فهرست نشریات علمی دسترسی آزاد ایران

مرگ ناگهانی قلبی (SCD) یک عارضه‌ی مهم قلبی عروقی است که سالانه حدود 3 میلیون نفر را در سراسر جهان تحت تاثیر قرار داده و اغلب بدون علائم قابل مشاهده‌ی قبلی رخ می‌دهد. علل دقیق SCD هنوز مشخص نیست، اگر چه فیبریلاسیون بطنی به عنوان یک عامل اصلی در پاتوفیزیولوژی آن شناخته می‌شود. با توجه به این که علائم معمولا تنها یک ساعت قبل از وقوع حادثه ظاهر می‌شوند، پیش­بینی به موقع برای احیای موثر قلبی ضروری است. این مطالعه به منظور پیش‌بینی SCD از تحلیل زمان-فرکانس سیگنال‌های ECG انجام شده است. در این پژوهش از دو مجموعه‌ی داده‌ی آنلاین هولتر مرگ ناگهانی قلبی و ریتم سینوسی نرمال MIT-BIH استفاده شده است. روش پیشنهادی شامل تقسیم بازه‌ی 60 دقیقه‌ای قبل از فیبریلاسیون بطنی به بخش‌های 1 دقیقه‌ای است که سپس با استفاده از تجزیه‌ی حالت تجربی (EMD) به باندهای زیرزمان-فرکانس تفکیک شده‌اند. ویژگی‌های غیرخطی از این سیگنال‌های تجزیه شده استخراج گردیده و سپس طبقه‌بندی با استفاده از ماشین‌های بردار پشتیبان (SVM) و k نزدیک‌ترین همسایگان (KNN) انجام شده است. برای بهبود صحت، دو تکنیک انتخاب ویژگی آماری T-test و ANOVA به کار گرفته شده است. نتایج نشان می‌دهد که استفاده از روش انتخاب ویژگی ANOVA همراه با الگوریتم‌های SVM و KNN به صحت بالایی در پیش‌بینی SCD دست یافته است. به طور خاص صحت متوسط در 60 دقیقه قبل از SCD برای روش‌های ANOVA-SVM و ANOVA-KNN به ترتیب برابر با 51/93% و 93% است. با استفاده از انتخاب ویژگی T-test صحت متوسط برای روش‌های SVM و KNN به ترتیب برابر با 29/93% و 41/93% است. این یافته‌ها عمل‌کرد امیدوار کننده‌ی روش پیشنهادی در پیش‌بینی SCD را نشان می‌دهد.