تجزیه و تحلیل چندوجهی سیگنال های الکتروکاردیوگرام برای تشخیص آریتمی قلبی با بهره گیری از روش های یادگیری ماشین و یادگیری عمیق

بیماری های قلبی مانند آریتمی قلبی شایع ترین علت مرگ در جهان محسوب می شوند. تشخیص سریع این نوع بیماری باعث افزایش کیفیت زندگی، طول عمر و کاهش هزینه های درمان می شود. در این پژوهش هدف شناسایی بیماری آریتمی قلبی از روی الکتروکاردیوگرام و ابزار هوش مصنوعی است. روش پیشنهادی از سه مرحله پیش پردازش، تقسیم بندی پایگاه داده و طبقه بندی داده ها تشکیل شده است. ابتدا در مرحله پیش پردازش، عملیات نرمال سازی، پاک سازی و متوازن سازی کلاس ها انجام شده است. سپس پایگاه داده پردازش شده برای عملیات آموزش و آزمایش تقسیم بندی شده است. در نهایت داده ها با استفاده از طبقه بندهای مختلف یادگیری ماشین، معماری های یادگیری عمیق و یک مدل ترکیبی از معماری های CNN، RNN و Transformer، گروه بندی شده اند. روش پیشنهادی با پایگاه داده MIT-BIH مورد ارزیابی قرار گرفته است. نتایج ارزیابی ها نشان داد که از بین مدل های یادگیری ماشین و معماری های مختلف یادگیری عمیق، مدل ترکیبی با ادغام ویژگی های محلی حاصل از معماری CNN و شناسایی وابستگی های زمانی طولانی و پیچیده توسط معماری RNN و Transformer جز برترین طبقه بندها هست. در نهایت، یافته ها بر اهمیت ادغام ویژگی های چندگانه در تحلیل سیگنال های حاصل از الکتروکاردیوگرام برای تشخیص دقیق تر آریتمی قلبی تاکید می کند و می تواند در توسعه سیستم های تشخیصی خودکار کارآمدتر استفاده شود.

کلیدواژه ها:

آریتمی قلبی ، سیگنال ECG ، یادگیری ماشین ، یادگیری عمیق