مدلی فراابتکاری جهت انتخاب ویژگی های بهینه و دسته بندی دوکلاسه آریتمی های قلب از روی داده های مستخرج از نوار قلبی

در این مقاله یک روش ترکیبی فراابتکاری جهت انتخاب ویژگیهای بهینه و نیز دسته بندی سیگنال های نوار قلبی به منظورتشخیص آریتمی های قلبی ارایه می شود. ویژگی های زیادی در سیگنال های ECG و به تبع آن در دیتاست های مرتبط با آنوجود دارند که اولا تعداد محدودی از آنها جهت تشخیص آریتمی بکار می روند و ثانیا در هر نوع آریتمی از ویژگی هایمتفاوتی جهت تشخیص استفاده می شود. در مدل ارایه شده، از الگوریتم ژنتیک برای انتخاب ویژگی های بهینه مورد استفادهجهت تشخیص، و جهت ارزیابی میزان برازندگی آن از الگوریتم C4.5 استفاده می شود. در نهایت، مجددا الگوریتمدرخت تصمیم روی ویژگی های مستخرج اعمال می شود تا دسته بندی نهایی و آموزش مدل انجام گیرد. روش پیشنهادیبه منظور دسته بندی دوکلاسه نرمال و غیرنرمال اعمال شده است. از دیتاست آریتمی UCI و معیارهای accuracy،sensitivity ،specificity، و میانگین Sen-Spec جهت ارزیابی و مقایسه روش پیشنهادی با روش های مشابه دیگراستفاده شده است. عملکرد و کارآیی روش پیشنهادی در این حالت نسبت به کارهای قبلی و مشابه در پارامترهایaccuracy ، sensitivity ، و میانگین Sen-Spec بهبود قابل توجهی داشته است.

کلیدواژه ها:

دسته بندی ، انتخاب ویژگی ، ECG ، درخت تصمیم ، الگوریتم ژنتیک