پیش بینی و طبقه بندی احتقان قلبی با استفاده از ابعاد فرکتال و طبقه بندی جنگل تصادفی

بیماری قلبی رایج ترین علت مرگ مردم در سراسر دنیاست. براساس آمار سازمان بهداشت جهانی، بیماری قلبی اولین قاتل سال های ۲۰۰۰ تا ۲۰۱۱ بود. از این رو استفاده از یک روش پردازش اطلاعات پیشرفته برای تشخیص بیماری قلبی، یکی از مهم ترین حوزه های پژوهش پزشکی است. در میان بیماری های مختلف قلبی، نارسایی احتقانی قلب، بیماری است که در آن عمل پمپاژ قلب دچار مشکل می شود. . بنابراین مطالعات متعددی برای تشخیص مشکلات قلبی با آنالیز HRV سیگنال قلبی ارائه شده است که دارای دارای دقت کافی نیستند. در روش پیشنهادی، سیگنال HRV استخراج شده از سیگنال ECG به منظور طبقه بندی سیگنال های CHF و سیگنال های نرمال، مورد تجزیه و تحلیل قرار گرفت. بدین صورت پس از پیش پردازش و تجزیه توسط تبدیل موجک تجربی، ویژگی های ممبتنی برنمودار پوانکار استخراج شدند. سپس، با استفاده از طبقه بندی جنگل تصادفی به دسته بندی سیگنال به دوسته نرمال و غیر نرمال پرداخته شد