به گزارش سلامت نیوز به نقل از ایرنا، پویا سید قاسمی، محقق این پژوهش و دانشجوی کارشناسی ارشد در رشته مهندسی برق، گرایش مخابرات سیستم، بیان کرد: قلب به عنوان عضو اصلی بدن که خون را به سایر اعضای بدن می‌رساند، نیازمند نظارت دقیق است. ناهنجاری‌های قلبی که به صورت صداهای اضافی یا سوفل ظاهر می‌شوند، می‌توانند به مشکلات جدی تبدیل شوند. ابزارهای هوش مصنوعی به تحلیل دقیق‌تر این صداها کمک کرده و دقت تشخیص را بهبود می‌بخشند.

وی افزود: با توجه به ناهنجاری‌های قلبی و نیاز به تشخیص دقیق و سریع، روش‌های مختلفی برای تحلیل صدای قلب وجود دارد. در این پژوهش، با طراحی کرنل‌های لایه CNN شبکه عصبی به کمک ویژگی‌های زمانی-شکلی صدای قلب، دقت طبقه‌بندی به ۹۹.۲ درصد ارتقا یافته است. این روش نه تنها به کاهش هزینه‌های آموزش کمک می‌کند بلکه امکان استفاده در سامانه‌های ارزان قیمت با سرعت پاسخگویی مناسب را فراهم می‌آورد.

این تحقیق با راهنمایی محمدحسن قاسمیان یزدی و در قالب پایان‌نامه کارشناسی ارشد پویا سید قاسمی در دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس انجام شده است.