الأحد 03 مارس 2024 الموافق 22 شعبان 1445
المشرف العام
محمود المملوك
مستشار التحرير
د. خالد منتصر
المشرف العام
محمود المملوك
مستشار التحرير
د. خالد منتصر

نهج جديد للكشف عن أمراض القلب باستخدام الإشارات الصوتية.. ما التفاصيل؟

الخميس 08/فبراير/2024 - 03:31 ص
أمراض القلب
أمراض القلب


تظل أمراض القلب السبب الرئيسي للوفيات في جميع أنحاء العالم، ويمكن أن يؤدي الاكتشاف المبكر إلى تحسين النتائج بشكل كبير، وقد فتحت التطورات الحديثة في التكنولوجيا آفاقًا جديدة للبحث في هذا المجال. 

يستخدم أحد هذه الأساليب المبتكرة الإشارات الصوتية لتحسين تقنية الكشف عن أمراض القلب، وذلك باستخدام مزيج من نماذج التعلم الآلي (ML) والتعلم العميق (DL). تعد هذه الطريقة، التي تدمج العديد من ناقلات الميزات وميزات التعلم العميق، بتعزيز موثوقية التحليلات المقارنة وتوفير رؤى قيمة للكشف عن أمراض القلب.

منظور جديد للكشف عن أمراض القلب

وتقدم الدراسة طريقة جديدة للكشف عن أمراض القلب من خلال تحليل الإشارات الصوتية الملوثة بالضوضاء. ويهدف إلى تطوير مجموعة بيانات فريدة من نوعها من خلال دمج الإشارات الصوتية الأصلية والصاخبة لأمراض القلب.

 استخدم البحث سلسلة من المراحل المتسلسلة للحصول على البيانات، وزيادة البيانات، والمعالجة المسبقة للبيانات، واستخراج الميزات، وتطبيع الميزات، واختيار النموذج، وتنفيذ النموذج، والتنبؤ بالنتائج.

 من خلال الجمع بين ناقلات الميزات المستندة إلى خصائص الوقت والتردد والتردد الزمني (TF) والطاقة والإنتروبيا، مع دمج ميزات التعلم العميق لـ CNN من صور MFCC لتصنيف PCG، تقدم الدراسة منظورًا جديدًا للكشف عن أمراض القلب.

قوة التعلم الآلي ونماذج التعلم العميق

لقد أحدث التعلم الآلي والتعلم العميق ثورة في مجال الرعاية الصحية، حيث يوفران طرقًا جديدة لتشخيص الأمراض وعلاجها. 

ضمت هذه الدراسة مجموعة من نماذج ML وDL، بما في ذلك Random Forest، وK-Nearest Neighbour، وDecision Tree، وExtreme Gradient Boosting، وMultilayer Perceptron، والشبكة العصبية العميقة، والشبكة العصبية التلافيفية أحادية الأبعاد، لمعالجة مشكلة التصنيف المتعدد في الكشف. 

تم استخدام هذه النماذج، التي يحتوي كل منها على إعدادات ذات معلمات دقيقة، لتحليل إجمالي 832 إشارة صوتية، مكملة بزيادة البيانات، مما أدى إلى مجموعة بيانات مكونة من 2882 إشارة صوتية.

تقييم النموذج والنتائج

وشمل تقييم أداء النموذج مقاييس مختلفة، بما في ذلك الدقة والضبط والاستدعاء ودرجة F1. بالإضافة إلى ذلك، تم إنشاء مصفوفة ارتباك لإجراء تحليل شامل لأداء النموذج. وأظهرت نتائج الدراسة أن المنهج المقترح يتفوق على العديد من الأساليب الحديثة فيما يتعلق بالحساسية والنوعية والدقة ومؤشر يودن. يوضح هذا إمكانية تحليل الإشارات الصوتية كوسيلة قابلة للتطبيق للكشف المبكر والدقيق عن أمراض القلب.