پیمان بابایی - دپارتمان کامپیوتر، دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد تهران غرب ، تهران ، ایران
شیوا صمدی - دپارتمان کامپیوتر، دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد تهران غرب ، تهران ، ایران

سابقه و هدف:در طول تاریخ بیماری ها بزرگترین تهدید برای بشر به شمار میروند امروزه باتوجه به افزایش بیماریهای قلبی- عروقی شمار افرادی که در معرض حمله قلبی قرار می گیرند رو به افزایش است. به همین علت تشخیص درست و به موقع این بیماری بسیار حائز اهمیت می باشد. روشهای تشخیصی و درمانی این بیماری عوارض جانبی زیاد و پرهزینهای دارد. بنابراین محققان به دنبال روش های ارزان و با دقت بالا برای تشخیص این بیماری هستند. مواد و روش ها:پژوهش حاضر با هدف شناسایی الگویی برای تشخیص صحیح بیماران قلبی صورت گرفته است در این پژوهش با استفاده از دو مدل شبکه عصبی و منطق فازی به تشخیص بیماری قلبی میپردازیم جامعه ی پژوهش متشکل از داده های موجود در سایت MIT-BIH میباشد. این پایگاه داده شامل ۴۸ سیگنال قلب دوکاناله متشکل از ۲۵ مرد از سنین ۸۹-۳۲ سال و ۲۲ زن در سنین ۸۹-۲۳ که حدودا حاوی ۶۵۰۰۰۰ نمونه و تقریبا ۲۷۵۰ ضربان قلب در مدت زمان ۳۰ دقیقه برای هر سیگنال است که با به کاهش رساندن ۱۳ صفت به ۵ صفت توانستیم دقت و سرعت تشخیص بیماران قلبی روش پیشنهادی را نسبت به مابقی روشها افزایش دهیم. یافته ها : دقت آزمایشی ۸۶/۰۵ توسط روش پیشنهادی نشاندهنده ی عملکرد بهتر و برتری روش مذکور نسبت به بقیه مدلها را نسبت به سایر پژوهشهای موجود نشان میدهد.استناج: نقطه ی قابل بهبود مدل فوق ارایه سیستمی تصمیم یار جهت کمک به پزشکان برای افزایش صحت تشخیص روش درمان بیماری میباشد.

منطق فازی، یادگیری عمیق، ECG، پیش بینی بیماری قلبی، داده های قلبی.