تشخیص ایسکمی میوکارد و دورههای حاوی تغییرات قطعات ST با استفاده از ترکیب معیارهای حوزه زمان فرکانس و طبقه بندهای ماشین یادگیری افراطی و تخمین چگالی هسته

در سال های اخیر و با پیشرفت علم و تکنولوژی استفاده از سیگنال غیر تهاجمی الکتروکاردیوگرام در شناسایی وبررسی حجم گسترده ای از عوارض قلبی کشنده چون ایسکمی و آنفارکتوس میوکارد گسترش یافته است. در سال هایگذشته روش های خودکار بسیاری در زمینه ی شناسایی این عوارض ارائه شده اند. اما هم چنان رسیدن به روشی قابلاعتماد به منظور تشخیص این عوارض به صورت چالشی حل نشده باقی مانده است. در این پژوهش روشی مقاوم به نویز بهمنظور تشخیص ضربان های سالم سیگنال از دوره های حاوی قطعات ایسکمیک ارائه شده است. این الگوریتم روی پایگاههای داده ST-T جامعه ی قلب و عروق اروپا و ST طولانی مدت پیاده سازی شده و مورد ارزیابی قرار گرفته است. در اینپژوهش ابتدا روشی بر اساس تبدیل موجک و فیلتر پایین گذر به جهت حذف نویز و نوسانات خط پایه ارائه شده است. درادامه به شناسایی اجزای مولفه ی سیگنال و استخراج سه بردار ویژگی مورفولوژیک و معیار آنتروپی تبدیل موجک بسته ایبرای هر سیگنال پرداخته شده است. در انتها با استفاده از دو طبقه بند ماشین یادگیری افراطی و روش تخمین چگالیهسته، ضربان های سالم از دوره های حاوی قطعات ST ایسکمیک تفکیک شده اند.

کلیدواژه ها:

ایسکمی میوکارد ، قطعه ی ST ، ویژگی های زمان فرکانس ، - ELM و KDE