تشخیص سکته قلبی با پردازش سیگنال قلبی مبتنی بر شبکه عصبی کانولوشنی

بیماری های قلبی عروقی علت اصلی مرگ و میر در مردان و زنان در سراسر جهان است. در این میان، سکته قلبی با توجه به نرخ مرگ و میر آن، یکی از مهم ترین بیماری های قلبی عروقی به شمار می رود. در این مقاله با به کارگیری سیگنال ECG و محاسبه HRV نیز استفاده از تبدیل سیگنال به تصویر از طریق تبدیل موجک پیوسته و تحویل تصاویر زمان-فرکانس به الگوریتم شبکه عصبی کانولوشنی، وقوع و عدم وقوع سکته قلبی شناسایی و سه کلاس سیگنال ( سالم، بیمار با سکته قلبی و بیماری قلبی غیر از سکته قلبی شامل آریتمی های قلبی) تشخیص داده شده است. با اعمال روش پیشنهادی در این مقاله بر روی داده های پایگاه داده MIT-BIH، دقت ۹۰/۶۳ درصد، حساسیت ۹۰/۶۲ درصد و ضریب F۱ برابر با ۹۰/۶۳ درصد حاصل شده است. مقایسه روش پیشنهادی در این مقاله با سایر روش های کلاس بندی نشان دهنده موثر بودن روش پیشنهادی در تفکیک سیگنال MI از سایر کلاس ها شامل سیگنال-های مربوط به افراد سالم و سایر عارضه های قلبی است.

Keywords:

سیگنال الکتروکاردیوگرام (ECG) , نرخ ضربان قلب (HRV) , سکته قلبی , شبکه عصبی کانولوشنی