پریسا گیفانی - دانشگاه علم و صنعت ایران
حمید بهنام - دانشگاه علم و صنعت ایران
نسرین احمدی نژاد - دانشگاه علوم پزشکی تهران
رویا ستارزاده بادکوبه - دانشگاه علوم پزشکی تهران

یادگیری منیفلد ابزاری قدرتمند درجهت کاهش بعد غیرخطی دادگان است. با استفاده از این ابزار پارامترهایی ذاتی سیستم که عامل اصلی تمایز دادگان از یکدیگر بوده شناسایی شده کل مجموعه برروی منیفلدی که بیان کننده ارتباط واقعی پارامترها است. قرار می گیرد و بدین ترتیب ارتباط بین دادگان در فضایی با بعد کمتر بیان می شود. از آنجا که تصاویر اکوکاردیوگرافی اخذشده از یک بیمار براساس پارامترهای کمی از جمله حرکت تناوبی قلب و نویز متفاوت هستند. با الگوریتم مناسب یادگیری منیفلد مجموعه تصاویر در فضای دو بعدی فرونشانده می شوند. دراین مقاله با استفاده از الگوریتم LLE پس از نگاشت چنددوره تناوب تصاویر در فضای دو بعدی، تصاوی مشابه در کنار یکدیگر قرار گرفته و رابطه بین تصاویر بر اساس خاصیت تناوبی ضربان قلب به صورت سیکلیک نمایان می شود. کاهش نویز تصاویر به صورت میانگین گیری تصاویرمشابه برروی منیفلد انجام می گیرد. در نهایت با مقایسه روش پیشنهادی با برخی از روشهای متداول حذف نویز و تحلیل آماری نتایج نشان خواهیم داد که علاوه بر بهبود مربعات خطا و بهبود نسبت سیگنال به نویز، طبق نظر متخصص حداقل محوشدگی را خواهیم داشت.

یادگیری منیفلد، تصاویر اکوکاردیوگرافی، نویز اسپکل