نوع مقاله : مقاله کامل پژوهشی

نویسندگان

1 دانشکده مهندسی برق - دانشگاه علم و صنعت ایران

2 دانشکده مهندسی برق دانشگاه علم و صنعت ایران

3 گروه قلب و عروق، مرکز قلب تهران، دانشگاه علوم پزشکی تهران، تهران، ایران

10.22041/ijbme.2021.530092.1691

چکیده

بیماری‌های قلبی یکی از اصلی‌ترین عوامل به خطر انداختن سلامت و زندگی انسان هستند. از مهم‌ترین بیماری‌های قلب، بیماری‌‌های مربوط به دریچه‌های قلب هستند، که در طی سال‌های اخیر روندی افزایشی داشته‌اند. این بیماری‌ها درصورتی که به موقع و به درستی تشخیص داده شوند و درمان گردند بهبودکیفیت زندگی و افزایش طول عمر افراد را به دنبال دارند. از این‌رو محققان همواره به دنبال یافتن روش‌هایی برای بهبود و تسریع در روند تشخیص این بیماری بوده‌اند.

تصاویر پزشکی فعالیت قلب انسان را بررسی و ضبط می‌کنند وجزو راه‌های اصلی تشخیص مشکلات قلبی هستند. عموماً پردازش این تصاویر پیچیده و زمان‌بر است، به همین جهت محققین به دنبال پیدا کردن روش‌هایی برای ساده‌سازی پردازش این تصاویر هستند. یادگیری منیفلد یکی از روش‌های کاهش بعد غیرخطی است که الگوریتم‌های مختلفی دارد و می‌تواند موجب ساده‌سازی پردازش تصاویر اکوکاردیوگرافی شود. در این پژوهش ‌‌با کمک یکی از الگوریتم‌های یادگیری منیفلد به نام LLE، تصاویر اکوکاردیوگرافی را مورد بررسی قرار دادیم، و تلاش کردیم با کمک روش یادگیری منیفلد داده‌های سالم را‌ از داده‌های دارای اختلال دریچه میترال شناسایی کنیم و ویژگی‌های جداکننده سه گروه پاتولوژی دریجه میترال شامل (MVP،MS وIII-b) را استخراج کنیم. روش توانست نتایجی به دست آورد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Diagnosis of Mitral valve Disease Using Manifold Learning

نویسندگان [English]

  • Saba Jaafari kia 1
  • Majid Vafaeezadeh 2
  • Ali Hosseinsabet 3

1 Iran University of Science and Technology

2 Iran University of Science and Technology

3 Cardiology Department, Tehran Heart Center, Tehran University of Medical Sciences, Tehran, Iran

چکیده [English]

Heart diseases are main causes factors endangering human health and life, one of the most important heart diseases is valvular heart disease, which has had an increasing trend in recent years.

Therefore, if they are diagnosed and treated in time and correctly, they can improve the quality of life and increase the life expectancy, so researchers have always been looking for ways to improve and accelerate the process of diagnosing this disease.

Medical images monitoring and recording the activity of the human heart are the main ways to diagnose heart diseases. Processing of these images is generally complex and time consuming, so scientists and experts have always been looking for ways to speed up and facilitate the detection process.

Manifold learning is one of the nonlinear dimension reduction methods which has different algorithms and can simplify the processing of echocardiographic images.

In this study, using one of the manifold learning algorithms named LLE, we examined echocardiographic images of the heart, and tried to categorize groups with mitral disorders while identifying healthy data from those with disorders.

Results show that the method has carefully separated the data of the healthy group from the group with the disorder, and good results were obtained in the data classification.

کلیدواژه‌ها [English]

  • Mitral valve disease
  • Non-Linear Dimension
  • Reduction (NLDR)
  • Manifold Learning (ML)
  • Locally Linear Embedding (LLE)