Random Forest Algorithm Construction for the Diagnosis of Coronary Heart Disease Based on Echocardiography Video Data Streams

摘要

Проблематика. Дослідження останніх років показують, що серцево-судинні захворювання, включаючи ішемічну хворобу серця, є основною причиною смертності й одним із основних факторів інва­лідності в усьому світі. Виявлення випадків цього типу захворювань за останні 30 років збільшилось з 271 до 523 млн, а кількість смертей – з 12,1 до 18,6 млн. Серцево-судинні захворювання є головною причиною смертності населення України, і за цим показником країна лишається одним зі світових лідерів. Ішемічна хвороба серця є провідним чинником втрати здоров’я України, і для її своєчасного виявлення все більше використовують сучасні методи діагностики, включаючи алгоритми машинного навчання.Мета. За даними спекл-трекінг ехокардіографії методом випадкового лісу побудувати класифікаційні алгоритми діагностики порушень кінематики скорочень лівого шлуночка серця у хворих на ішемічну хворобу серця в умовах стану спокою та при застосуванні ехострестесту з добутаміновою пробою.Методика реалізації. Методом спекл-трекінг ехокардіографії було обстежено 40 пацієнтів із наявністю ішемічної хвороби серця та 16 осіб, у яких патологію серця не виявлено. Ехокардіографія реєструвалась у B-режимі в трьох позиціях: по довгій вісі, у 4- та 2-камерній позиціях. Усього було використано 6245 кадрів відеопотоку: 1871 – без порушень серцевої діяльності та 4374 – за наявності патології під час обстеження. 56 пацієнтів (2509 кадрів відеоданих) обстежено без застосування добутамінової проби та 38 пацієнтів (3736 кадрів відеоданих) – із застосуванням ехострестесту з добутаміновою пробою, якщо порушень у стані спокою виявлено не було. Під наглядом анестезіолога застосовувались дози добутаміна 10, 20 і 40 мкг. Як інформативні ознаки були використані дані текстурного аналізу зображень. Для побудови алгоритму виявлення ішемічної хвороби серця було застосовано алгоритм випадкового лісу.Результати. На першому етапі дослідження було побудовано діагностичні алгоритми норма–патологія для стану спокою та доз добутаміну 10, 20 і 40 мкг. Перед застосуванням алгоритму вибірки випадковим чином було поділено на навчальні (70 %) й тестові (30 %). Класифікатори було оцінено за показниками точності, чутливості та специфічності. За даними тестових вибірок точність діагностичних висновків варіювалась від 97 до 99 %. На другому етапі дослідження, для підвищення універсальності моделей, було побудовано класифікатор для всіх зображень, без поділення на дози добутаміну. Точність за тестовими вибірками також була в межах від 96,6 до 97,8 %. Для побудови діагностичних алгоритмів методом випадкового лісу було використано дані текстурного аналізу зображень.Висновки. Отримано високоточні моделі класифікації за допомогою використання алгоритму випадкового лісу. Розроблені моделі можуть бути застосовані для аналізу ехокардіограм, отриманих у B-режимі на обладнанні, яке не оснащене технологією спекл-трекінг.