پیش بینی حملات فیبریلاسیون دهلیزی از روی سیگنال HRV با استفاده از طبقه بندی کننده ی LIBSVM

فیبریلاسیون دهلیزی به صورت یک تاکی آریتمی فوق بطنی تعریف می گردد و شایع ترین نوع آریتمیقلبی است که تحریک الکتریکی مسیر مشخصی را در قلب طی نمی کند. این نوع آریتمی منشاء مرگ و میر قابل توجهیاست، زیرا عملکرد قلب را مختل می کند و خطر سکته مغزی را افزایش می دهد . با پیش بینی به موقع این حملات، می توانبا استفاده از روش های درمانی پیش از موعد، این بیماری را کنترل کرده و از عوارض پس از آن جلوگیری نمود. در این جا،به پیش بینی حملات فیبریلاسیون دهلیزی (PAF) ، با استفاده از پردازش یک بازه ی 10 دقیقه ای از سیگنال HRV میپردازیم. به منظور پیش بینی این حملات، 29 ویژگی مختلف، از سیگنال تغییرات نرخ ضربان قلب (HRV) را استخراج مینماییم، که این ویژگی ها شامل ویژگی های حوزه فرکانس، ویژگی های حوزه زمان و ویژگی های غیرخطی می باشند.هرکدام از این ویژگی ها می توانند بخشی از سیگنال HRV را قبل از وقوع حمله مدل کنند. سپس با استفاده از کتابخانه یماشین بردار پشتیبان libsvm ، اپیزودهای قبل از حمله و دور از حمله پایگاه داده پیش بینی حملات فیبریلاسیون دهلیزی(AFPDB) را طبقه بندی می کنیم. نتایج به دست آمده برای معیارهای ارزیابی sensitivity ، specificity و accuracyبه ترتیب برابر 70.375، 74.75 و 72.625% می باشند.

کلیدواژه ها:

حملات فیبریلاسیون دهلیزی ، پیش بینی ، تغییرات نرخ ضربان قلب ، ماشین بردار پشتیبان