فهرست نشریات علمی دسترسی آزاد ایران

در مقاله حال حاضر، با آنالیز سیگنال­های صوتی قلب به طراحی الگوریتمی ترکیبی پرداخته شده که متشکل از استخراج ویژگی بر اساس تکنیک آشوب، کاهش ابعاد توسط آنالیز اجزای اصلی و دسته بندی خروجی­ها با اتکاء بر شبکه­های عصبی-فازی تطبیقی می­باشد. عدم قطعیت و خطای بالا در تشخیص روزنه بین بطنی از عدیده مشکلات روش­های پیشین است که در این زمینه مطرح بوده و به سبب اهمیت تشخیص خودکار این عارضه قلبی، نیاز است تا طراحی وفقی و به دور از بروز خطا باشد.  انتقال فضای ویژگی­ها با نگاشت آنها توسط الگوریتم آنالیز اجزای اصلی در دو گام، با انتخاب تعداد 18 تا 25 ویژگی از میان حدود 50 ویژگی استخراج شده، ورودی طبقه­بندی پیشنهادی را می­سازد. طبقه بند پیشنهادی، سیستم شبکه عصبی فازی تطبیقی با امکان پیش­بینی بروز بیماری قلبی است که با ورود داده­ها، در تعداد تکرارهای محدود در سطح قابل قبولی خروجی­ها را پیش­بینی می­نماید. داده­ها از پایگاه دادهUmichدانشگاهمیشیگاندریافت شده و شامل نمونه­های از بیماری روزنه بین بطنی است. نسبت تقسیم داده­ها در مرحله یادگیری و آزمایش، 9/0 به 1/0 (ارزیابی متقاطع) است و از شیوه اعتبارسنجی K-fold استفاده شده است. محاسبه معیارهایی چون دقت، حساسیت و نیز عدم قطعیت توسط مفهوم آنتروپی در الگوریتم ترکیبی حاکی از عملکرد مناسب روش پیشنهادی است.