پردازش سیگنال‌های حیاتی
داود سعادتی؛ ستار میرزاکوچکی
دوره 16، شماره 4 ، اسفند 1401، ، صفحه 61-70
چکیده
بررسی صدای اندام‌های بدن یکی از روش‌های تشخیص بیماری‌های مختلف است که توسط پزشکان برای تحلیل صداهای عارضه‌ای بکار گرفته میشود، از آنجایی که بیشتر مرگ و میر ناشی از بیماری، در کشورهای فقیری رخ میدهد که کمبود تجهیزات و متخصص دارند، ایجاد روش‌های تشخیصی مبتنی بر یادگیری ماشین و پردازش صوت که علاوه بر دردسترس بودن ، غیرتهاجمی و ارزان ...
بیشتر
بررسی صدای اندام‌های بدن یکی از روش‌های تشخیص بیماری‌های مختلف است که توسط پزشکان برای تحلیل صداهای عارضه‌ای بکار گرفته میشود، از آنجایی که بیشتر مرگ و میر ناشی از بیماری، در کشورهای فقیری رخ میدهد که کمبود تجهیزات و متخصص دارند، ایجاد روش‌های تشخیصی مبتنی بر یادگیری ماشین و پردازش صوت که علاوه بر دردسترس بودن ، غیرتهاجمی و ارزان نیز میباشند با تشخیص زودهنگام میتوانند باعث نجات میلیون‌ها انسان شوند. در مطالعات پیشین غالبا ورودی‌های بازتاب‌کننده‌ی ویژگی‌های فرکانسی صوت مورد استفاده قرار گرفته است، دراین مقاله علاوه بر آن از یک نمایش بازگشتی استفاده میکنیم که ویژگی‌های زمانی صوت را بازتاب میکند و به عنوان ورودی به شبکه‌های کانولوشنی داده میشود تا از مزیت‌های یادگیری انتقالی آن بهره‌مند شویم، با اضافه کردن مکانیزم توجه زمانی و شبکه گیت‌های بازگشتی دوطرفه، توالی داده‌های صوتی که یک سری زمانی است مورد بررسی قرار میگیرد و هر یک از داده‌ها با توجه به ارزشی که دارند وزن‌دهی میشوند. داده‌های استفاده شده در این مقاله از پایگاه داده صدای ریه ICBHI است که در مقاله‌های بسیاری استفاده شده است. روش ارائه شده توانست در طبقه بندی صدای ریه به سه دسته‌ی سالم، بیماری انسداد مزمن ریوی(COPD) و سایر بیماری ها به دقت 97 درصد برسد که نتیجه بهتری نسبت به سایر روش های بکار رفته برای این پایگاه داده میباشد.
