معرفی و دانلود کتاب تفکیک هوشمند نارسایی‌های دریچه‌ای قلب با استفاده از شبکه عصبی مبتنی بر موجک

معرفی کتاب تفکیک هوشمند نارسایی‌های دریچه‌ای قلب با استفاده از شبکه عصبی مبتنی بر موجک

کتاب تفکیک هوشمند نارسایی‌های دریچه‌ای قلب با استفاده از شبکه عصبی مبتنی بر موجک نوشته‌ی مریم فیروزی قرابقلو قصد دارد تا به شما نشان دهد که چطور از شبکه عصبی مبتنی بر تبدیل ویولت برای تحلیل سیگنال صدای قلب PCG استفاده می‌شود.

تحلیل خودکار سیگنال فنوکاردیوگرام (PCG) به منظور تشخیص بیماری‌های قلبی که عامل اصلی مرگ و میر در کشورهای توسعه یافته به حساب می‌آید، از اهمیت فراوانی برخوردار است.

ساختار اولیه PCG شامل مولفه‌های S1، S2، S3 و S4 است. تشخیص موقعیت هر کدام از مولفه‌های نام برده و بالاخص S1 و S2 در شناخت نارسایی‌های دریچه‌ای قلب کاربرد دارد. الگوریتم‌های زیادی برای تشخیص و تحلیل مولفه‌های سیگنال PCG گزارش شده است.

بیشتر مطالعات اخیر با هدف درک محتوای ساختاری (مولفه‌های سیگنال) صداهای قلب اجرا شده، از جمله استفاده از شبکه‌های عصبی، مدل‌های آماری، تحلیل طیفی تحلیل زمان - فرکانسی یعنی تبدیل فوریه زمان کوتاه و تبدیل ویولت (موجک) از روش‌های متداول جداسازی صداهای قلب است.

تبدیل موجک از زمان تفکیک پذیری خیلی خوب برای مولفه‌های فرکانس بالا و از دقت بالا در آنالیز صدای قلب نسبت به سایر تکنیک‌ها برخوردار است. لذا در این پروژه تحلیل سیگنال صدای قلب PCG برای تشخیص 4 نوع از نارسایی‌های دریچه‌ای قلبی و یک نمونه صدای نرمال قلب براساس شبکه عصبی مبنی بر موجک ارائه شده است.

هدف مریم فیروزی قرابقلو در کتاب حاضر این است که تعداد نارسایی‌های دریچه‌ای قلب را شناسایی و دقت تشخیص آن‌ها را با بهره‌گیری از روش پیشنهادی افزایش دهد.

در بخشی از کتاب تفکیک هوشمند نارسایی‌های دریچه‌ای قلب با استفاده از شبکه عصبی مبتنی بر موجک می‌خوانیم:

شبکه‌های عصبی نسبت به کامپیوتر‌های معمولی مسیر متفاوتی را برای حل مسئله طی می‌کنند. کامپیوتر‌های معمولی یک مسیر الگوریتمی را استفاده می‌کنند به این معنی که کامپیوتر یک مجموعه از دستورالعمل‌ها را به قصد حل مسئله پی می‌گیرد. بدون اینکه، قدم‌های مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئله‌ی کامپیوتر‌های معمولی را به مسائلی، محدود می‌کند که ما قادر به درک آن‌ها هستیم و می‌دانیم چگونه حل می‌شوند. اما اگر کامپیوتر‌ها می‌توانستند کار‌هایی را انجام دهند که ما دقیقا نمی‌دانیم چگونه انجام دهیم، خیلی پر فایده‌تر بودند.

شبکه‌های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می‌دهد پردازش می‌کنند. آن‌ها از تعداد زیادی از عناصر پردازشی (سلول عصبی) که فوق العاده بهم پیوسته‌اند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می‌کنند. شبکه‌های عصبی با مثال کار می‌کنند و نمی‌توان آن‌ها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال‌ها می‌بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می‌شود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش کشف می‌کند که چگونه مسئله را حل کند، عملکرد آن غیر قابل پیش‌گویی است.

فهرست مطالب کتاب

مقدمه
فصل اول: کلیات کتاب
مقدمه
1-1. بخش اول- قلب
1-1-2. آناتومی قلب انسان
1-1-2-1. شریان‌های کرونری
1-1-2-2. ضربان قلب
1-1-2-3. انواع دریچه‌های قلبی
1-1-2-4. نقش هر یک از این حفرات قلب در سیکل قلبی
1-1-2-5. بیماری‌های قلبی
1-1-2-6. بیماری‌های دریچه‌ای قلب
1-1-2-7. علل‌ بیماری‌های دریچه‌ای قلب
1-1-2-8. انواع نارسایی دریچه‌های قلب
1-1-2-8-1. نارسایی دریچه سه لتی (تری کوسپید)
1-1-2-8-2. تنگی آئورت (AS)
1-1-2-8-3. نارسایی آئورت (AR)
1-1-2-8-4. نارسایی میترال (MR)
1-1-2-8-5. تنگی دریچه میترال (MS)
1-1-3. استتسکوپ
1-1-3-1. اجزای گوشی
1-1-4. سیگنال صدای قلب (فنوکاردیوگرام)
1-2بخش دوم- موجک
1-2-1. آنالیز موجک
1-2-2. مقایسه با تبدیل فوریه
1-2-3. انواع تبدیل‌های موجک
1-2-4. موجک‌ها و معادلات اتساع
1-2-5. کاربردها
1-3. بخش سوم -شبکه عصبی
1-3-1. مکانیزم شبکه عصبی زیستی و پردازش اطلاعات در آن
1-3-1-1. روش کار نرون‌ها
1-3-2. از سلول‌های عصبی انسانی تا سلول‌های عصبی مصنوعی
1-3-3. شباهت شبکه‌های عصبی با مغز
1-3-4. شبکه‌های عصبی در مقابل کامپیوتر‌های معمولی
1-3-5. مزیت‌های استفاده از شبکه عصبی
فصل دوم: مرور کارهای مرتبط
مقدمه
2-1. استفاده از تبدیل فوریه (FT)
2-2. استفاده از فیلترهای تطبیقی
2-3. استفاده از شبکه‌های عصبی
2-4. تبدیل موجک
2-5. استفاده از شبکه عصبی مبنی برموجک
فصل سوم: روش تحقیق
مقدمه
3-1. روش تحقیق
3-2. روش‌ها و ابزار جمع‌آوری اطلاعات و داده‌ها
3-3. نمونه گیری وذخیره سیگنال‌ها PCG در نرم افزار MATLAB
3-3-1. سیگنال نرمال (NL)
3-3-2. سیگنال نارسایی آئورتی (AI)
3-3-3. سیگنال تنگی آئورتی (AS)
3-3-4. سیگنال تنگی ریوی (PS)
3-3-5. سیگنال تنگی میترال (MS)
3-4. روش تجزیه و تحلیل اطلاعات
3-4-1. پیش پردازش اولیه سیگنال
3-4-2. اعمال تبدیل موجک و استخراج ضرایب
3-4-2-2. جداسازی S1 و S2
3-4-3. پیاده سازی شبکه عصبی توسط MATLABو طبقه بندی
فصل چهارم: نتایج تحقیق
4-1نتایج حاصل از اعمال فیلتر بر روی سیگنال فنوکاردیوگرام
4-1-1. سیگنال نرمال (NL) پس از اعمال فیلتر
4-1-2. سیگنال نارسایی آئورتی (AI) پس از اعمال فیلتر
4-1-3. سیگنال تنگی ریوی (AS) پس از اعمال فیلتر
4-1-4. سیگنال تنگی ریوی (PS) پس از اعمال فیلتر
4-1-5. سیگنال تنگی ریوی (MS) پس از اعمال فیلتر
4-2. نتایج حاصل ازاعمال موجک دابچیز و تعیین موقعیت مولفه‌های S1وs2 روی سیگنالPCG
4-2-1. موقعیت S1 و S2 روی سیگنالNL
4-2-2. موقعیت S1 و S2 روی سیگنالAI
4-2-3. موقعیت S1 و S2 روی سیگنالAS
4-2-4. موقعیت S1 و S2 روی سیگنالPS
4-2-5. موقعیت S1 و S2 روی سیگنالMS
4-3. جداسازی s1و s2سیگنالPCG
4-3-1. جداسازی s1و s2سیگنالNL
4-3-2. جداسازی s1و s2سیگنالAI
4-3-3. جداسازی s1و s2سیگنالNL
4-3-4. جداسازی s1و s2سیگنالPS
4-3-5. جداسازی s1و s2سیگنالMS
4-4. ارزیابی شبکه عصبی
4-5. بررسی کارایی شبکه عصبی در طبقه بندی داده‌های پژوهش
فصل پنجم: بحث در روش و نتایج تحقیق
مقدمه
5-1. دلیل استفاده از سیگنال صدای قلب PCG در این تحقیق
5-2. انتخاب نوع فیلتر
5-3. دلایل استفاده ازتبدیل موجک در این تحقیق؟
5-3-1. نوع موجک مادر
5-4. دلایل استفاده از شبکه عصبی با الگوریتم BPA مصنوعی در این تحقیق؟
فصل ششم: جمع بندی
مقدمه
6-1. نتیجه‌گیری از فرضیه‌ها
6-1-1. مروری بر فرضیه‌ها تحقیق
6-1-2. نتایج مبتنی بر آزمون فرضیه اول
6-1-3. نتایج مبتنی بر آزمون فرضیه دوم
6-2. نتیجه‌گیری کلی
منابع و ماخذ