یک روش نوین در پردازش سیگنال قلبی برای تشخیص انقباضات زودرس بطنی با مهندسی ویژگی های چندحوزه ای و روش های یادگیری عمیق

پژوهش حاضر، یک چارچوب پردازشی نوین برای شناسایی خودکار انقباضات زودرس بطنی ارائه داده است. آریتمی های قلبی از مهمترین چالش های حوزه سلامت هستند که تشخیص به موقع آنها نقش تعیین کننده ای در پیشگیری از عوارض قلبی داشته است. در این پژوهش، از رکوردهای پایگاه معتبر MIT-BIH استفاده شده است. در گام نخست، ویژگی های تشخیصی در سه حوزه زمان، فرکانس و زمان-فرکانس استخراج گردیده است. در مرحله بعد، با پیاده سازی شبکه کدگذار خودکار متغیر، فضای ویژگی به صورت هوشمند، فشرده سازی و ویژگی های کلیدی استخراج شد. ارزیابی نهایی با استفاده از سه الگوریتم طبقه بندی و در نهایت با استفاده از طبقه بند ماشین بردار پشتیبان مبتنی بر یادگیری حساس به هزینه برای مواجه با مشکل عدم تعادل داده ها انجام پذیرفت. ارزیابی های انجام شده، حاکی از کارایی بالای روش پیشنهادی می باشد، به طوری که در تشخیص انقباضات زودرس بطنی، به مقادیر دقت ۸۴/۹۹ درصد، حساسیت ۹۴/۹۹ درصد و اختصاصیت ۴۱/۹۹ درصد دست یافته است. این شاخص ها در مقایسه با روش های متداول، برتری رویکرد ارائه شده را نشان داده است. یافته ها، گویای قابلیت بالای روش پیشنهادی در شناسایی انقباضات زودرس بطنی است که می تواند به عنوان یک سامانه کمکی در مراکز تشخیصی و غربالگری قلبی مورد استفاده قرار گیرد.

کلیدواژه ها:

انقباضات زودرس بطنی ، الکتروکاردیوگرام ، استخراج ویژگی ، کدگذار خودکارمتغیر ، کاهش ویژگی ، یادگیری ماشین