بسمه تعالی

گروه مهندسی کامپیوتر

اطلاعیه دفاع پایان‌نامه کارشناسی ارشد

              تشخيص بيماري ايسكمي بطني از نوارقلب با استفاده از يادگيري انتقالي و شبكه هاي عصبي پيچشي

ارائه دهنده: روح اله افخمی نیر

                      تاریخ: شنبه 21 مهرماه 1403                     ساعت: 11                  مکان: سالن چمران

                       استاد راهنما:    خانم دکتر مه لقا افراسیابی                         دانشگاه: صنعتی همدان

                       استاد داور داخلی: خانم دکتر فاطمه امیری                         دانشگاه: صنعتی همدان

                       استاد داور خارجی: آقای دکتر فلاحی                                 دانشگاه: صنعتی همدان

چکیده: ایسکمی به عنوان کمبود جریان خون به یک عضو بدن تعریف میشود و در پی آن در قلب، منجر به کاهش اکسیژن میشود. تشخیص به موقع و دقیق بیماری‌های قلبی، به ویژه ایسکمی، از اهمیت بالایی برخوردار است. الکتروکاردیوگرام ، به عنوان یک راه اصلی برای تشخیص فعالیت الکتریکی قلب، یک ابزار بی­ضرر بسیار مهم برای پیش­بینی و تشخیص بیماریهای قلبی عروقی مرتبط است. و برای شناسایی بی­نظمی­های ریتم قلب استفاده میشود. علاوه بر اطلاعات مربوط به بیماری ،ECG  حاوی بسیاری از اطلاعات خاص بیمار است زیرا ترکیبی منحصر به فرد و متمایز از سیگنالها است که در هر فرد متفاوت است با این حال، سیگنالECG  دارای ویژگیهای پیچیده و زیادی است که تفسیر سیگنالECG   را حتی برای متخصصان زمانبر و خسته­کننده می­کند. از این رو، روش­های کامپیوتری برای کاهش بار انسانی و کاهش خطاهای ناشی از خستگی مورد نیاز می باشد. یادگیری عمیق عملکرد فوق العاده­ای را در مطالعات طبقه بندیECG  در چند سال اخیر نشان می­دهد. یادگیری انتقالی یک تکنیک پیشرفته برای حل این مشکل با استفاده از مدلهای از پیش آموزش دیده است. در این روش مدل­های از قبل آموزش دیده در واقع همان شبکه­های عصبی کانولوشنال هستند و مانند ImageNet و  Densnet می­باشد ¸از روی مجموعه داده­های وسیعی آموزش می­بینند و با انتقال وزن­های آموزش داده شده به یک مسئله طبقه­بندی جدید با مجموعه داده­های کوچک بهترین عملکرد را در تشخیص بیماری خواهد داشت.  در این پژوهش، تشخیص ایسکمی قلبی از سیگنال قلب با استفاده از یادگیری انتقالی و شبکه‌های عصبی پیچشی برای تشخیص ایسکمی قلبی استفاده شده است. در ادامه بعد از ایجاد مدل با بخشی از داده‌های موجود در مجموعه داده ، مدل ارزیابی شد.  مدل توسعه‌یافته، با استفاده از الگوریتم تکاملی برای بهینه‌سازی پارامترهای شبکه عصبی، به دقت بالای 99 درصد در تشخیص ایسکمی دست یافته است. نتیجه ارزیابی انجام شده و مقایسه‌ی آن با پژوهش‌های مشابه نشان دهنده نتایج مطلوب و قابل قبولی در حوزه  تشخيص بيماري ايسكمي است.