سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

بازسازی و تحلیل سیگنال ECG از نسخه‌های چاپی نوار قلب به‌منظور طبقه‌بندی خودکار بیماری‌های ایسکمیک قلب با استفاده از شبکه‌های عصبی کانولوشنی

نویسندگان :

فاطمه کیخا¹ مهدیه قاسمی² سید مهدی صالحی³

1- دانشگاه نیشابور 2- دانشگاه نیشابور 3- دانشگاه نیشابور

کلمات کلیدی :

بازسازی سیگنال زیستی،پردازش تصویر ECG،تشخیص بیماری قلبی،شبکه عصبی کانولوشنی (CNN)،سیگنال دیجیتال نوار قلب،طبقه‌بندی بیماری قلبی

چکیده :

– بیماری‌های قلبی‌عروقی به‌عنوان یکی از مهم‌ترین علل مرگ‌ومیر در جهان شناخته می‌شوند و تشخیص به‌موقع آن‌ها نقش بسزایی در پیشگیری و درمان مؤثر دارد. نوار قلب (ECG) یکی از ابزارهای اصلی در پایش فعالیت الکتریکی قلب است، اما در بسیاری از موارد تنها نسخه چاپی یا تصویری آن در دسترس می‌باشد که تحلیل خودکار آن را با چالش مواجه می‌کند. بر این اساس، هدف این پژوهش توسعه روشی هوشمند و نوآورانه برای بازسازی دیجیتال و تحلیل خودکار سیگنال ECG از تصاویر اسکن‌شده است.در این مطالعه، از مجموعه‌داده عمومی Mendeley Data شامل 929 تصویر ECG در چهار دسته بالینی (نرمال، غیرنرمال، سابقه انفارکتوس میوکارد، و انفارکتوس میوکارد) استفاده شد. در مرحله پیش‌پردازش، شبکه گرید قرمز با استفاده از تکنیک‌های پردازش تصویر حذف گردید و مسیر موج سیگنال پس از باریک‌سازی و کالیبراسیون به سیگنال دیجیتال زمان–ولتاژ تبدیل شد. سپس یک مدل یادگیری عمیق کانولوشنی یک‌بعدی (Conv1D-CNN) برای طبقه‌بندی سیگنال‌های بازسازی‌شده آموزش داده شد. تقسیم‌بندی داده‌ها به‌صورت 75٪ آموزش، 10٪ اعتبارسنجی و 15٪ آزمون انجام گرفت.نتایج ارزیابی نشان داد مدل پیشنهادی توانست با دقت بین 93.56٪ تا 95.16٪ عملکردی قابل‌توجه ارائه دهد. این یافته‌ها بیانگر پتانسیل بالای بینایی ماشین و یادگیری عمیق در استخراج و تفسیر داده‌های زیستی از منابع غیرمستقیم همچون تصاویر نوار قلب است.