فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: یکی از شایع‌ترین بیماری‌های قلبی- عروقی (Cardiovascular diseases یا CVDs) در سراسر جهان سکته‌ی قلبی (Myocardial infarction یا MI) است. با پردازش و واکاوی امواج الکتروکاردیوگرام (Electrocardiography یا ECG) و وکتور کاردیوگرام (Vectorcardiography یا VCG)، می‌توان به تشخیص و توصیف بیماری‌های قلبی نظیر MI دست‌یافت. یکی از روش‌های نوین در تشخیص، استفاده از متغیرهای فضایی- زمانی امواج وکتور کاردیوگرام است. هدف از انجام این مطالعه، تفکیک صحیح امواج سالم از بیمار به‌ استفاده از طبقه‌بند شبکه‌ی عصبی مصنوعی و رسیدن به حساسیت و صحت قابل ‌قبول و همچنین، نشان دادن مزایای وکتور کاردیوگرافی و به‌ کارگیری آن به‌ عنوان روشی جهت پوشش معایب الکتروکاردیوگرافی بود.روش‌ها: در این تحقیق، علاوه بر به‌ کارگیری امواج الکتروکاردیوگرام در حوزه‌ی زمان، از الگوهای فضایی- زمانی امواج وکتور کاردیوگرام به‌ منظور شناسایی 80 بیمار مبتلا به MI و تمایز آن‌ها از 80 فرد سالم بهره بردیم.یافته‌ها: زمانی که ترکیب ویژگی‌های 12 لید ECG و 3 لید VCG به ورودی طبقه‌بند شبکه‌ی عصبی پیش‌خور (Feedforward neural network) اعمال شد، صحت 2/91 درصد، حساسیت 6/92 درصد و ویژگی 0/90 درصد حاصل شد که نتایج، مقادیر بالاتری را نسبت به زمانی که ویژگی‌ها به صورت جداگانه اعمال شوند، نشان می‌دهد.نتیجه‌گیری: مشاهدات بیانگر این است که روش‌های مبتنی بر ترکیب ECG و VCG، می‌توانند در تفکیک موارد MI از موارد سالم مؤثر باشند. امید است که این روش در ارزیابی بالینی و تشخیص نارسایی قلبی مفید واقع شود.