مرگ قلبی ناگهانی یکی از مهم ترین عوامل مرگ و میر به شمار می رود و در بین مرگ های ناشی از بیماری های قلبی، سهم عمده ای را به خود اختصاص داده است. امروزه متداول ترین شیوه برای جلوگیری از این عارضه استفاده از دفیبریلاتورهای قلبی قابل کاشت می باشد که یک روش کاملاً تهاجمی با هزینه ی بالا می باشد. بنابراین به معیار بهتری برای شناسایی افراد در معرض خطر مرگ قلبی ناگهانی نیاز است. تحقیقات نشان داده اند که تغییرات میکروولت در موج t از سیگنال ecg می تواند معیار خوبی برای شناسایی این بیماران باشد. به دلیل بازه ی نسبتاً طولانی ثبت سیگنال ecg و نیز قابل رویت نبودن این تغییرات در مقیاس های متعارف، تشخیص این تغییرات به الگوریتم های خودکار کامپیوتری نیاز دارد. از آنجایی که تغییرات موج t (twa) شامل تغییرات کوچک و غیر قابل مشاهده در قطعه ی st-t می باشد، تشخیص آن در محیط های نویزی و دامنه های پایین دشوار می باشد. تاکنون روش های متعددی برای تشخیص تغییرات موج t بر اساس استفاده از یک لید سیگنال ecg ارائه شده است. اصلی ترین نقطه ضعف روش های موجود، عملکرد ضعیف آنها در تشخیص دامنه های کوچک twa می باشد. در این تحقیق، تغییرات موج t با ترکیب اطلاعات لیدهای مختلف سیگنال ecg توسط روش جدیدی بر مبنای همبستگی (cm) تشخیص داده می شوند و سپس دامنه و شکل موج تغییرات در لیدهای مختلف تخمین زده می شوند. ارزیابی این روش و مقایسه ی آن با روش مرجع طیفی(sm) در صورت استفاده از هر دو داده واقعی وشبیه سازی شده نشان می دهد که این روش با قابلیت اعتماد قابل قبولی تغییرات موج t را تشخیص می دهد. برای مثال در یک سیگنال مشخص روش پیشنهادی multi-cm درجاییکه نسبت تغییرات به نویز برابر -55 db است، با احتمال 86% تغییرات را تشخیص می دهد، در صورتیکه این مقدار برای روش های single-sm، single-cm و multi-sm به ترتیب برابر 16%، 68% و 37% می باشد