طبقه بندی سیگنال های قلبی توسط ماشین بردار پشتیبان با استفاده از ویژگی های نوسانات روندزدایی شده، آنتروپی نمونه و نمودار پوانکاره

این روزها، تجزیه و تحلیل سیگنال های قلبی از اهمیت ویژه ای برخوردار است. در سال های اخیر بسیاری از مطالعه ها جهت طبقه بندی سیگنال های قلبی به دو دسته ی نرمال و غیر نرمال انجام شده است. اولین مرحله در تمام این مطالعه ها مرحله ی پیش پردازش وسپس استخراج ویژگی های زمان و فرکانس می باشد. سیگنال ECG ترکیبی از ویژگی های خطی و غیر خطی می باشد. ویژگی های غیر خطی توسط نظریه ی آشوب به دست می آید. هدف این پژوهش، طبقه بندی سیگنال به دو دسته ی نرمال و غیر نرمال، توسط ماشین بردار پشتیبان با استفاده از به کارگیری ویژگی های خطی و غیر خطی می باشد. این ویژگی ها عبارتند از توان، میانگین HR، حداقل HR، میانگین RR، نمودار پوانکاره، آنتروپی نمونه، آنتروپی تقریبی و نوسانات روندزدایی شده. ترکیب این ویژگی های خطی و غیر خطی اطلاعات ارزشمندی را جهت تشخیص آریتمی فراهم می کند. درصد صحت با استفاده از این روش 100درصد به دست آمد.

کلیدواژه ها:

سیگنال قلبی ، طبقه بندی ، ماشین بردار پشتیبان ، آنتروپی تقریبی ، نمودار پوانکاره