تشخیص بیماری های قلبی با رویکرد ترکیب ویژگی و طبقه بندی به وسیله یادگیری ماشین

هدف از پژوهش حاضر تشخیص بیماری های قلبی با رویکرد ترکیب ویژگی و طبقه بندی به وسیله یادگیری ماشین می باشد. مقاله پیش -رو یک روش خودکار را برای تجزیه و تحلیل سیگنالهای صدای غیر ایستای قلب برای شناسایی کلاسهای مربوط به بیماری ارائه می دهد. سایر روشها بر روی غیرایستایی سیگنال ایده ای در نظر نداشته اند، اما در این تحقیق از پنجرهبندی سیگنال بهره گرفته می شود. برای آموزش سیستم یکپارچه معرفی شده در این مقاله ، جهت تحلیل ضربان قلب و بازشناسی حالات مختلف عملکردی آن، از پایگاه داده MIT-BIH استفاده می شود. برخلاف سایر راهکارهای پیشنهادی در این زمینه که تنها در جهت تشخیص بیماری مذکور از تکنیک -هایی چون تحلیل واریانس ، مقایسه میانگین یا انحراف استاندارد سیگنالها و یا برآورد دقت استفاده کرده اند، شناسایی در اینجا بر اساس برچسب های تشخیص استوار است و این امر با آموزش و نیز آزمایش دادهها به روش تقسیم دادهها با روش اعتبارسنجی K-fold و با بکارگیری مدل کلاسیک و کارآمدی در یادگیری میسر شده است . سیستم تشخیصی که در این پژوهش ارائه شده است ، ابزاری است که به ما کمک می کند تا وجود ناهنجاریهای قلبی را در سیگنالهای نمونه ECG نیز سیگنال ضربان قلب در مجموعه دادههای نمونه شناسایی نماییم و جهت برآورده کردن این هدف، از محاسبات نرم الهام گرفته شد. ترکیب ویژگی های حاصل از آنالیز سیگنال برگرفته از سیگنالهای قلبی می تواند تشخیص و طبقه بندی آریتمی های قلبی را بهبود بخشد.

کلیدواژه ها:

بیماری های قلبی ، یادگیری ماشین ، تحلیل ضربان قلب ، پایگاه داده MIT-BIH