به كارگيري يادگيري منيفلد براي تشخيص بيماري دريچه‌ي ميترال

بيماري‌هاي قلبي يكي از اصلي‌ترين عوامل به خطر انداختن سلامت و زندگي انسان هستند. از مهم‌ترين بيماري‌هاي قلب، بيماري‌‌هاي مربوط به دريچه‌هاي قلب بوده كه در طي سال‌هاي اخير روندي افزايشي داشته است. تشخيص و درمان درست و به موقع اين بيماري‌ها، بهبود كيفيت زندگي و افزايش طول عمر افراد را به دنبال دارد. از اين رو محققان همواره به دنبال يافتن روش‌هايي براي بهبود و تسريع روند تشخيص اين بيماري بوده‌اند. تصاوير پزشكي، فعاليت قلب انسان را بررسي و ضبط كرده و از جمله راه‌هاي اصلي تشخيص مشكلات قلبي هستند. عموما پردازش اين تصاوير پيچيده و زمان ‌بر است، به همين جهت محققان به دنبال پيدا كردن روش‌هايي براي ساده‌سازي پردازش اين تصاوير هستند. يادگيري منيفلد يكي از روش‌هاي كاهش بعد غيرخطي است كه الگوريتم‌هاي مختلفي داشته و مي‌تواند موجب ساده‌ سازي پردازش تصاوير اكوكارديوگرافي شود. در اين پژوهش ‌‌با كمك يكي از الگوريتم‌هاي يادگيري منيفلد به نام LLE، تصاوير اكوكارديوگرافي مورد بررسي قرار گرفته و سعي شده است تا با كمك روش يادگيري منيفلد داده‌هاي سالم از داده‌هاي داراي اختلال دريچه‌ي ميترال شناسايي شده و ويژگي‌هاي جدا كننده‌ي سه گروه پاتولوژي دريجه‌ي ميترال شامل MVP، MS و III -b استخراج شود. نتايج به دست آمده نشان مي‌دهد كه بيش از 80% نمونه‌هاي گروه طبيعي از نظر ساختار منيفلد الگويي متفاوت با نمونه‌هاي داراي اختلال دارند.