بهبود طبقه بندی سیگنال الکتروکاردیوگرام (ECG) با ماشین بردار پشتیبان و بهینه سازی اجتماع ذرات (PSO-SVM) و الگوریتم کرم شبتاب و با استفاده از تله مدیسین

آریتمی های قلبی یکی از بیماری های قلبی بوده که در مورد بیماران بستری شده در بخش مراقبت هایویژه باید به آن توجه شود. هوشمند سازی فرآیند تشخیص دقیق بیماری های قلبی مساله ای است کهسال ها مورد توجه پژوهشگران قرار گرفته است.در این مقاله عملکرد و کارایی روش ترکیبی الگوریتمفراابتکاری و ماشین بردار پشتیبان با استفاده از پایگاه داده نوار قلب بیماران به دست آمده از سایت Uciو physiner با تمام ویژگی های عددی با ارزش ارزیابی شده است. روش پیشنهادی قادر به حذف ۷۲ مشخصه کم اهمیت است بگونه ای که این امر می تواند، موجب کاهش پیچیدگی و حجم محاسبات وکاهش خطا آموزش و زمان اجرا کمتر نسبت به روشی که از تمام ویژگی هایی که در ماشین بردارپشتیبان استفاده شده است بشود. این روش با کاهش تعداد مشخصه می تواند % ۲۶ سرعت اجرای طبقهبندی را بهبود دهد که این بهبود چشم گیر بوده و می تواند تاثیر به سزایی در انتخاب این روش بهعنوان روش بهتر دارد.ارزیابی این مجموعه از ویژگی های انتخاب شده توسط الگوریتم ازدحام ذرات PSOبا اعمال به پارامترهای طبقه بند SVM بررسی می شود. به کمک شبیه سازی کامپیوتری،صحت کلی سیستم برای شناسایی ۶ نوع ریتم قلبی ۹۸/۹۷% ۹۸ به دست آمد که در مقایسه دقت حاصل شده باپژوهش های پیشین،کارایی مطلوب روش پیشنهادی را نشان می دهد. طبقه بندی سیگنالالکتروکاردیوگرام با دقت بالاتر توسط ترکیب الگوریتم های های فراابتکاری باعث تشخیص زودتر بیماریهای قلبی میشود. همچنین با استفاده از تله مدیسین وبا استفاده از الگوریتم های ماشین بردار پشتیبانو ازدحام ذرات می توان بیماری قلبی را سریع تر تشخیص داد. این سیستم به خوبی می تواند نیازپزشکان و پرستاران برای دسترسی به سیگنال های حیاتی بیماران را در بیمارستان یا خانه های بهداشت از راه دور مرتفع سازد. درنتیجه با ارتقا چنین سیستم هایی به طور موثر میتوان در زمان و هزینه های درمانی صرفه جویی کرد تا موجب افزایش بهره وری در فرآیند درمان شود.

Keywords:

طبقه بندی سیگنال الکتروکاردیو گرام , الگوریتم ازدحام ذرات , ماشین بردار پشتیبان , تله مدیسین