استفاده از تکنیک یادگیری عمیق در تشخیص سیگنال های غیرطبیعی قلبی با استفاده از ویژگی های بهینه شده

طبق اظهارات سازمان جهانی، مهمترین عامل تهدید کننده انسان آرتمی های قلبی می باشند. بر طبق آخرین آمار جهانی به نزدیک به ۵۰% موارد مرگ و میر بر اثر بیماری های قلبی می باشند. بر اساس تحقیقات ۲۵% موارد مرگ و میر بر اثر تشخیص به موقع و صحیح قابل احیا می باشند. سیگنال الکتروکاردیوگرام مهمترین و وابسته ترین سیگنال به قلب می باشد. ثبت این سیگنال کم هزینه و غیر مخرب می باشد و در تشخیص آریتمی ها بسیار توانمند است. یادگیری عمیق زیرساخته ای از یادگیری ماشین است که لایه های متعدد تبدیلات خطی و غیرخطی به منظور پردازش سیگنال های مختلف از جمله سیگنال قلبی را به تصویر تبدیل می کند. در این مقاله ابتدا داده ها از سایت فیزیونت دانلود کرده سپس برای ورود به شبکه عصبی کانولوشن آن ها را به تصویر تبدیل کرده و از معماری نت ۱۰۰۰ و ۱۰۰۰ویژگی استخراج شده است و به عنوان ورودی به طبقه بندی کننده شبکه عصبی طبقه بندی می شود. طبقه بندی کننده با دقت ۹۹/۵۹ از سیگنال های غیرطبیعی را از سیگنال سالم تفکیک می کند.

استفاده از تکنیک یادگیری عمیق در تشخیص سیگنال های غیرطبیعی قلبی با استفاده از ویژگی های بهینه شده Keywords:

سیگنال غیرطبیعی قلب , اسکولوگرام , یادگیری عمیق , انتخاب ویژگی