فهرست نشریات علمی دسترسی آزاد ایران

طبقه‌بندی سیگنال الکتروکاردیوگرام یک فرآیند مهم در تشخیص و درمان ناهنجاری‌های قلبی است. سیگنال‌های ECG اطلاعات ارزشمندی در مورد وضعیت قلب ارائه می‌دهند و طبقه‌بندی این سیگنال‌ها به‌ عنوان طبیعی یا غیرطبیعی نقش مهمی در تشخیص و درمان ناهنجاری‌های مختلف قلبی ایفا می‌کند. در سال‌های اخیر، روش‌های مختلف استخراج ویژگی برای طبقه بندی خودکار ECG به منظور افزایش دقت و کارایی طبقه‌بندی ECG توسعه یافته است. در این مقاله یک روش استخراج ویژگی مقاوم از سیگنال ECG با استفاده از ضرایب کپسترال نرمال شده برای تشخیص آریتمی‌های قلبی پیشنهاد شده است. ویژگی‌های استخراج شده در روش پیشنهادی به یک شبکه عصبی کانوولوشن جهت طبقه بندی داده شده است. همچنین پارامتر های مختلف شبکه CNN به منظور انتخاب شبکه بهینه مورد بررسی قرار گرفته است. با کمک مطالعه آماری نشان داده شده که روش استخراج ویژگی پیشنهادی و شبکه ارائه شده دارای دقت مناسب و بالایی در تشخیص سیگنال ناسالم بیماری آریتمی فوق بطنی و اکتوپی بطنی بدخیم از سیگنال سالم است. نتایج آزمایش های انجام شده نشان دهنده 98 درصد دقت شبکه در مرحله آزمایش است.