پیش بینی مرگ ناگهانی قلبی به کمک سیستم های هوشمند ترکیبی

تغییرات ناگهانی سیگنال های قلبی و به دنبال آن سکته و ایست قلبی یکی از عوامل شایع در بروز مرگ های ناگهانی می باشد. به دلیل اهمیت موضوع، ابزارها و روش های مختلفی برای بررسی نحوه عملکرد قلب در پزشکی نوین ابداع شده که می توان به روش هایی از جمله ثبت سیگنال های قلبی، الکتروکاردیاگرام (ECG)، آنژیوگرافی و ... اشاره کرد. به دلیل این که آنالیز تصاویر ثبت شده به عهده شخص متخصص بوده و از آنجا که معمولا تغییرات شدید در عملکرد قلب به صورت ناگهانی و تقریبا در لحظه وقوع حادثه رخ می دهد احتمال خطا در تشخیص زیاد بوده و در اکثر موارد جان بیماران در معرض خطر مرگ قرار می گیرد. به همین خاطر مطالعات فراوانی در این زمینه جهت هوشمند کردن و افزایش صحت تشخیص انجام گرفته است. ما نیز در این مقاله در ادامه تحقیقات قبلی به ارائه روش جدیدی از ترکیب سیستم های عصبی هوشمند جهت استخراج ویژگی های مناسب و آموزش دقیق تر شبکه پرداخته ایم. در روش ارائه شده در این مقاله ابتدا به کمک تبدیل ویولت ویژگی های غیرخطی زمان - فرکانس سیگنال HRV استخراج شده سپس با ویژگی های متمایز به دست آمده از دو تحلیل غیرخطی دیگر ترکیب می شود و بعد از اعمال روش کاهش بعد برای افزایش سرعت تحلیل شبکه بردار ویژگی های کاهش یافته به شبکه عصبی MLP برای طبقه بندی داده ها اعمال می شود. نتایج حاصل از روش پیشنهادی با سایر روش ها به خوبی نشان می دهد که استفاده از روش های ترکیبی در استخراج ویژگی ها و تلفیق چند شبکه عصبی جهت طبقه بندی داده ها کارایی سیستم را تا حد زیادی و در حدود 99/41٪ افزایش داده است.

کلیدواژه ها:

حملات ناگهانی قلبی ، تغییرات سیگنال های قلبی ، سیگنال الکتروکاردیاگرام ، استخراج ویژگی های غیرخطی ، ویژگی های زمان - فرکانس ، تبدیل ویولت ، شبکه عصبی MLP