طبقه بندی امواج قلبی به منظور تشخیص سکته ی قلبی مبتنی بر استخراج ویژگی های ریخت شناسی از الگوهای فضایی- زمانی امواج وکتور کاردیوگرام

 یکی از شایع ترین بیماری های قلبی- عروقی (Cardiovascular diseases یا CVDs) در سراسر جهان سکته ی قلبی (Myocardial infarction یا MI) است. با پردازش و واکاوی امواج الکتروکاردیوگرام (Electrocardiography یا ECG) و وکتور کاردیوگرام (Vectorcardiography یا VCG)، می توان به تشخیص و توصیف بیماری های قلبی نظیر MI دست یافت. یکی از روش های 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 طبقه بند شبکه ی عصبی مصنوعی و رسیدن به دقت و صحت قابل قبول و همچنین، نشان دادن مزایای وکتور کاردیوگرافی و به کارگیری آن به عنوان روشی جهت پوشش معایب الکتروکاردیوگرافی بود.

در این تحقیق، علاوه بر به کارگیری امواج الکتروکاردیوگرام در حوزه ی زمان، از الگوهای فضایی- زمانی امواج وکتور کاردیوگرام به منظور شناسایی 80 بیمار مبتلا به MI و تمایز آن ها از 80 فرد سالم بهره بردیم.

زمانی که ترکیب ویژگی های 12 لید ECG و 3 لید VCG به ورودی طبقه بند شبکه ی عصبی پیش خور (Feedforward neural network) اعمال شد، صحت 2/91 درصد، دقت 6/92 درصد و ویژگی 0/90 درصد حاصل شد که نتایج، مقادیر بالاتری را نسبت به زمانی که ویژگی ها به صورت جداگانه اعمال شوند، نشان می دهد.

مشاهدات بیانگر این است که روش های مبتنی بر ترکیب ECG و VCG، می توانند در تفکیک موارد MI از موارد سالم موثر باشند. امید است که این روش در ارزیابی بالینی و تشخیص نارسایی قلبی مفید واقع شود.