>
Fa   |   Ar   |   En
   تشخیص آریتمی انقباضات زودرس بطنی در سیگنال الکتریکی قلب با استفاده ازترکیب طبقه‌بندها  
   
نویسنده رهبری پور مسعود ,محمدزاده اصل بابک
منبع پردازش علائم و داده ها - 1397 - شماره : 1 - صفحه:55 -70
چکیده    یکی از شایع ترین آریتمی های قلبی که همواره مورد توجه پزشکان قرار گرفته است، آریتمی انقباضات زودرس بطنی ست که تشخیص آن با توجه به فراوانی اش در همه سنین، اهمیت ویژه ای دارد. ثبت سیگنال الکتروکاردیوگرام یک روش متداول و غیر تهاجمی برای بررسی نحوه عملکرد قلب است. توسعه روش های سریع و دقیق طبقه بندی خودکار الکتروکاردیوگرام برای تشخیص بالینی بیماری های قلبی بسیار ضروری است. هدف این پژوهش نیز، تحلیل سیگنال الکتریکی قلب به منظور طبقه بندی آریتمی انقباضات زودرس بطنی ست. هیچ طبقه بندی وجود ندارد که برای تمامی مسائل و در تمامی زمان ها بهترین نتیجه را بدهد بنابراین؛ ترکیب طبقه بند ها باعث می شود تا نتایج سامانه ترکیبی در مقایسه با تک تک این تکنیک ها بهبود یابد. در این پژوهش از پایگاه داده mitbih arrhythmia database به عنوان منبع داده استفاده شده است. در این پژوهش برای تشخیص ضربان های زودرس بطنی در بیماران از ویژگی های مورفولوژیکی الکتروکاردیوگرام و ویژگی های به دست آمده از تبدیل موجک استفاده شده است و پس از استخراج و انتخاب ویژگی ها، برای طبقه بندی ضربان هااز ترکیب متداول ترین روش های طبقه بندی، یعنی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و روش kنزدیک ترین همسایه استفاده شده است. بهترین نتایج، در حالت ترکیب هر 3 طبقه بند و با استفاده از ویژگی های هنجارسازی شده به دست آمد. در این حالت سامانه ترکیبی طراحی شده موفق شد با صحت 0/2±98/9، حساسیت 0/1 ±0/99 و نرخ اختصاصی بودن 0/2±98/8 درصد ضربان های زودرس بطنی را تشخیص دهد. همچنین، کارایی روش پیشنهادی در شرایط استفاده از نمونه های آموزشی محدود نشان داده شد. در مجموع، نتایج نشان دهنده موفقیت روش پیشنهادی به ویژه در مقایسه با سایر پژوهش ها مرتبط است.
کلیدواژه انقباضات زودرس بطنی، الکتروکاردیوگرام، ویژگی‌های مورفولوژیکی، ترکیب طبقه‌بندها
آدرس دانشگاه تربیت مدرس, دانشکده مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران, دانشگاه تربیت مدرس, دانشکده مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران
پست الکترونیکی babakmasl@modares.ac.ir
 
   Premature Ventricular Contraction Arrhythmia Detection in ECG Signals via Combined Classifiers  
   
Authors Mohammadzadeh Asl Babak ,Rahbaripour Masoud
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved