ارائه یک روش موثر در دسته بندی نماهای اکوکاردیوگرافی با استفاده از یادگیری انتقالی

بیماری قلبی عروقی یک اصطلاح کلی برای همه بیماری های قلبی است. برای اکوکاردیوگرافی، می‌توان نماهای قلبی مختلفی را بسته به موقعیت و زوایای پروب بدست آورد. ازاین‌رو، دسته‌بندی نماهای اکوکاردیوگرافی به صورت خودکار، بخصوص برای سیستم های کامپیوتری و حتی برای تشخیص خودکار در مراحل بعدی، اولین گام برای تشخیص اکوکاردیوگرافی است. علاوه بر این، اینکار باعث می شود که برچسب گذاری در مقیاس بالا انجام شده و امکان مدیریت داده‌ها برای مراحل بعدی فراهم گردد. موضوع این مقاله استفاده از روشی جدید برای دسته بندی خودکار نماهایی از تصاویر اکوکاردیوگرافی می‌باشد که از نظر الگو و ویژگی‌های بصری بسیار شبیه هم هستند. در این مقاله نماهای فرعی از نمای اصلی پارا استرنال محور کوتاه و پارا استرنال محور بلند و آپیکال جمع‌آوری و مورد بررسی قرار گرفته است. ما با بهره‌گیری از روش یادگیری انتقالی، دقت دسته بندی نماهای اشاره شده را بهبود داده‌ایم. همچنین پیچیدگی محاسباتی در حین آموزش شبکه و تشخیص برچسب تصاویر با استفاده از روش پیشنهادی به صورت قابل توجهی کاهش یافته است. نکته قابل توجه دیگر اینکه، با توجه به وجود محدودیت‌هایی که در مورد جمع‌آوری و برچسب گذاری داده های اکوکاردیوگرافی وجود دارد، مزیت دیگر این روش، انجام مرحله یادگیری شبکه، با تعداد داده‌های کمتر نسبت به روش‌های مشابه می‌باشد.