انتخاب ویژگی های موثر در ناهنجاری های دریچه ای قلب با استفاده از الگوریتم ژنتیک بر اساس ارزیابی همبستگی پیرسون

امروزه اختلالات دریچه​های قلبی یکی از اصلی​ترین عوامل مرگ و میر در جهان هستند. این اختلالات عبارت است از بروز عوارضی در دریچه های قلبی به نحوی که موجب تغییر شکل و یا تخریب دریچه ها شده و به تبع آن صداهای ناشی از باز و بسته شدن آنها نسبت به قلب سالم، دچار تغییر شوند. بدیهی است با توجه به پیچیدگی های سیگنال های صوتی قلبی و ثبت آنها، طراحی سامانه ای عاری از خطا و در عین حال دقیق از نظر میزان صحت تشخیص به سختی دست یافتنی باشد. با این وجود در این پژوهش تلاش شده است، سامانه ای هوشمند برای تشخیص نارسایی​های دریچه​ای قلب با استفاده از سیگنال های صوتی فونوکاردیوگرافی ارایه شود تا بیشینه قدرت تشخیصی را داشته باشد. هدف اصلی در روش پیشنهادی انتخاب بردارهای ویژگی موثر با استفاده از روش بهینه​سازی ژنتیک و نیز بر اساس تابع ارزیابی مبتنی بر ضرایب همبستگی پیرسون است. پیش از انتخاب ویژگی با توجه به ماهیت سیگنال های صوتی قلب، مراحل پیش​پردازشی شامل ثبت داده ها، نرمال​سازی، تقسیم بندی و فیلتر کردن مورد استفاده قرار گرفته تا صحت عملکرد سامانه را افزایش دهد. در گام بعدی سه دسته ویژگی های مختلف زمانی، موجک و انرژی سیگنال (هر یک پانزده ویژگی) از روی سیگنال عاری از نوفه استخراج شده که با توجه به تراکم و ناهمبستگی این ویژگی​ها، به کمک روش های ادغام، همبسته سازی و نیز کاهش فضای مساله شامل تجزیه و تحلیل مولفه های اصلی، تحلیل جداکننده های خطی و تحلیل جداکننده های خطی ناهمبسته بردارهای ویژگی در فضای جدیدی استخراج می شوند. این بردارها شامل هجده بردار جدید (هر یک شش بردار) بوده که در نهایت از شبکه پرسپترون چند​لایه و المن برای طبقه بندی آنها استفاده می شود. نتایج مدل سازی فرآیند انتخاب ویژگی های موثر و تشخیص بیماری نشان از کارایی روش پیشنهادی دارد.