تشخیص آریتمی های قلبی به کمک ویژگی های بهینه و طبقه بند ماشین بردار پشتیبان

الکتروکاردیوگرام (ecg) به عنوان یک سیگنال الکتریکی تعریف می شود که نشان دهنده فعالیت قلبی است. سیگنال قلبی مهمترین و وابسته ترین سیگنال وابسته به قلب می باشد.در این مطالعه، هدف ما ارزیابی کارایی ویژگی‌های بهینه انتخاب شده، توسط ماشین بردار پشتیبان برای طبقه‌بندی سیگنال قلبی می باشد. در این مقاله، روش تفکیک پنج نوع ضربان، نرمال (n)، انقباض زودرس بطنی (pvc)، انقباض زودرس دهلیزی (apc) ، ضربان بلوک شاخه چپ (lbbb)و ضربان بلوک شاخه راست (rbbb) با استفاده از طبقه‌بندی کننده ماشین بردار پشتیبانی (svm) ارائه می‌شود. عملکرد روش طبقه‌بندی با استفاده از ویژگی‌های بهینه انتخاب شده با استفاده از چندین معیار از جمله دقت، حساسیت، ویژگی و صحت مورد ارزیابی قرار گرفت که به صحت قابل قبول 98 درصد رسید. تجزیه و تحلیل مقایسه ای با روش های موجود مرتبط نشان می دهد که روش پیشنهادی پتانسیل بالاتری در طبقه بندی اریتمی ها داشته و تلاش برای طبقه بندی سیگنال ecg با موفقیت به دست آمده است. روش پیشنهادی حساسیت امیدبخش 98% را نشان داده است و بیانگر این موضوع است که این تکنیک یک مدل عالی برای تشخیص خودکار آریتمی قلبی به کمک کامپیوتر است.