نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• صفا رفیعی‌وند ¹
• محمد حسن مرادی ¹
• حسین اصل سلیمانی ²
• زهرا ممیز صنعت ²

¹ دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران

² پژوهشکده بیماری‌های گوارش و کبد، دانشگاه علوم پزشکی تهران، تهران، ایران

چکیده

از جمله بیماری‌های سیستم گوارش، اختلالات حرکتی مری است که در آن حرکت تودة غذایی در طول مری به صورت طبیعی اتفاق نمی‌افتد. روش استاندارد برای تشخیص این موارد، بهره‌گیری از مانومتری رزولوشن بالا است. علی‌رغم وجود راهنماهای پزشکی مانند راهنمای شیگاکو برای تحلیل نتایج مانومتری، این موضوع کماکان کاری دشوار بوده که نیاز به تجربة بالای پزشک و یا استفاده از دیگر روش‌های کمکی ثانویه برای تشخیص دارد. از سوی دیگر، بسیاری از اختلالات مذکور می‌توانند به صورت توأم در این فرد ظاهر شوند و تشخیص‌گذاری را پیچیده‌تر کنند.

در این مطالعه، تمرکز بر روی بیمارانی با بیش از یک اختلال به صورت توأم است و موضوع تشخیص بیماری به صورت یک مسألة طبقه‌بندی چندبرچسبی مطرح شده است. از این رو ساختار طبقه‌بند فازی که پیش‌تر توسط نویسندگان به منظور تشخیص تک-بیماری معرفی شده است، توسعه یافته تا علاوه بر یادگیری فضای ورودی نمونه‌ها، از اطلاعات هم‌شیوعی اختلالات نیز برای بهبود پیش‌بینی بهره ببرد. نتایج به دست آمده نشان می‌دهد، اضافه کردن این اطلاعات به فرآیند تعلیم طبقه‌بند نه تنها عملکرد آن را نسبت به حالت پایه به شکل قابل ملاحظه‌ای افزایش می‌دهد، بلکه منجر به ساختاری از طبقه‌بندی‌کنندة فازی می‌شود که نسبت به روش‌های دیگر طبقه‌بندی چندبرچسبی برتری دارد. روش معرفی شده قادر است با هزینة همینگ متوسط 08/0 ± 18/0 اختلالات حرکتی مری را تشخیص دهد که نسبت به دیگر روش‌ها عملکرد بهتری را نشان می‌دهد.

کلیدواژه‌ها

• مانومتری مری
• اختلالات حرکتی مری
• سیستم کمک‌تشخیصی
• طبقه‌بندی چندبرچسبی
• طبقه‌بندی فازی

موضوعات

• پردازش سیگنال‌های حیاتی

عنوان مقاله [English]

Distinguishing Multiple Concurrent Esophageal Motility Disorders Using High-resolution Manometry

نویسندگان [English]

• Safa Rafieivand ¹
• Mohammad Hasan Moradi ¹
• Hosein Asl Soleimani ²
• Zahra Momayez Sanat ²

¹ Biomedical Engineering Department, Amirkabir University of Technology, Tehran, Iran

² Digestive Diseases Research Institute, Tehran University of Medical Sciences, Tehran, Iran

چکیده [English]

Esophageal mobility disorders are a type of digestive system problem characterized by abnormal bolus movement in the esophagus. The standard diagnostic method for these kinds of disorders is High-Resolution Manometry (HRM). Despite the availability of guidelines like “Chicago” for the analysis of HRM results, diagnosis is still a challenging task that relies on the physician's skills or requires additional assessment modalities. Additionally, it is typical for esophageal mobility disorders to co-occur in one person, leading to a more complex situation for problem identification.

The current study focuses on cases who suffering from more than one disorder simultaneously. Then the problem of disorder identification can be interpreted as a multi-label classification problem. Consequently, the fuzzy classifier architecture that was previously introduced for automatic single-disorder diagnosis by the authors is modified. The presented classifier in this paper not only learns the input space from the samples but also utilizes the co-morbidity of disorders to enhance the prediction results. The outcomes show that adding this information to the learning procedure of the base classifier enhances its performance and generates a new fuzzy classifier that overcomes other multi-label classifiers. The presented method is able to differentiate esophageal mobility disorders with an average Hamming loss of 0.18 ± 0.08 which is better than other competitor methods.

کلیدواژه‌ها [English]

• Esophageal Manometry
• Esophageal mobility disorders
• Multi-label classification
• Fuzzy classification