20003

17271

كارشناسي ارشد

علوم داده

اصفهان : دانشگاه صنعتي اصفهان

1403

هفت، 75ص. :مصور، جدول، نمودار

1403/09/10

كتابنامه

رياضي كاربردي

رياضي

1403/09/17

23061228

بيماري هاي قلبي عروقي از اصلي ترين علل مرگ ومير جهاني هستند و تشخيص زودهنگام آن ها نقش مهمي در پيشگيري از عوارض جدي دارد. روش هاي سنتي تشخيص غالباً پرهزينه و تهاجمي اند؛ به همين دليل، نياز به روش هاي سريع و غيرتهاجمي احساس مي شود. در اين پژوهش، از مقطع نگاري همدوسي اپتيكي شبكيه براي تشخيص زودهنگام بيماري هاي قلبي استفاده شده است. ابتدا، تصاوير شبكيه چشم پس از پيش پردازش، با استفاده از مدل خودرمزگذار متغير فشرده و ويژگي هاي آن استخراج شد. سپس اين ويژگي ها همراه با داده هاي باليني به يك مدل جنگل تصادفي براي دسته بندي بيماران ارائه گرديد. نتايج نشان داد كه اين روش، دقت تشخيص را به طور قابل توجهي بهبود داده و مي تواند به عنوان ابزاري غيرتهاجمي و مقرون به صرفه براي غربالگري بيماران قلبي عروقي مورد استفاده قرار گيرد.

Cardiovascular diseases are the leading causes of global mortality, and their early detection plays an important role in preventing serious complications. Traditional diagnosis methods are often expensive and invasive; therefore, there is a need for rapid and non-invasive methods. In this study, retinal optical coherence tomography was used for early diagnosis of heart diseases. First, retinal images were preprocessed using a compact variable autoencoder model and its features were extracted. Then, these features were presented to a random forest model along with clinical data for patient classification. The results showed that this method significantly improved the accuracy of diagnosis and could be used as a non-invasive and cost-effective tool for screening cardiovascular patients.

ساره گلي فروشاني

مليحه ثابتي

زهرا صابري , حامد لروند