پیش بینی شروع حملات فیبریلاسیون دهلیزی با استفاده از ویژگیهای نمودار بازگشتی سیگنال تغییرات نرخ ضربان قلب

در این مقاله، الگوریتمی به منظور پیش بینی شروع حملات فیبریلاسیون دهلیزی با استفاده از سیگنال تغییرات نرخ ضربان قلب (HRV) ارائه شده است. این الگوریتم شامل 3 مرحله می باشد. 1) پیش پردازش سیگنال ECG که شامل حذف نویز و آشکار سازی موج R و استخراج سیگنال HRV می باشد. 2) استخراج ویژگیهای مناسبی که قادر باشند رفتار سیگنال HRV را قبل از وقوع حمله مدل کنند. در این بخش هر اپیزد 30 دقیقه ای سیگنال HRV را به 6 قسمت 5 دقیقه ای تقسیم کرده و نمودار بازگشتی هر بخش را رسم می کنیم. سپس 5 ویژگی از این نمودار را که در اپیزودهای قبل از حمله و دور از حمله با یکدیگر متفاوتند، از هر قسمت استخراج می کنیم. این ویژگیها عبارتند از نرخ بازگشتی، ماکزیمم طول خطوط قطری، متوسط طول خ طوط قطری، آنتروبی و Trapping time. سپس میانگین ویژگیهای استخراج شده از 15 دقیقه انتهایی هر ثبت رابه عنوان بردار ویژگی به طبقه بندی کننده اعمال می کنیم. 3) دسته بندی کننده ماشین بردار پشتیبان، روش ارائه شده با استفاده از داده های موجود در پایگاه داده AFPDB مورد ارزیابی قرار گرفته و نتایج بدست آمده برای سه معیار Specificity, Sensitivity وPasitive Predictivity به ترتیب برابر 96/55%، 100% و 100% است که در مقایسه با سایر روشهای موجود نتایج بهتری به دست آمده است.

کلیدواژه ها:

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