تشخیص سندرم تاکوتسوبو با انتخاب ویژگی قوی از فضای پنهان پیچیده یک شبکه تقسیم بندی مبتنی بر یادگیری عمیق

چکیده مقاله

مقدمه: سندرم تاکوتسوبو TTS یا سندرم قلب شکسته ، یک کاردیومیوپاتی حاد و گذرا است که اغلب با استرس عاطفی یا فیزیکی شدید ایجاد می شود و علائمی مشابه انفارکتوس حاد میوکارد STEMI دارد تشخیص دقیق و زودهنگام آن به دلیل پیچیدگی و شباهت های بالینی چالش برانگیز است این مطالعه با هدف توسعه یک مدل یادگیری عمیق برای تشخیص دقیق TTS از طریق استخراج ویژگی های قوی از داده های اکوکاردیوگرافی و بالینی انجام شد مواد و روش ها: در این مطالعه توصیفی تحلیلی، از یک مجموعه داده عمومی شامل ۳۰۰ نمونه اکوکاردیوگرافی ۱۴۰ بیمار TTS و ۱۶۰ بیمار STEMI استفاده شد داده ها به نسبت ۷۰ به ۳۰ برای آموزش و آزمایش تقسیم و پیش پردازش پاک سازی، نرمال سازی و تقویت داده شدند ویژگی های دموگرافیک، بالینی و تصویربرداری با تکنیک هایی مانند تحلیل مولفه های اصلی PCA و انتخاب ویژگی مبتنی بر درخت تصمیم استخراج شدند یک مدل شبکه عصبی کانولوشنی عمیق DCNN با معماری سبک حدود ۶۵۰ پارامتر طراحی شد که شامل لایه های کانولوشن، Dropout و متراکم بود عملکرد این مدل با مدل های شبکه عصبی عمیق DNN ، ماشین بردار پشتیبان SVM و جنگل تصادفی RF با استفاده از اعتبارسنجی متقابل ۵ برابری و معیارهای دقت، یادآوری، حساسیت و امتیاز F۱ مقایسه گردید یافته ها: مدل DCNN پیشنهادی به طور معناداری از سایر مدل ها عملکرد بهتری داشت و به میانگین دقت ۹۴ ۳۲ درصد، یادآوری ۹۴ ۵۶ درصد، حساسیت ۹۳ ۸۷ درصد و امتیاز F۱ معادل ۹۴ ۱۲ درصد دست یافت این مدل همچنین دارای پایدارترین عملکرد انحراف معیار ۰ ۷۱ ۰ ۸۵ و کمترین میزان افت ۰ ۰۶۱ در داده های آزمایشی بود در مقایسه با مطالعات پیشین، مدل حاضر از دقت بالاتری برخوردار بود نتیجه گیری: مدل DCNN پیشنهادی، با بهره گیری از استخراج ویژگی های قوی از داده های پیچیده اکوکاردیوگرافی و ترکیب آن با اطلاعات بالینی، ابزاری دقیق و قدرتمند برای تشخیص سندرم تاکوتسوبو فراهم می کند این مدل می تواند به عنوان یک سیستم پشتیبان تصمیم گیری بالینی برای تمایز زودهنگام و دقیق TTS از STEMI و در نهایت بهبود مراقبت از بیماران به کار گرفته شود

کلیدواژه‌ها

نویسندگان

افشین دیبائی نژاد

کارشناسی ارشد رشته مهندسی پزشکی گرایش بیومکانیک، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایران

�یبائی نژاد، افشین،1404،تشخیص سندرم تاکوتسوبو با انتخاب ویژگی قوی از فضای پنهان پیچیده یک شبکه تقسیم بندی مبتنی بر یادگیری عمیق،دومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه

ارائه‌شده در

مجموعه مقالات دومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه7 اسفند 1404