استفاده از الگوریتم های هوش مصنوعی در راستای فشرده سازی ، حذف نویز، بخش بندی صدای قلب برای تشخیص آریتمی ها

این مقاله ها شامل طراحی نمونه هایی برای فشرده سازی ، حذف نویز، بخش بندی و طبقه بندی دقیق سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام می باشند . سیگنال فونوکاردیوگرام ، نمایش گرافیکی صدای قلب است که فعالیت های مکانیکی قلب انسان را بیان می کند. سیگنال فونوکاردیوگرام حاوی اطلاعات مفیدی در مورد کارکرد و وضعیت قلب است . سیگنال الکتروکاردیوگرام فعالیت های الکتریکی قلب انسان را نشان می دهد. سیگنال الکتروکاردیوگرام به طور وسیعی برای تشخیص بیماری های قلبی در بیمارستانها و کلینیک ها استفاده می شود. در تشخیص بیماری های مختلف قلبی ، تحلیل سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام مهم و حیاتی است زیرا که این سیگنالهای می توانند نشانه زود هنگامی از نابهنجاری های بالقوه قلبی را فرآهم کنند. استخراج اطلاعات قلبی از روی سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام برای تشخیص بیماری های قلبی در مرحله ابتدایی بیماری ها می تواند یک نقش حیاتی را در مانیتورینگ بیمار از راه دور ایفا نماید. در این مقاله ، تکنیک های مختلف پردازش سیگنال از جمله یادگیری عمیق را با هم ترکیب کرده ایم تا فشرده سازی ، حذف نویز، بخش بندی و طبقه بندی سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام به طور موثر و دقیقی صورت گیرد. ابتدا با استفاده از تکنیک تجزیه و تحلیل چند رزلوشنه مبتنی بر تبدیل موجک گسسته ، سیگنالهای فونوکاردیوگرام فشرده سازی و حذف نویز می شوند.

کلیدواژه ها:

سیگنالهای فونوکاردیوگرام ، یادگیری ماشین و الکتروکاردیوگرام