پردازش سیگنالهای حیاتی
حمید شفاعتفر؛ مهدی تقیزاده؛ مرتضی ولیزاده؛ محمدحسین فاتحی
دوره 16، شماره 2 ، شهریور 1401، ، صفحه 147-158
چکیده
تشخیص خودکار آریتمیهای قلبی برای درمان موفق بیماریهای قلبی از اهمیت زیادی برخوردار است و یادگیری ماشین برای این منظور مورد استفاده قرار میگیرد. برای طبقهبندی صحیح کلاسهای آریتمی، استخراج ویژگیهای مناسب جهت ایجاد تمایز بین کلاسهای مختلف، اهمیت زیادی دارد. در این مقاله از یک شبکهی عصبی پیچشی عمیق برای استخراج ویژگی ...
بیشتر
تشخیص خودکار آریتمیهای قلبی برای درمان موفق بیماریهای قلبی از اهمیت زیادی برخوردار است و یادگیری ماشین برای این منظور مورد استفاده قرار میگیرد. برای طبقهبندی صحیح کلاسهای آریتمی، استخراج ویژگیهای مناسب جهت ایجاد تمایز بین کلاسهای مختلف، اهمیت زیادی دارد. در این مقاله از یک شبکهی عصبی پیچشی عمیق برای استخراج ویژگی استفاده شده است. با توجه به این که ضربانهای قلبی بیماران مختلف دارای تفاوت زیادی هستند، کلاسهای آریتمی دارای تغییرات درونکلاسی زیادی خواهند بود. برای کاهش تغییرات درونکلاسی، ضربانهای قلبی هر بیمار با یک تابع اختصاصی به نحوی نگاشت داده شده است که شباهت آن به ضربانهای قلبی یکی از بیماران آموزشی افزایش یابد. نگاشت اختصاصی پیشنهادی سبب کاهش تغییرات درونکلاسی شده و دقت طبقهبندی آریتمیهای قلبی را به میزان قابل ملاحظهای افزایش داده است. برای اثبات کارایی روش پیشنهادی، نتایج آن با چندین تحقیق جدید بر اساس سه معیار ارزیابی دقت، حساسیت و اختصاصیت و روی مجموعهی دادهی یکسان مقایسه شده است. دقت به دست آمده حدود 24/96 درصد بوده که نشان دهندهی کارایی بهتر روش پیشنهادی در مقایسه با سایر کارها است.