تشخیص آریتمی‌های قلبی به کمک شبکه‌های عصبی با بکارگیری ویژگی‌های آشوبی سیگنال نرخ تغییرات قلبی و تکنیک تحلیل تمایزی تعمیم‌یافته

در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه‌بندی آریتمی‌های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب HRV که دارای مشخصه‌های آشوبگونه بهتری نسبت به ECG ‌ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی‌های متداول خطی زمانی و فرکانسی، ویژگی‌های غیرخطی (آشوبگون) نیز بررسی شده‌اند. برای تسهیل در تعلیم و افزایش دقت طبقه‌بندی‌کننده، از دو تکنیک استفاده شده است: الف) تعداد ویژگی‌های استخراج شده توسط تکنیک آنالیز تمایزی تعمیم‌یافته GDA کاهش یافته است بدون آنکه این کاهش محتوای اطلاعات موجود را تقلیل دهد. ب) به کمک یک نگاشت خودسازمانده SOM برای هر گروه از داده‌ها، داده‌هایی برای تعلیم انتخاب شده‌اند که بیشترین محتوای اطلاعات را در مورد آن گروه داشته باشند. بررسی نتایج نشان می‌دهد که ویژگی‌های آشوب‌گونه نقش موثری در افزایش دقت سیستم تشخیص آریتمی قلبی دارد بنحوی که دقت کلی روش از حدود 92٪ به 97٪ افزایش یافته است. همچنین این نتایج موید اهمیت بکارگیری تکنیک‌های GDA و SOM به نحو پیش‌گفته است.در مرحله طبقه‌بندی طبقه‌بندهای MLP و SVM و PNN‌ مورد استفاده قرار گرفته و نتایج مقایسه شده است. در این مقاله7 نوع آریتمی مختلف VT, VF, LBBB, CHB, AF, AFL, PVC و نیز گروه ضربانهای طبیعی (NSR) با دقت کلی 97.4 درصد شناسایی و طبقه‌بندی شده‌اند.