به کارگیری یادگیری منیفلد برای تشخیص بیماری دریچه‌ی میترال

بیماری‌های قلبی یکی از اصلی‌ترین عوامل به خطر انداختن سلامت و زندگی انسان هستند. از مهم‌ترین بیماری‌های قلب، بیماری‌‌های مربوط به دریچه‌های قلب بوده که در طی سال‌های اخیر روندی افزایشی داشته است. تشخیص و درمان درست و به موقع این بیماری‌ها، بهبود کیفیت زندگی و افزایش طول عمر افراد را به دنبال دارد. از این رو محققان همواره به دنبال یافتن روش‌هایی برای بهبود و تسریع روند تشخیص این بیماری بوده‌اند. تصاویر پزشکی، فعالیت قلب انسان را بررسی و ضبط کرده و از جمله راه‌های اصلی تشخیص مشکلات قلبی هستند. عموما پردازش این تصاویر پیچیده و زمان ‌بر است، به همین جهت محققان به دنبال پیدا کردن روش‌هایی برای ساده‌سازی پردازش این تصاویر هستند. یادگیری منیفلد یکی از روش‌های کاهش بعد غیرخطی است که الگوریتم‌های مختلفی داشته و می‌تواند موجب ساده‌ سازی پردازش تصاویر اکوکاردیوگرافی شود. در این پژوهش ‌‌با کمک یکی از الگوریتم‌های یادگیری منیفلد به نام lle، تصاویر اکوکاردیوگرافی مورد بررسی قرار گرفته و سعی شده است تا با کمک روش یادگیری منیفلد داده‌های سالم از داده‌های دارای اختلال دریچه‌ی میترال شناسایی شده و ویژگی‌های جدا کننده‌ی سه گروه پاتولوژی دریجه‌ی میترال شامل mvp، ms و iii -b استخراج شود. نتایج به دست آمده نشان می‌دهد که بیش از 80% نمونه‌های گروه طبیعی از نظر ساختار منیفلد الگویی متفاوت با نمونه‌های دارای اختلال دارند.