پژوهشگران گروه مخابرات دانشگاه تربیت مدرس موفق به توسعه یک روش مبتنی بر هوش مصنوعی برای تشخیص بیماریهای قلبی از طریق طبقهبندی صدای قلب شدند.
با استفاده از تکنیکهای تبدیل شکلینه و سری زمانی، این تحقیق به دقت بالای ۹۹.۲ درصد در شناسایی ناهنجاریها در صدای قلب (فونوکاردیوگرام) دست یافت. این پیشرفت میتواند به کاربران و پزشکان کمک کند تا با دقت بیشتری ناهنجاریهای قلبی را شناسایی کنند.
به گزارش سرویس اخبار پزشکی سایت شات ایکس و به نقل از کلیک جام جم یکی از پژوهشگران این پروژه اعلام کرد که صدای قلب حاوی اطلاعات ارزشمندی از وضعیت دریچهها و عروق قلب است و تحلیل دقیقتر این صدا میتواند ناهنجاریهای ممکن را شناسایی کند.
ناهنجاریهای قلبی معمولا صداهای اضافی یا سوفل تولید میکنند و بررسی زمان-شکلی این صداها میتواند نوع بیماری راتشخیص دهد.همچنین، وجود نیاز به تجربه و دانش فنی برای تشخیص با صدای قلب و احتمال خطاهای انسانی انگیزهای برای خودکارسازی این فرآیند شد در این تحقیق، روشهای مختلفی برای تشخیص بیماریهای قلبی ازطریق صدای قلب بررسی شده و با طراحی کرنلهای لایه CNN با الهام از ویژگیهای زمانی-شکلی صدای قلب، هزینه آموزش و دقت تشخیص بهبود یافته است. این روش نه تنها ساده و اقتصادی است، بلکه همچنین قابلیت استفاده در سامانههای ارزان قیمت با سرعت پاسخگویی بالا را دارد.