طبقه‌بندی امواج قلبی به ‌منظور تشخیص سکته‌ی قلبی مبتنی بر استخراج ویژگی‌های ریخت‌شناسی از الگوهای فضایی - زمانی امواج وکتور کاردیوگرام

مقدمه: یکی از شایع‌ترین بیماری‌های قلبی - عروقی (cardiovascular diseases یا cvds) در سراسر جهان سکته‌ی قلبی (myocardial infarction یا mi) است. با پردازش و واکاوی امواج الکتروکاردیوگرام (electrocardiography یا ecg) و وکتور کاردیوگرام (vectorcardiography یا vcg)، می‌توان به تشخیص و توصیف بیماری‌های قلبی نظیر mi دست‌یافت. یکی از روش‌های نوین در تشخیص، استفاده از متغیرهای فضایی زمانی امواج وکتور کاردیوگرام است. هدف از انجام این مطالعه، تفکیک صحیح امواج سالم از بیمار به‌ استفاده از طبقه‌بند شبکه‌ی عصبی مصنوعی و رسیدن به حساسیت و صحت قابل ‌قبول و همچنین، نشان دادن مزایای وکتور کاردیوگرافی و به‌ کارگیری آن به‌ عنوان روشی جهت پوشش معایب الکتروکاردیوگرافی بود.روش‌ها: در این تحقیق، علاوه بر به‌ کارگیری امواج الکتروکاردیوگرام در حوزه‌ی زمان، از الگوهای فضایی زمانی امواج وکتور کاردیوگرام به‌ منظور شناسایی 80 بیمار مبتلا به mi و تمایز آن‌ها از 80 فرد سالم بهره بردیم.یافته‌ها: زمانی که ترکیب ویژگی‌های 12 لید ecg و 3 لید vcg به ورودی طبقه‌بند شبکه‌ی عصبی پیش‌خور (feedforward neural network) اعمال شد، صحت 91.2 درصد، حساسیت 92.6 درصد و ویژگی 90.0 درصد حاصل شد که نتایج، مقادیر بالاتری را نسبت به زمانی که ویژگی‌ها به صورت جداگانه اعمال شوند، نشان می‌دهد.نتیجه‌گیری: مشاهدات بیانگر این است که روش‌های مبتنی بر ترکیب ecg و vcg، می‌توانند در تفکیک موارد mi از موارد سالم موثر باشند. امید است که این روش در ارزیابی بالینی و تشخیص نارسایی قلبی مفید واقع شود.