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

رزومه علمی کاربران

درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: دیبائی 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،https://civilica.com/doc/2606554

ارائه‌شده در

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