طبقه بندی سیگنال های قلبی توسط شبکه های عصبی convolutional و squeezenet

در این تحقیق، از شبکه عصبی کانولوشنال و شبکه عصبی squeezenet برای طبقه‌بندی سیگنال‌های قلبی استفاده شده است. از 162 ضبط ecg استفاده شده است. این ضبط‌ها شامل 96 ضبط از افراد مبتلا به آریتمی، 30 ضبط از افراد مبتلا به نارسایی احتقانی قلب و 36 ضبط از افراد با ریتم طبیعی سینوسی است. هدف این تحقیق، تمایز بین arr (آریتمی)، chf (نارسایی احتقانی قلب) و nsr (ریتم طبیعی سینوسی) است. تحقیق حاکی از اهمیت استفاده از تحلیل سیگنال ضربان قلب برای تشخیص زودهنگام بیماری‌های قلبی است. این روش می‌تواند در تشخیص و درمان به موقع این بیماری‌ها مفید باشد و از خطرات و امکان عدم دقت تشخیص توسط پزشکان کاسته شود. نمونه‌ها به عنوان ورودی به شبکه‌های عصبی داده شده‌اند و نتایج این دو شبکه عصبی با یکدیگر مقایسه شده است. نتایج نشان می‌دهد که شبکه عصبی squeezenet دقت 95.65٪ و شبکه عصبی کانولوشنال دقت 92.50٪ در طبقه‌بندی سیگنال‌های قلبی دارند.