تشخیص بیماری عروق کرونری در افراد مبتلا به فشارخون بالا با استفاده ازپردازش خطی و غیرخطی سیگنال الکتروکاردیوگرام

بیماری عروق کرونری (CAD) یکی از علل اصلی مرگ و میر در جهان است و تشخیص زودهنگام آن می تواند به بهبود کیفیت زندگی بیماران کمک کند. سیگنال الکتروکاردیوگرام (ECG) ، که فعالیت الکتریکی قلب را ثبت می کند، ابزار مهمی برای ارزیابی عملکرد قلب و تشخیص این بیماری به شمار می رود. با توجه به پیچیدگی سیگنال های ECG و دشواری تفسیر دستی آن توسط متخصصین، استفاده از روش های خودکار مبتنی بر یادگیری ماشین برای افزایش دقت و کاهش خطاهای انسانی اهمیت زیادی پیدا کرده است. در این پژوهش، از مجموعه داده ECG شامل هفت بیمار مبتلا به CAD و هفت فرد سالم استفاده شد. کمپلکس های QRS با الگوریتم پان-تامپکینز استخراج شدند و ۱۰ ویژگی شامل پنج ویژگی زمانی، چهار ویژگی فرکانسی و بی نظمی شانون محاسبه گردید. داده ها سپس به دو کلاس بند ماشین بردار پشتیبان (SVM)و k نزدیکترین همسایه (k-NN) اعمال شدند. نتایج نشان داد که الگوریتم k-NN با دقت ۹۲,۱۸% ،عملکرد بهتری نسبت به SVM با صحت ۹۰٬۶۴٪ دارد.

کلیدواژه ها:

بیماری عروق کرونری ، الکتروکاردیوگرام (ECG) ، الگوریتم پن -تامکینز ، یادگیری ماشین