آریتمی قلب یکی از مهمترین اختلالات سیستم قلبی عروقی است که تشخیص سریع و دقیق آن نقش حیاتی در کاهش مرگ و میر بیماران دارد

آریتمی قلب یکی از مهمترین اختلالات سیستم قلبی عروقی است که تشخیص سریع و دقیق آن نقش حیاتی در کاهش مرگ و میر بیماران دارد در این پژوهش یک روش مبتنی بر شبکه عصبی کانولوشنی عمیق (CNN) برای تشخیص خودکار انواع ضربانهای قلبی از سیگنالهای الکتروکاردیوگرام (ECG) ارائه شده است برای ارزیابی روش پیشنهادی از رکوردهای ۱۰۰ دیتاست استاندارد MIT-BIH Arrhythmia استفاده شد [۱] سیگنالها پس از حذف نویز و نرمال سازی، به قطعات ضربانی تقسیم و به عنوان ورودی مدل استفاده شدند در این پژوهش، مدل پیشنهادی بر روی رکورد ۱۰۰ پایگاه داده MIT-BIH آموزش و ارزیابی شد نتایج آزمایشها نشان داد که شبکه CNN قادر است ضربانهای طبیعی و آریتمی دهلیزی را با دقت مناسبی طبقه بندی کند و در عین حال از نظر پیچیدگی محاسباتی نسبت به بسیاری از معماریهای عمیقتر ساده تر باشد و استفاده از شبکههای عمیق میتواند به عنوان ابزاری موثر در سیستم های پایش هوشمند سلامت و تشخیص زودهنگام آریتمی مورد استفاده قرار گیرد.

کلیدواژه ها:

آریتمی قلب ، ECG ، یادگیری عمیق ، MIT-BIH ، CNN ، مهندسی پزشکی