طبقه ‏بندی آریتمی‏های قلبی با استفاده از شبکه‏ های عصبی احتمالی

ایران اُنا/ ناصر صفدریان:

در این مطالعه از پایگاه داده‏ی سیگنال‏های مربوط به آریتمی‏های حاد بطنی (VFDB) که از MIT-BIHاخذ شده، جهت طبقه‏ بندی سیگنال‎‏های نرمال قلب، سیگنال‏های دارای Ventricular Fibrillation (VF)و سیگنال‏های دارای Ventricular Tachycardia (VT)استفاده شده است.

تمام سیگنال‏های اخذ شده در ابتدا مورد پیش ‏پردازش قرار داده شده‏‏‏اند.

سپس سه ویژگی سیگنال‏های ECGبه نام‏های R-R Interval Duration، دامنه‏ی کمپلکس QRSو مدت زمان کمپلکس QRSرا جهت طبقه‏بندی آریتمی‏های قلبی استخراج نمودیم.

سپس مقادیر از این ویژگی‏های استخراج شده به عنوان ورودی شبکه عصبی PNNجهت انجام عملیات طبقه‏بندی استفاده نمودیم.

درصد صحت کل مربوط به نتیجه‏ی طبقه‏بندی کل سیگنال‏های ECGاست که در این مطالعه برابر %90 بدست آمد. همچنین درصد صحت طبقه‏بندی برای سیگنال‏های NSRبرابر 95%، برای سیگنال‏های VFبرابر 90%و برای سیگنال‏های VTبرابر 85%بدست آمد.

سادگی روش پیشنهاد شده به عنوان مزیت عمده‏ ی آن درنظر گرفته می‏شود.