تصنيف مخطط الصوت القلبي باستخدام شبكات عصبية تلافيفية أحادية البعد من نوع Inception Time

تُعدّ الهمسات أصواتًا ناتجة عن تدفق دم مضطرب، وغالبًا ما تكون أول علامة على وجود مرض قلبي هيكلّي. يتم اكتشاف هذه الأصوات عن طريق استماع القلب باستخدام السماعة الطبية، أو حديثًا من خلال جهاز التسجيل الصوتي للقلب (PCG). نهدف إلى تحديد وجود أو غياب أو الحالات غير الواضحة للهمسات، بالإضافة إلى التنبؤ بالنتائج السريرية الطبيعية أو غير الطبيعية بناءً على تسجيلات PCG باستخدام التعلم الآلي.قمنا بتدريب وفحص نموذجين من الشبكات العصبية التلافيفية ذات البُعد الواحد (CNN) على مجموعة بيانات PCG مأخوذة من سكان صغار سنًا يبلغ عددهم 1568 فردًا. كان أحد النموذجين يتنبأ بوجود الهمسات، بينما كان النموذج الآخر يتنبأ بالنتائج السريرية. وقد تم تدريب كلا النموذجين للحصول على تنبؤات على مستوى التسجيل (Recording-wise)، بينما تم تقديم التنبؤات النهائية على مستوى كل مريض (Patient-wise).يصف هذا البحث مشاركتنا في مسابقة جورج ب. مودي لمؤسسة PhysioNet عام 2022، التي كانت تهدف إلى تحديد الهمسات القلبية والنتائج السريرية من خلال تسجيلات PCG. وقد حقق فريقنا، Simulab، تصنيفًا سريريًا حصل على درجة تكلفة المسابقة البالغة 12419 (وتصنيفه 14 بين 39 فريقًا)، بينما حقق نموذج تمييز الهمسات دقة موزونة بلغت 0.593 (وتصنيفه 30 بين 40 فريقًا) على مجموعة الاختبار.