رویداد هوش مصنوعی اصفهان 2023: مسابقهٔ تشخیص رفلاکس

رویداد هوش مصنوعی اصفهان 2023: مسابقهٔ تشخیص رفلاکس

نویسندگان:

Kenari, Azra Rasouli; Montazerolghaem, Ahmadreza; Zojaji, Zahra; Ghatee, Mehdi; Yousefimehr, Behnam; Rahmani, Amin; Kalani, Mahdi; Kiyanpour, Farnoush; Kiani-Abari, Mohamad; Fakhar, Mohammad Yasin; Rezaei, Safiyeh; Tahernia, Mojtaba; Vafaie, Mohammad Hossein; Besharatnezhad, Hamidreza; Bafrani, Vahid Rahimi; Tofighi, Mohamad Taghi; Sedeh, Peyman Adibi; Soheilipour, Maryam; Rabbani, Hossein

برای انتشار در این نشریه پذیرفته شده است: «Journal of Medical Signals & Sensors”.

چکیده

پیشینه: 

بیماری رفلاکس معده به مری (GERD) یک اختلال شایع گوارشی است که میلیون‌ها نفر را در سراسر جهان درگیر می‌کند. پایش امپدانس چندکانالهٔ داخل‌مجرایی همراه با pH ‏(MII-pH)، روشی نوین و در حال حاضر معیار طلایی تشخیص GERD است. توصیف دقیق رویدادهای رفلاکس از روی داده‌های MII برای تشخیص GERD اهمیت اساسی دارد. با وجود طرح اولیهٔ پیشرفت‌های نرم‌افزاری در متون بالینی در چند سال پیش، استخراج قابل‌اعتماد رویدادهای رفلاکس از داده‌های MII همچنان چالشی مهم است. دستیابی به موفقیت، مستلزم همکاری یکپارچهٔ دو جزء کلیدی است: پروتکل معیارهای تعریف رفلاکس که متخصصان گوارش تدوین کرده‌اند، و تحلیل جامع داده‌های MII برای تشخیص رفلاکس.

روش: 

تیم ما برای پرداختن به این چالش، مجموعه‌داده‌ای شامل 201 دورهٔ MII گردآوری کرد. سپس با دقت، معیارهای مشخصی برای تعریف دوره‌های رفلاکس تدوین کردیم و معیار طلایی و برچسب‌های داده‌های MII را تعیین کردیم.

نتیجه: 

لازم است روش‌های متنوع تحلیل سیگنال بررسی شوند. نخستین مسابقهٔ هوش مصنوعی اصفهان در سال 2023 شامل ارزیابی‌های رسمی روش‌های مختلف در شش حوزهٔ مجزا، از جمله ارزیابی داده‌های MII، بود.

بحث: 

این مقاله، مجموعه‌داده‌های ارائه‌شده به شرکت‌کنندگان را شرح می‌دهد و مروری بر نتایج مسابقه ارائه می‌کند.

کلیدواژه‌ها

پایش 24ساعته، یادگیری عمیق، چالش هوش مصنوعی اصفهان، امپدانس چندکانالهٔ داخل‌مجرایی، رفلاکس

مرجع: 

Journal of Medical Signals & Sensors 15(2):6، فوریهٔ 2025. | شناسهٔ DOI: 10.4103/jmss.jmss_46_24