طراحی الگوریتم هوشمند بازشناخت بیماری های مربوط به دریچه های میترال و آئورت با استفاده از روش های تشخیص نقاط مشخصه سیگنال های الکتروکاردیوگرام و فونوکاردیوگرام و صحه گذاری به کمک مشاهدات اکوکاردیوگرام

در این پژوهش با استفاده از سیگنال فونوکاردیوگرام به شناسایی بیماری های دریچه ای میترال و آئورت که از پر خطرترین بیماری های دریچه ای هستند، می پردازیم. بدین منظور، داده-های سیگنال فونوکاردیوگرام 61 بیمار دریچه ای داوطلب مراجعه کننده به مرکز تحقیقاتی قلب و عروق شهید رجایی تهران، توسط اعضای گروه قلب دانشگاه خواجه نصیر، تهیه و تدوین گردید. این داده ها همراه با گزارش کامل اکوکاردیوگرافی پزشک متخصص است. الگوریتم های طراحی شده در این پژوهش شامل پیش پردازش و پردازش سیگنال صوتی به منظور تعیین نقاط مشخصه و انتخاب ویژگی مناسب جهت طبقه بندی و شناسایی بیماری های ذکر شده است. در زمینه انتخاب ویژگی برای طبقه بندی، ویژگی مبتنی بر آنتروپی سیگنال معرفی می شود که تا کنون در پژوهش های صورت گرفته در زمینه پردازش سیگنال فونوکاردیوگرام، استفاده نشده است. در ادامه بررسی جامعی جهت ارزیابی قدرت تفکیک پذیری این ویژگی در بیماری های ذکرشده، انجام گرفته است. برای طبقه بندی بیماری های مذکور از روش های ترکیبی محاسبات نرم شامل شبکه های فازی-عصبی و ماشین های بردار پشتیبان استفاده شده است. این طبقه بندی بر روی 4 نوع بیماری دریچه ای میترال و آئورت صورت گرفته است. میزان پیش بینی مثبت در این پژوهش 24/96 درصد و میزان حساسیت 26/96 درصد است.