فهرست نشریات علمی دسترسی آزاد ایران

بیماری‌های قلبی مانند آریتمی قلبی شایع‌ترین علت مرگ در جهان محسوب می‌شوند. تشخیص سریع این نوع بیماری باعث افزایش کیفیت زندگی، طول عمر و کاهش هزینه‌های درمان می‌شود. در این پژوهش هدف شناسایی بیماری آریتمی قلبی از روی الکتروکاردیوگرام و ابزار هوش مصنوعی است. روش پیشنهادی از سه مرحله پیش‌پردازش، تقسیم‌بندی پایگاه داده و طبقه‌بندی داده‌ها تشکیل‌شده است. ابتدا در مرحله پیش‌پردازش، عملیات نرمال‌سازی، پاک‌سازی و متوازن‌سازی کلاس‌ها انجام شده است. سپس پایگاه داده پردازش‌شده برای عملیات آموزش و آزمایش تقسیم‌بندی شده است. در نهایت داده‌ها با استفاده از طبقه‌بندهای مختلف یادگیری ماشین، معماری‌های یادگیری عمیق و یک مدل ترکیبی از معماری‌های CNN، RNN و Transformer، گروه‌بندی شده‌اند. روش پیشنهادی با پایگاه داده MIT-BIH مورد ارزیابی قرار گرفته است. نتایج ارزیابی‌ها نشان داد که از بین مدل‌های یادگیری ماشین و معماری‌های مختلف یادگیری عمیق، مدل ترکیبی با ادغام ویژگی‌های محلی حاصل از معماری CNN و شناسایی وابستگی‌های زمانی طولانی و پیچیده توسط معماری RNN و Transformer جز برترین طبقه‌بندها هست. در نهایت، یافته‌ها بر اهمیت ادغام ویژگی‌های چندگانه در تحلیل سیگنال‌های حاصل از الکتروکاردیوگرام برای تشخیص دقیق‌تر آریتمی قلبی تأکید می‌کند و می‌تواند در توسعه سیستم‌های تشخیصی خودکار کارآمدتر استفاده شود.