حسین دشت بانی - دانشجوی کارشناسی ارشد رشته علوم کامپیوتر ، دانشگاه آزاد اسلامی واحد خوی
عبدالرضا حاتملو - استادیار گروه علوم کامپیوتر ، دانشگاه آزاد اسلامی واحد خوی

بیماران قلبی بعضی مواقع دچار حملات ناگهانی می شوند که این وضعیت باعث به وجود آمدن صدماتی در بیمار و یا باعث مرگ وی خواهدشد.حال با استفاده از سیگنالecgنوار قلب که یکی از بی خطرترین و ساده ترین اقداماتی است که اطلاعاتی ارزشمند در مورد قلب به پزشک می دهد. نوار قلب در بررسی دردهای قلب و سکته های قلبی ارزش خاصی دارند و می توان با بررسی این سیگنال بسیاری از بیماریهای قلبی راتشخیص داد پس پیش بینی این سیگنالها حتی برای مدت زمان کم برای پزشک معالج مفید خواهد بود اما از طرفی با توجه به خطی نبودن تغییرات سیگنال های قلب ، پیش بینی آن ها فرآیند چندان ساده ای نیست. یکی از ابزارهای رایج که برای پردازش انواع سیگنال ها ازجمله سیگنال هایحیاتی و صنعتی بکار می روند ، شبکه های عصبی مصنوعی هستند . این شبکه ها دارای ساختارهای مختلفی متشکل از نورون ها بوده که در دو یاچند لایه ، باهم در ارتباط می باشند . اما برای پیش بینی رفتار سیستم ها با استفاده از این الگوریتم نیازی به شناخت کامل مدل سیستم نیست .بنابراین می توان از آنها در مواردی که با مدل های ناشناخته روبرو هستیم، استفاده کرد. و ما روشی پایدار برای پیش بینی سیگنال های قلب توسط شبکه های عصبی پس انتشار خطاMLP ارائه نموده ایم . از طرفی تعیین بهترین شبکه عصبی معمولا با روش سعی و خطا انجام می گیرد که دراینجا برای این انتخاب، از الگوریتم ژنتیکGAاستفاده کرده ایم. و روش روش پیشنهادی ما در این مقاله ، استفاده از شبکه های عصبی با ساختارMLP است که می تواند این سیگنال های غیر خطی را براحتی پیش بینی نماید و آموزش شبکه عصبی با استفاده از الگوریتم ژنتیک انجام گرفته است و توانستیم سیگنال هایی را با دقت 9.79 درصد پیش بینی کنیم

شبکه های عصبی، سیگنالECG-الگوریتم ژنتیکGA ، پیش بینی