زهرا حکمتی - گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
محمد ساجدی پور - گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران

بیمارهای قلبی یکی از عوامل بزرگ مرگ و میر در جهان و در کشور می باشد که می توان با تشخیص صحیح و به موقع تا ۲۵ درصداز این مرگ و میرها جلوگیری کرد. انواع مختلفی از آربتمی ها وجود دارد و هر نوع با الگویی همراه است و بنابراین می توان نوع آن راشناسایی و طبقه بندی کردبنابراین، تشخیص زودرس و دقیق آریتمی ها بسیار مهم و در روند بهبود بسیار موثر است. روش یادگیریعمیق یکی از روش های جدید در تشخیص و تفکیک می باشد که با استفاده از شبکه عصبی کانولوشن انجام می شود و میتواند بیشاز ۱۰۰۰ گروه را با صحت و دقت بالا از هم تفکیک کند که یکی از مهمترین معماری در شبکه عصبی کانولوشن معماری AlexNetمی باشد . ما در این مقاله با استفاده از سیگنال تک کانال ECG و یادگیری عمیق آریتمی های قلبی را تفکیک نمودیم.در این پایاننامه با استفاده از شبکه عصبی کانولوشن بر مبنای معماری AlexNet با ساختار لایه های تماما متصل fc۸؛ ۱۰۰۰ ویژگی عمیقبدون دخالت دست استخراج شده و در نهایت اریتمی های قلبی را با طبقه بندی کننده های SVM, LDA, NN, KNN به ترتیببا صحت ۶۲/۲۲، ۲۷/۷۸، ۵۱/۱۱ و ۹۸/۶۸ درصد از هم تفکیک نمودیم. که svm بهترین صحت و عملکرد را در مقایسه با بقیهطبقه بندی کنندگان داشت.

؛ECG ،AlexNet ،CNN، آریتمی های قلبی