دسته بندی سیگنال های قلبی و تشخیص فیبریلاسیون دهلیزی با استفاده از الگوریتم های یادگیری ماشین

شناسایی آریتمی های قلبی با استفاده از سیگنال الکتروکاردیوگرام ( ECG ) به دلیل تشخیص به هنگام شرایط خطرناک قلب، از اهمیت زیادی در حوزه ی تحقیقات پزشکی و علوم کامپیوتر برخوردار است. امروزه بیشتر از آنالیز دستی برای تشخیص آریتمی های قلبی استفاده می شود که فرآیندی زمانبر است. به علاوه آنالیز دستی همواره مستعد خطای انسانی است. در این مقاله از الگوریتم یادگیری عمیق در شناسایی و تشخیص آریتمی های قلبی استفاده شده است. داده هایی که برای یادگیری و ارزیابی روش پیشنهادی استفاده شده است، از چالش physionet/computing 2017 انتخاب شده اند. نتایج شبیه سازی های انجام شده نشان می دهند که سیستم پیشنهادی در دسته بندی سیگنال های ECG شامل کلاس های ریتم های با فیبریلاسیون دهلیزی، ریتم های طبیعی، ریتم های نویزی و سایر ریتم ها، در مقایسه با روش های موجود، دقت بالاتری نتیجه داده است.

کلیدواژه ها:

سیگنال های قلبی ، فیبریلاسیون دهلیزی ، یادگیری عمیق ، شبکه ی عصبی