زهرا حکمتی - دانشجوی ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
مهدی تقی زاده - استاد دانشگاه، گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
امید مهدی یار - استاد دانشگاه، گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران

الکتروکادریوگرام بیشترین کاربرد را در تشخیص آریتمی های قلبی دارد. آریتمی ها بسیار متنوع بوده و به انواع مختلف تقسیم می شوند. ولی در یک تقسیم بندی کلی آریتمی ها یا موجب تعداد ضربان کم قلب می شوند که به آن ها برادیکاردی گفته می شود. یا موجب تعداد ضربان بیشتر از نرمال قلب می شوند که به آن ها تاکیکاردی اطلاق می شود. مطالعات نشان می دهد که حدود ۸۰% از مرگ های ناگهانی نتیجه آریتمی های بطنی است. بنابراین، تشخیص زودرس و دقیق آریتمی ها بسیار مهم و در روند بهبود بسیار موثر است. روش یادگیری عمیق یکی از روش های جدید در تشخیص و تفکیک می باشد که با استفاده از شبکه عصبی کائولوشن انجام می شود و می تواند بیش از ۱۰۰۰ گروه را با صحت و دقت بالا از هم تفکیک کند که یکی از مهمترین معماری در شبکه عصبی کانولوشن معماری AlexNet می باشد. ما در این مقاله با استفاده از سیگنال تک کانال ECG و یادگیری عمیق آریتمی های قلبی را تفکیک نمودیم. در این پایان نامه با استفاده از شبکه عصبی کانولوشن بر مبنای معماری AlexNet با ساختار لایه های تماما متصل fc۸؛ ۱۰۰۰ ویژگی عمیق بدون دخالت دست استخراج شده و در نهایت اریتمی های قلبی را با طبقه بندی کننده های KNN و LDA و NN و SVM به ترتیب با صحت ۶۲.۲۲ و ۵۱.۱۱ و ۲۷.۷۸ و ۹۷.۵۸ درصد از هم تفکیک نمودیم.

؛ECG AlexNet CNN، آریتمی های قلبی