یک رویکرد دو مرحله ای مبتنی بر شبکه عصبی مصنوعی برای تشخیص بیماری قلبی با استفاده از اطلاعات ECG

اکثر بیماری های قلبی در نوار قلبی (ECG) نشانه هایی از خود نمایش می دهند، اما تشخیص وجود بیماری قلبی به کمک ECG  نیازمند دانش و تجربه پزشکان متخصص است. از آنجایی که ممکن است همواره این متخصصان در دسترس نباشد ضرورت دارد ابزار هایی طراحی شود تا در این شرایط به عنوان دستار به کادر درمان امکان تشخیص بیماری قلبی فراهم شود.

در این مقاله یک رویکرد دو مرحله ای مبتنی بر شبکه‏ های عصبی مصنوعی برای تشخیص بیماران قلبی با استفاده از اطلاعات ECG  طراحی شده است.

برای طراحی رویکرد دو مرحله ای پیشنهادی، ابتدا اطلاعات نوار قلبی 861 مراجعه کننده به تعدادی از مراکز درمانی شهر اراک جمع آوری و با مشاوره متخصصین، پردازش و آماده سازی داده‏ ها انجام شده است. آنگاه 154 ویژگی‏ در نوار قلبی به عنوان متغیر های ورودی به رویکرد پیشنهادی مشخص شده است. در مرحله اول از رویکرد پیشنهادی یک شبکه عصبی مصنوعی برای تشخیص وضعیت نوار قلبی به دو صورت قابل استفاده و یا غیرقابل استفاده طراحی شده است. آنگاه در مرحله دوم با استفاده از اطلاعات نوار های قلبی قابل استفاده، یک شبکه عصبی مصنوعی برای تشخیص وجود یا عدم وجود بیماری قلبی طراحی شده است. نهایتا عملکرد رویکرد دو مرحله ای بررسی و صحت و دقت آن در تشخیص وضعیت نوار قلبی و همچنین وضعیت بیماری مراجعه کننده تعیین شده است.

یافته ها:

 در رویکرد دو مرحله ای پیشنهادی، شبکه عصبی تشخیص وضعیت نوار قلبی دارای دقت 97/1% و صحت 97/3% بوده و همچنین شبکه عصبی تشخیص وجود بیماری قلبی نیز دارای دقت 95/8% و صحت 95/4% می باشد.

نتیجه گیری:

 با توجه به کارایی بالای رویکرد پیشنهادی در تعیین وضعیت نوار قلبی و همچنین تشخیص بیماری قلبی، می‏توان از این رویکرد به عنوان یک دستیار قابل اعتماد برای کمک به کادر درمان استفاده نمود.