماری های قلبی با استفاده از تصاویر پزشکی، مانند اکوکاردیوگرام ،آنژیوگرافی ،توموگرافی کامپیوتری کرونری ،الگوریتم یادگیری ماشین ویادگیری عمیق به طور خاص برای پردازش و تحلیل تصاویر قلبی استفاده می شوند. مدل های یادگیری عمیق مانند شبکه عصبی کانولوشنی وترنسفورمرها به ویژه برای بخش بندی وطبقه بندی تصاویرقلبی طراحی شده اند.مهمترین چالش های این بیماری ها دقت وکارآیی روش های تشخیصی می باشد.این تحقیق به بررسی مدل های یادگیری عمیق به منظورکمک به شناسایی شرایط مختلف قلبی پرداخته است.این تحقیق نشان می دهند که استفاده ازاین مدل ها می تواند به طورقابل توجهی دقت تشخیص بیماری های قلبی را افزایش دهد و امکان شناسایی نواحی آسیب دیده در قلب و شریان ها را فراهم آورد. این روش هامی توانند به پزشکان کمک کنند تا تصمیمات درمانی بهتری اتخاذ کنند و ازعوارض بیماری های قلبی پیشگیری کنند. نتایج ارزیابی مدل ها نشان داد که مدل تجمیعی شبکه عصبی کانولوشنی باحافظه بلند مدت،کوتاه مدت با سازکارتوجه با دقت ۹۱.۴% بالاترین دقت را در طبقه بندی دارد.

کلیدواژه ها:

تشخیص بیماری های قلبی ، یادگیری عمیق ، روش های ترکیبی مبتنی بر یادگیری عمیق ، تشخیص با استفاده از تصاویر پزشکی