تشخیص بیماری COPD از طریق تحلیل صدای ریه با تمرکز بر ویژگی‌های زمانی و به کارگیری شبکه‌ی مبتنی بر توجه زمانی و گیت‌های بازگشتی دوطرفه

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه الکترونیک، دانشکده‌ی مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

2 استاد، گروه الکترونیک، دانشکده‌ی مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

doi
10.22041/ijbme.2023.562783.1805
چکیده

بررسی صدای اندام‌های بدن یکی از روش‌های تشخیص بیماری‌های مختلف است که توسط پزشکان برای تحلیل صداهای عارضه‌ای به کار گرفته می‌شود. از آن‌جا که بیش‌تر مرگ و میرهای ناشی از بیماری،‌ در کشورهای فقیری رخ می‌دهد که کمبود تجهیزات و متخصص دارند، ایجاد روش‌های تشخیصی مبتنی بر یادگیری ماشین و پردازش صوت که علاوه بر دردسترس بودن، غیرتهاجمی و ارزان نیز باشند با تشخیص زودهنگام می‌تواند باعث نجات جان میلیون‌ها انسان شود. در مطالعات پیشین غالبا ورودی‌های بازتاب کننده‌ی ویژگی‌های فرکانسی صوت مورد استفاده قرار گرفته است که در این مقاله علاوه بر آن از یک نمایش بازگشتی نیز استفاده شده که ویژگی‌های زمانی صوت را بازتاب کرده و به عنوان ورودی به شبکه‌های کانولوشنی داده می‌شود تا از مزیت‌های یادگیری انتقالی آن بهره گرفته شود. هم‌چنین با اضافه کردن مکانیسم توجه زمانی و شبکه‌ی گیت‌های بازگشتی دوطرفه، توالی داده‌های صوتی که یک سری زمانی بوده مورد بررسی قرار گرفته و هر یک از داده‌ها با توجه به ارزش آن‌ها وزن‌دهی شده است. داده‌های مورد استفاده در این مقاله از پایگاه داده‌ی صدای ریه ICBHI بوده که از آن در مقاله‌های بسیاری استفاده شده است. روش ارائه شده در این مقاله توانسته در طبقه‌بندی صدای ریه به سه دسته‌ی سالم، بیماری انسداد مزمن ریوی (COPD) و سایر بیماری‌ها به دقت 97% برسد که نسبت به سایر روش‌هایی که از این پایگاه داده استفاده کرده‌اند نتیجه‌ی بهتری است.