تشخیص آریتمی های قلبی با استفاده از یادگیری عمیق از اسپکتروگرام سیگنال ecg

بیمارهای قلبی یکی از عوامل بزرگ مرگ و میر در جهان و در کشور می باشد که می توان با تشخیص صحیح و به موقع تا 25 درصد از این مرگ و میرها جلوگیری کرد. انواع مختلفی از آریتمی ها وجود دارد و هر نوع با الگویی همراه است و بنابراین می توان نوع آن را شناسایی و طبقه بندی کردبنابراین ، تشخیص زودرس و دقیق آریتمی ها بسیار مهم و در روند بهبود بسیار موثر است. روش یادگیری عمیق یکی از روش های جدید در تشخیص و تفکیک می باشد که با استفاده از شبکه عصبی کانولوشن انجام می شود و میتواند بیش از 1000 گروه را با صحت و دقت بالا از هم تفکیک کند که یکی از مهمترین معماری در شبکه عصبی کانولوشن معماری alexnet می باشد . ما در این مقاله با استفاده از سیگنال تک کانال ecg و یادگیری عمیق آریتمی های قلبی را تفکیک نمودیم.در این پایان نامه با استفاده از شبکه عصبی کانولوشن بر مبنای معماری alexnet با ساختار لایه های تماما متصل fc8 ، 1000 ویژگی عمیق بدون دخالت دست استخراج شده و در نهایت اریتمی های قلبی را با طبقه بندی کننده های knn ، nn ، lda ،svm به ترتیب با صحت 62/22 ، 27/78، 51/11 و 98/68 درصد از هم تفکیک نمودیم. که svm بهترین صحت و عملکرد را در مقایسه با بقیه طبقه بندی کنندگان داشت.