محمدمیلاد شفایی - فارغ التحصیل کارشناسی ارشد، گروه مهندسی پزشکی، دانشگاه صنعتی سهند تبریز ایران
ناصر صفدریان - باشگاه پژوهشگران جوان و نخبگان، واحد تبریز دانشگاه ازاد اسلامی تبریز ایران
شادی یوسفیان دزفولی نژاد - فارغ التحصیل کارشناسی، گروه مهندسی پزشکی، واحد دزفول دانشگاه آزاد اسلامی دزفول ایران

پردازش سیگنال های ECG یکی از روش های غیر تهاجمی، سریع و مقرون به صرفه جهت تشخیص بیماری انفارکتوس میوکارد MI معرفی شده است. با توجه به اینکه این روش می تواند ابزار مناسبی را جهت تشخیص به هنگام بیماری انفارکتوس میوکارد ارائه نماید، لذا در این مقاله پس از پیش پردازش سیگنال ECG و حذف نویزهای آن، سه ویژگی انتگرال موج Q، انتگرال موج T و انتگرال مجموعه QRSاستخراج شده است. سپس به منظور تشخیص و طبقه بندی دقیق تر این بیماری، از روش طبقه بندی ماشین بردار پشتیبان SVM در این پژوهش استفاده شده است. نتایج نهایی حساسیت تشخیص MI بااستفاده از کرنل های مختلف الگوریتم SVM کرنل های خطی، RBF و چند جمله ای به ترتیب برابر 99.98±0.01 % 88.67±0.06 و 91.33±0.28 حاصل شد. همچنین نتایج نهایی طبقه بندی انواع مختلف بیماریMI، با بکارگیری الگوریتم طبقه بندی SVM برای معیار حساسیت به ترتیب برابر 90±0.32 و 92.31±0.01 و 95.24±0.01 به ازای بکارگیری هر سه کرنل حاصل گردید. نتایج این مقاله نشان دهنده ی تأثیر بسیار مطلوب بکارگیری استفاده شده و در طبقه بندی SVM به منظور تشخیص و طبقه بندی دقیق انواع انفارکوس میوکارد است. نتایج نهایی الگوریتم پیشنهاد شده نشان می هند که سیستم پیشنهادی دارای کارایی نسبتأ بالائی می باشد.

پردازش سیگنال های حیاتی، سیگنال الکتروکاردیوگرام، انفارکتوس میوکارد، استخراج ویژگی، طبقه بندی