تشخیص ناهنجاری دریچه ای قلب با استفاده از آموزش گروهی

پردازش سیگنال صدای قلب دارای مراحل مختلفی است. با اعمال پیش پردازش های لازم و جداسازی سیکل های صدای قلب به استخراج ویژگی های متمایز کننده از صدای قلب می پردازیم. از آنجایی که عملکرد مناسب طبقه بند تاثیر زیادی در کارایی نهایی سیستم دارد، در این پژوهش روش مناسبی جهت طبقه بندی ارایه می کنیم. یک راه متداول ساخت طبقه بندهای دقیق، استفاده از گروهی از طبقه بندها و تصمیم گیری بر مبنای خروجی هر یک از آن ها است. محققان تا کنون کارایی این روش ها را در زمینه‎ های مختلف مربوط به مسایل طبقه بندی نشان داده اند. اما در زمینه ی تشخیص ناهنجاری های قلبی مطالعات زیادی برای بررسی این نوع طبقه بندها صورت نگرفته است. در این پژوهش به آموزش تعدادی طبقه بند پایه ی خطی می پردازیم و در نهایت تصمیم گیری با توجه به خروجی هر طبقه بند پایه بر مبنای روش رای اکثریت انجام می شود. نمونه های مورد استفاده در آموزش طبقه بند های پایه به صورت تصادفی و با جایگذاری از کل نمونه های آموزشی انتخاب می شوند. روش پیشنهادی را برای 5 مجموعه داده پیاده می کنیم. همچنین به مقایسه ی روش پیشنهادی با 3 نوع طبقه بند دیگر با معیارهای حساسیت، ویژگی، نسبت شانس تشخیص، دقت و خطا می پردازیم. نتایج نشان می دهد روش پیشنهادی دارای دقت بالاتر و سرعت بیش تری در پیش بینی مشاهدات است.