و طبقه بندی آن با WP استفاده از تبدیلHRV استخراج ویژگی های طیفی سیگنال به منظور تشخیص آریتمی های فیبریلاسیون بطنی و تاکیکاردی بطنی ls-svm

در این مقاله الگوریتمی به منظور استخراج ویژگی از سیگنال تغییرات نرخ ضربان قلب (HRV) که آریتمی ه ای فبریلاسیون بطنی (VF) و تاکیکاردی بطنی (VT) را شامل می شود و سپس طبقه بندی آنها با بکارگیری( Least square support vector machine(LS-SVM ارائه شده است. ویژگی های فرکانسی (شامل توان سیگنال در باند LF و HF) می توانند فعالیت بخش سمپاتیک و پاراسمپاتیک سیستم عصبی خودکار کنترل کننده ضربان قلب را نشان دهند. در اینجا روشی بر مبنای تبدیل Wavelet packet برای تجزیه سیگنال HRV به باندهای فرکانسی LF و HF استفاده شده است. سپس انرژی سیگنال در این باندها محاسبه می ود. در مرحله طبقه بندی، ویژگی های استخراج شده را به LS-SVM می دهیم. این مرحله شامل بهینه سازی متغیرهای ورودی و ارزیابی عملکرد سیستم از طریق آنالیز منحنی ROC (Receiver operating characteristic) است. روش ارائه شده با استفاده از داده های موجود در پایگاه داده Physinet مورد ارزیابی قرار گرفته و نتایج بدست آمده برای سه معیار SP,SE و AC در مقایسه با سایر روشهای موجود عملکرد بهتری را نشان می دهد.

کلیدواژه ها:

استخراج ویژگی ، سیگنال تغییرات نرخ ضربان قلب Wavelet packet و Least square support vector machine