مجله ماشین بینایی و پردازش تصویر

مجله ماشین بینایی و پردازش تصویر

بکارگیری مدل مبتنی بر یادگیری عمیق بر روی تصویر چاپ شده سیگنال های ECG برای تشخیص بیماری های قلبی عروقی

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی کارشناسی ارشد مهندسی کامپیوتر - هوش مصنوعی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه
2 گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی
چکیده
تشخیص بیماری‌های قلبی از روی تصاویر چاپ‌شده نوارهای الکتروکاردیوگرام اهمیت ویژه‌ای دارد، زیرا این نوارها به‌عنوان یک استاندارد جهانی در تمامی مراکز درمانی قابل تفسیر و استفاده‌ هستند. استفاده از یادگیری عمیق برای تحلیل خودکار این نوارها می‌تواند دقت و سرعت تشخیص را به‌طور چشمگیری بهبود دهد. در این پژوهش یک مدل مبتنی یادگیری عمیق برای طبقه‌بندی تصاویر چاپ شده سیگنال‌های الکتروکاردیوگرام به پنج کلاس ارائه شده است. برای این منظور ابتدا پیش‌پردازش‌هایی روی تصاویر بدست آمده از سیگنال‌های الکتروکاردیوگرام اعمال شده است. این پیش پردازش‌ها برای نرمال‌سازی و تقویت داده‌های تعلیم می‌باشد. سپس با ارتقای مدل از پیش آموزش داده شده ResNet-18 از طریق ترکیب آن با ماژول‌های فشرده‌سازی و تحریک شبکه، سعی شده یک مدل پیشرفته به اسم SEResNet-18 برای بهبود ویژگی‌های استخراج شده و تشخیص دقیق‌تر بیماری‌های قلبی بکار گرفته شود. مدل پایه ResNet-18 و مدل پیشرفته SEResNet-18 روی مجموعه‌ داده PTB-XL پیاده‌سازی و ارزیابی شده‌اند که در نهایت مدل پایه ResNet-18 توانست به صحت 81.45 % و مساحت زیر منحنی%95.54 دست پیدا کند در حالیکه در مدل پیشرفته با افزودن ماژول فشرده‌سازی و تحریک، عملکرد مدل به شکل قابل توجهی بهبود یافت، به‌طوری که صحت مدل پیشرفته به 85.16% و مساحت زیر منحنی به 96.68 % افزایش پیدا کرد. این کارایی در مقایسه با روش‌های موجود نیز برتر می باشد.
کلیدواژه‌ها