الیاس ابراهیم زاده - - کارشناس ارشد، دانشکده مهندسی پزشکی- دانشگاه شاهد- تهران- ایران
محمد پویان - - دانشیار، دانشکده مهندسی پزشکی- دانشگاه شاهد- تهران- ایران

مرگ ناگهانی قلبی (SCD) همه ساله جان میلیون ها انسان را می گیرد . با استفاده از تجهیزات پزشکی از قبیل دیفیبریلاتور می توان تعداد این نوع مرگ ها را کاهش داد، با وجود این راه های مناسبی برای پیش بینی مرگ ناگهانی قلبی که پزشکان بتوانند از طریق آن تصمیمات مناسبی را برای بیماران در معرض خطر بگیرند، وجود ندارد. در این مقاله با استفاده از پردازش سیگنال الکتروکاردیوگرام مرگ ناگهانی قلبی پیش بینی شده است. برای این کار پس از استخراج سیگنال HRV از سیگنال ECG به استخراج ویژگی های خطی، زمان – فرکانس و غیر خطی پرداخته شده است. در مرحله بعد، بهترین ویژگی های ترکیبی منتجه برای ایجاد بیشترین تمایز بین دو کلاس را انتخاب کرده، سپس با اعمال PCA به بردار ویژگی ترکیبی، ابعاد ویژگی کاهش یافته و در نهایت، از طریق شبکه عصبی MLP افراد سالم و افراد ریسک پذیر، دسته بندی می شوند .به منظور ارزیابی توانمندی هر یک از روش های تحلیلی در تفکیک افراد، آنها را به صورت مجزا و ترکیبی با هم مقایسه کرده ایم .نتایج به دست آمده نشان می دهند که در سیگنال HRV مربوط به افراد ریسک پذیر، در نزدیکی وقوع SCD ویژگی هائی وجود دارد که آنها را کاملا از افراد سالم متمایز می کند. روش بردار ترکیبی از توانایی بمراتب بیشتری برای آشکار کردن این اختلاف برخوردار است. در نهایت صحت تفکیک پذیری برای دقایق اول، دوم ،سوم و چهارم قبل از واقعه به ترتیب ۹۹.۴۳%؛ ۹۷.۸۶% ؛ ۹۰.۴۹% ؛۷۳.۳۵ % است که نسبت به کارهای قبلی انجام شده از صحت بمراتب بالاتری برخوردار است. از طرفی، نشان داده ایم که از ۴ دقیقه قبل از رخ دادن مرگ قلبی، این افزایش احتمال خطر کاملا مشهود است؛ به طوری که هرچه به وقوع حادثه نزدیکترمی شویم، احتمال وقوع نیز افزایش می یابد و این زمان برای اتخاذ راهکارهایی برای جلوگیری از این واقعه کافی است.

مرگ ناگهانی قلبی, روش زمان- فرکانس, سیگنال الکتروکاردیو گرام, تغییرات نرخ ضربان قلب, روش زمان, فرکانس