تشخیص آریتمی قلبی با سیگنال ECG توسط برنامه CNN

آریتمی قلبی یکی از شایع ترین اختلالات سیستم الکتریکی قلب است که در صورت تشخیص دیرهنگام می تواند منجر به عوارض جدی مانند نارسایی قلبی، سکته مغزی و حتی مرگ ناگهانی شود. با توجه به حجم بالای داده های الکتروکاردیوگرام (ECG) و دشواری تحلیل دستی آن ها، استفاده از روش های هوش مصنوعی به ویژه یادگیری عمیق به عنوان راهکاری موثر مورد توجه قرار گرفته است. در این پژوهش، یک مدل مبتنی بر شبکه عصبی کانولوشنی (Convolutional Neural Network یا CNN) برای تشخیص خودکار آریتمی های قلبی از سیگنال های ECG ارائه شده است. این مدل با استخراج خودکار ویژگی های مهم از سیگنال های ورودی، نیاز به استخراج دستی ویژگی ها را کاهش داده و دقت تشخیص را افزایش می دهد. پس از انجام مراحل پیش پردازش شامل حذف نویز و نرمال سازی داده ها، سیگنال ها به شبکه CNN وارد شده و الگوهای مرتبط با انواع مختلف آریتمی شناسایی می شوند. نتایج حاصل نشان می دهد که استفاده از شبکه های کانولوشنی می تواند عملکرد مناسبی در طبقه بندی ریتم های طبیعی و غیرطبیعی قلب داشته باشد و با دقت بالا به تشخیص بیماری کمک کند. این روش علاوه بر افزایش سرعت تشخیص، می تواند به عنوان ابزاری کمکی برای پزشکان در مراکز درمانی و سیستم های پایش سلامت هوشمند مورد استفاده قرار گیرد.

کلیدواژه ها:

آریتمی قلبی ، الکتروکاردیوگرام ، سکته قلبی ، هوش مصنوعی