عاتکه گشوارپور - دکتری تخصصی , گروه مهندسی پزشکی , دانشگاه بین المللی امام رضا (ع)
فرزانه آقاجانی - دانشجوی کارشناسی , گروه مهندسی پزشکی , دانشگاه بین المللی امام رضا (ع)
فاطمه خدایی جهان آباد - دانشجوی کارشناسی، دانشگاه بین المللی امام رضا (ع)، گروه مهندسی پزشکی

بیماری های قلبی عروقی مهم ترین عامل مرگ و میر در کشورهای توسعه یافته و در حال توسعه می باشند. مرگ ناگهانی قلبی ( SCD ) نتیجه مستقیم ایست قلبی است که ناشی از علل قلبی در فردی است که ممکن است بیماری شناخته شده قلبی داشته باشد. هرچند، زمان و نحوه مر گ در او غیرمنتظره است به گونه ای که ظرف یک ساعت از شروع علایم حاد، هوشیاری او از بین می رود و بعد از چند دقیقه مرگ کامل رخ می دهد . پیش بینی دقیق SCD می تواند شانس بقای بیمار را برای بکارگیری احیای قلبی ریوی بالا برد. از این رو، محققان بسیاری بدنبال طراحی و ارائه یک سیستم پیش بین SCD بوده اند. برای انجام این پروژه، ما از پایگاه داده هولتر MIT-BIH SCD برای اخذ دادگان SCD و از پایگاه داده MIT/BIH Normal Sinus Rhythm برای اخذ سیگنال های نرمال الکتروکاردیوگرام استفاده نموده ایم . الگوریتم پیشنهادی دارای دو مرحله اصلی بود: ( 1 ) پیش پردازش و ( 2 ) استخراج ویژگی های مناسب جهت تشخیص تغییرات در سیگنال ها. هدف از مرحله پیش پردازش، مناسب کردن سیگنال اخذ شده برای مراحل بعدی است. مرحله استخراج ویژگی ، ابتدا نقشه فضای فاز تعمیم یافته سهمی وار ( EPPSM ) ترسیم شد. سپس معادله چندجمله ای درجه دوم بر آن تخمین زده شد. ضرایب معادله به عنوان ویژگی برای بررسی تغییرات سیگنال در دو گروه بیمار و سالم ارزیابی شد. در نهایت تفاوت معناداری بین گروه ها با آزمون آماری تی بررسی شد. به علت سادگی محاسبات و قابلیت روش در تفکیک میان افراد سالم و بیمار ,الگوریتم پیشنهادی می تواند در ارائه سیستمی هوشمند برای پیش بینی SCD مورد آزمایش قرار گیرد .

مرگ ناگهانی قلب، الکتروکاردیوگرام، تغییرات ضربان قلب، فضای فاز سهمی وار تعمیم یافته، آزمون تی