نقشه برداری بطن چپ قلب در حالت پایان دیاستولی در تصاویراکوکاردیوگرافی با استفاده از یک شبکه عصبی عمیق هم آمیختی

تشخیص بیماری و بررسی کارایی قلب بر مبنای تصاویر اکوکاردیوگرافی از گذشته تاکنون مورد توجه پزشکان متخصص در این زمینه بوده است. در دهه های اخیر جهت کاهش خطای انسانی در تفسیر تصاویر پزشکی ارائه یک روش مبتنی بر یادگیری ماشین همواره مورد توجه محققان هوش مصنوعی بوده است. در این تحقیق یک روش یادگیری عمیق مبتنی بر شبکه هایعصبی هم آمیختی جهت استخراج نقشه بطن چپ قلب در حالت پایان دیاستولی ارائه گردیده است. یکی از مهمترین چالش ها در الگوریتم های یادگیری عمیق فراهم نمودن داد ه های آموزشی مناسب جهت یادگیری ماشیناست، در این تحقیق از داد ه های ارائه شده توسط محققان بیمارستان دانشگاهی اتیئن واقع در کشور فرانسه تحت عنوان camus استفاده شده است که حجم داده ارائه شده متناسب با رو ش های یادگیری عمیق میباشد. در این تحقیق دو حالت استفاده از داد ه های اولیه و تقویت داد ه ها با روش افزونگی داده مورد بررسی قرار گرفته است که تقویت داده موجب افزایش دقت و کارایی شبکه عصبی هم آمیختی پیشنهادی شده است. دقت کلی برآورد نقشه بطن چپ قلب در حالت پایان دیاستولی با استفاده از روش پیشنهادی در بهترین حالت 97.99 % و امتیاز f1 برای آن برابر با 89.21 % میباشد