بهاره پوربابایی، - دانشگاه تهران- دانشکده مهندسی برق و کامپیوتر- قطب علمی کنترل و پردازش
بهزاد مشیری
کارو لوکس

هر گونه اختلال در سیگنالهای الکتروکاردیوگرامECG)می تواند نشانهای از نوعی بیماری در قلب باشد. یکی ازشایعترین این دسته از بیماریها، فیبریلاسیون دهلیزی نام دارد که میتواند در مواردی منجر به عوارضی نظیر سکتههای قلبی و لخته شدن خون شود. به همین دلیل امروزه تشخیص اتوماتیک این بیماری با استفاده از انواع روشهای هوشمند استخراج ویژگی ازسیگنالECGطبقهبندی ویژگیها از اهمیت بالایی برخوردار است. در این مقاله نیز با استخراج سه دسته ویژگی از سیگنالECG و طبقه بندی آنها با استفاده از روشKNNبیز و شبکههای عصبی چند لایه به این نتیجه رسیدیم که اصولا طبقه بندی ویژگیهای مربوط به شکل ظاهری سیگنال خصوصا با استفاده از شبکه های عصبی به ما این امکان را میدهد که در بیش از 85 % از موارد افرادسالم را از مبتلایان به بیماریPAFتشخیص دهیم. الگوریتمهای بکار رفته جهت آموزش شبکه عصبی از نوع پس انتشار خطای نسبی، خطای کلی و گرادیان مزدوج میباشند که البته در میان آنها الگوریتم پس انتشار خطای نسبی دارای حجم محاسبات کمتر ، سرعت همگرایی بالاتر و نرخ طبقه بندی درست بیشتری میباشد.

فیبریلاسیون دهلیزی، استخراج ویژگی، آنالیز المانهای اساسی، طبقهبندی کننده بیزK-نزدیکترین همسایه و شبکه عصبی چند لایه