مشخصات پژوهش

صفحه نخست /تشخیص هوشمند بیماری های قلبی ...
عنوان تشخیص هوشمند بیماری های قلبی با استفاده از سیگنال های ECGبه کمک یادگیری عمیق
نوع پژوهش پایان نامه
کلیدواژه‌ها بیماری عروق کرونر قلب، پردازش سیگنال ، یادگیری ماشین ،شبکه عصبی ،ECG
چکیده در بحث شبکه های عصبی عمیق برخی از اطلاعات سیگنال های قلبی هستند که باید توسط ECGیا شبکه های عصبی دریافت شود .ممکن هست در طی مسیر سیگنال های نویزی اضافه بشود همچنین برای افزایش سرعت تشخیص نوع بیماری در زمان کم با دقت بالا و همچنین باکمترین دیتا و هزینه بشود تشخیص داد . که برخی از روش های فعلی یک سری محدودیت هایی اعمال شده که چه بسا در نبودن این محدودیت ها و یا اعمال یک سری شرایط جدید می توان به نتایج مطلوب تری دست یافت همچنین عدم تعادل داده ای بر عملکرد هر مدل طبقه بندی بالینی پیشرفته تأثیر منفی می گذارد. به عنوان درمانی برای مشکل عدم تعادل ،نمی توان به طور موثر از تکنیک های متداول ، استفاده کرد . همچنین بیماران قلبی عروقی با استفاده از داده های الکترونیکی برای بیماران مبتلا به نارسایی قلبی نشان دهنده بهبود پیش بینی با روش یادگیری ماشین نسبت به روش های آماری سنتی است وهمچنین که در ادامه تعدادی از محدودیت ها در روش های سنتی ودستی را موجود و از مزایای استفاده از شبکه عصبی آورده شده است : 1_در روش درختان طبقه بندی و رگرسیون آنها تمایل به نمایش واریانس زیادی دارند و کاربرد آنها را به عنوان مدل های پیش بینی مستقل محدود می کنند. 2_ شبکه عصبی اگر مدل اصلی درست یک رابطه یکنواخت و خطی باشد ، روش های مبتنی بر رگرسیون همیشه کارآمدتر خواهند بود. 3_در صورت همبستگی مشاهدات ، ملاحظات اضافی نیز لازم است. اگر فردی دارای داده های طولی باشد ، بیشتر روش های یادگیری ماشین از ماهیت زمانی داده ها به درستی استفاده نمی کنند. همانطور که در بالا پیشنهاد شد ، یکی دیگر از مواردی که روشهای یادگیری ماشین در آن محدود است ، این است که فرد به علیت اهمیت می دهد. پیش بینی کننده خطر ممکن است در یک مدل گنجانده شود نه به این دلیل که باعث نتیجه می شود ، بلکه به این دلیل است که به سادگی یک سازنده مفید است یا مستقیماً در مسیر گاه به گاه است. این از نظر پیش آگهی مشکلی ندارد اما تفسیر را محدود می کند. 4_ روش های یادگیری ماشین در مقدار زمان محاسبه متفاوت است ، که معمولاً به اندازه داده بستگی دارد. برخی از رویکردها اغلب به سرعت مدل های رگرسیون سریع هستند در حالی که رویکردهای گروه طولانی تر می شوند.که با این روش های پیشنهادی موجود به دنبال حل به بهترین نفع ممکن به بهبود این مشکلات خواهیم بود .
پژوهشگران نگین پرچم (دانشجو)، شهرام حسین زاده (استاد راهنما)