بله
کتاب تفکیک هوشمند نارسایی‌های دریچه‌ای قلب با استفاده از شبکه عصبی مبتنی بر موجک نوشته‌ی مریم فیروزی قرابقلو قصد دارد تا به شما نشان دهد که چطور از شبکه عصبی مبتنی بر تبدیل ویولت برای تحلیل سیگنال صدای قلب PCG استفاده می‌شود.
تحلیل خودکار سیگنال فنوکاردیوگرام (PCG) به منظور تشخیص بیماریهای قلبی که عامل اصلی مرگ و میر در کشورهای توسعه یافته به حساب می‌آید، از اهمیت فراوانی برخوردار است.
ساختار اولیه PCG شامل مولفه‌های S1، S2، S3 و S4 است. تشخیص موقعیت هر کدام از مولفه‌های نام برده و بالاخص S1 و S2 در شناخت نارسایی‌های دریچه‌ای قلب کاربرد دارد. الگوریتم‌های زیادی برای تشخیص و تحلیل مولفه‌های سیگنال PCG گزارش شده است.
بیشتر مطالعات اخیر با هدف درک محتوای ساختاری (مولفه‌های سیگنال) صداهای قلب اجرا شده، از جمله استفاده از شبکه‌های عصبی، مدل‌های آماری، تحلیل طیفی تحلیل زمان - فرکانسی یعنی تبدیل فوریه زمان کوتاه و تبدیل ویولت (موجک) از روش‌های متداول جداسازی صداهای قلب است.
تبدیل موجک از زمان تفکیک پذیری خیلی خوب برای مولفه‌های فرکانس بالا و از دقت بالا در آنالیز صدای قلب نسبت به سایر تکنیک‌ها برخوردار است. لذا در این پروژه تحلیل سیگنال صدای قلب PCG برای تشخیص 4 نوع از نارسایی‌های دریچه‌ای قلبی و یک نمونه صدای نرمال قلب براساس شبکه عصبی مبنی بر موجک ارائه شده است.
هدف مریم فیروزی قرابقلو در کتاب حاضر این است که تعداد نارسایی‌های دریچه‌ای قلب را شناسایی و دقت تشخیص آن‌ها را با بهره‌گیری از روش پیشنهادی افزایش دهد.
در بخشی از کتاب تفکیک هوشمند نارسایی‌های دریچه‌ای قلب با استفاده از شبکه عصبی مبتنی بر موجک می‌خوانیم:
شبکه‌های عصبی نسبت به کامپیوتر‌های معمولی مسیر متفاوتی را برای حل مسئله طی می‌کنند. کامپیوتر‌های معمولی یک مسیر الگوریتمی را استفاده می‌کنند به این معنی که کامپیوتر یک مجموعه از دستورالعمل‌ها را به قصد حل مسئله پی می‌گیرد. بدون اینکه، قدم‌های مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئله‌ی کامپیوتر‌های معمولی را به مسائلی، محدود می‌کند که ما قادر به درک آن‌ها هستیم و می‌دانیم چگونه حل می‌شوند. اما اگر کامپیوتر‌ها می‌توانستند کار‌هایی را انجام دهند که ما دقیقا نمی‌دانیم چگونه انجام دهیم، خیلی پر فایده‌تر بودند.
شبکه‌های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می‌دهد پردازش می‌کنند. آن‌ها از تعداد زیادی از عناصر پردازشی (سلول عصبی) که فوق العاده بهم پیوسته‌اند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می‌کنند. شبکه‌های عصبی با مثال کار می‌کنند و نمی‌توان آن‌ها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال‌ها می‌بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می‌شود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش کشف می‌کند که چگونه مسئله را حل کند، عملکرد آن غیر قابل پیش‌گویی است.
