تشخیص خودکار فیبریلاسیون دهلیزی در سیگنالهای ECG بر اساس تبدیل بسته موجک و تابع همبستگی فرآیند تصادفی

فیبریلاسیون دهلیزی یک آریتمی قلبی شایع در کلینیک است. تشخیص سنتی AF با استفاده از بازرسی بصری توسط پزشکان آموزش دیده یک کار ناکارآمد و سنگین است. در این مقاله روش جدیدی برای تشخیص خودکار AF با استفاده از سیگنالهای الکتروکاردیوگرام دو لید معرفی می کنیم. ما از تبدیل بسته موجک و تابع همبستگی نظریه فرآیند تصادفی برای طراحی استراتژی استخراج ویژگی کارآمد برای تجزیه و تحلیل سیگنال فیزیولوژیکی استفاده می کنیم و هیستوگرام مربوطه را می سازیم. سپس ویژگی های آماری چند متغیره بر اساس همبستگی میان سریهای ضرایب موجک از هیستوگرام مربوطه به عنوان مجموعه ویژگی استخراج می شوند که ورودی طبقه بندی شبکه عصبی مصنوعی برای تشخیص است. علاوه بر این، تجزیه و تحلیل های آماری مختلفی انجام می شود و برخی استراتژی های تنظیم پارامتر با برازش منحنی مشخصه عملکرد گیرنده ۳ برای اطمینان از قابلیت اطمینان و استحکام کار فرموله می شوند. برای ارزیابی عملکرد طبقه بندی الگوریتم، اعتبارسنجی متقاطع ۱۰ برابری در پایگاه داده MIT-BIH AF پیاده سازی می شود. در مقایسه با برخی از الگوریتم های پیشرفته نتایج عددی ثابت می کند که استراتژی پیشنهادی ما عملکرد طبقه بندی برتری را به همراه دارد. تا آنجا که ما می دانیم، این اولین کاربرد تئوری فرآیند تصادفی برای تشخیص AF است که پتانسیل زیادی در تشخیص پزشکی ارائه می دهد.

کلیدواژه ها:

فیبریلاسیون ، دهلیزی ، سیگنال ECG ، بسته موجک ، آریتمی قلبی