ارائه يك روش موثر در دسته بندي نماهاي اكوكارديوگرافي با استفاده از يادگيري انتقالي

بيماري قلبي عروقي يك اصطلاح كلي براي همه بيماري هاي قلبي است. براي اكوكارديوگرافي، مي‌توان نماهاي قلبي مختلفي را بسته به موقعيت و زواياي پروب بدست آورد. ازاين‌رو، دسته‌بندي نماهاي اكوكارديوگرافي به صورت خودكار، بخصوص براي سيستم هاي كامپيوتري و حتي براي تشخيص خودكار در مراحل بعدي، اولين گام براي تشخيص اكوكارديوگرافي است. علاوه بر اين، اينكار باعث مي شود كه برچسب گذاري در مقياس بالا انجام شده و امكان مديريت داده‌ها براي مراحل بعدي فراهم گردد. موضوع اين مقاله استفاده از روشي جديد براي دسته بندي خودكار نماهايي از تصاوير اكوكارديوگرافي مي‌باشد كه از نظر الگو و ويژگي‌هاي بصري بسيار شبيه هم هستند. در اين مقاله نماهاي فرعي از نماي اصلي پارا استرنال محور كوتاه و پارا استرنال محور بلند و آپيكال جمع‌آوري و مورد بررسي قرار گرفته است. ما با بهره‌گيري از روش يادگيري انتقالي، دقت دسته بندي نماهاي اشاره شده را بهبود داده‌ايم. همچنين پيچيدگي محاسباتي در حين آموزش شبكه و تشخيص برچسب تصاوير با استفاده از روش پيشنهادي به صورت قابل توجهي كاهش يافته است. نكته قابل توجه ديگر اينكه، با توجه به وجود محدوديت‌هايي كه در مورد جمع‌آوري و برچسب گذاري داده هاي اكوكارديوگرافي وجود دارد، مزيت ديگر اين روش، انجام مرحله يادگيري شبكه، با تعداد داده‌هاي كمتر نسبت به روش‌هاي مشابه مي‌باشد.