تشخیص اختلالات تنفسی با تحلیل صدای ریه - آسانسور

به گزارش آسانسور، خبرگزاری خبرنگاران-پژوهشگران گروه مهندسی صنایع دانشگاه تربیت مدرس در پژوهشی پیروز به ارائه روشی اتوماتیک برای شناسایی و تشخیص بیماری های تنفسی با تحلیل صدای ریه شدند.

به گزارش خبرگزاری آسانسور به نقل از روابط عمومی دانشگاه تربیت مدرس، فرآیند گوش کردن، یکی از روش های شناسایی و تشخیص بیماری های تنفسی است. این فرآیند از گذشته تا امروز مورد استفاده پزشکان بوده و به وسیله یک گوشی پزشکی انجام می گردد. چالش پیش روی این فرآیند آن است که وابستگی بالایی بین تشخیص بیماری، تخصص و تجربه پزشک وجود دارد.

هدف این پژوهش که در قالب سرانجام نامه کارشناسی ارشد در رشته مهندسی صنایع، سیستم های سلامت اجرا شده، ارائه روشی اتوماتیک برای شناسایی و تشخیص بیماری های تنفسی با تحلیل صدای ریه با رویکرد یادگیری عمیق است. بعلاوه چالش برچسب گذاری داده ها که یکی از بزرگ ترین چالش های حوزه یادگیری ماشین است به وسیله ارائه یک مدل یادگیری نیمه نظارتی مورد آنالیز قرار گرفته است.

در این پژوهش از روش استخراج ویژگی اسپکتروگرام استفاده می گردد و داده ها به وسیله یک مدل یادگیری نظارت شده که شامل یک شبکه عصبی کانولوشنی است، دسته بندی شده و بیماری هر یک از داده ها تشخیص داده می گردد. سپس برچسب درصدی از داده ها به صورت تصادفی کنار گذاشته شده و یک مدل یادگیری نیمه نظارتی با هدف برچسب گذاری این داده ها ارائه شده است.

صحت بدست آمده برای مدل یادگیری نظارت شده برابر با 97% و معیار های دقت، بازخوانی و امتیاز F به ترتیب برابر با 97.16%، 97.33% و 97% هستند. سناریو های مختلفی برای مدل یادگیری نیمه نظارتی ارائه شده است که صحت برچسب گذاری که معیار اصلی و هدف مدل نیمه نظارتی است، برابر با 90.30% با انحراف معیار 3.22% است.

نتایج بدست آمده جزو برترین نتایج حاصله در موضوع مورد پژوهش است و قابلیت ارتقاء نیز دارد. از مدل های طراحی و پیاده سازی شده می توان در موارد مختلفی از قبیل ارائه سیستم یاری یار پزشک و پلتفرم های آنلاین و یا اینترنت اشیاء استفاده کرد.