پردازش سیگنال قلب با استفاده از تحلیل ویولت و الگوریتم های یادگیری عمیق مبتنی بر هوش مصنوعی

سیگنال الکتروکاردیوگرام قلب به منظور نظارت بر وضعیت سلامتی و عملکرد قلب انسان مورد استفاده قرار می گیرد و نارسائی های مختلف قلبی، انواع مختلفی از آن را تولید می نماید. در این تحقیق سیگنال های قلبی بیماران توسط شبکه عصبی هوش مصنوعی بررسی شده و نوع بیماری فرد تشخیص داده می شود. هوش مصنوعی مورد نظر قابلیت یادگیری داشته و می تواند به عنوان دستیار یک پزشک در تشخیص نوع بیماری بکارگیری شود. بدین منظور ابتدا اسکالوگرام سیگنال ECG با استفاده از تبدیل موجک پیوسته (CWT) محاسبه شده و سپس با استفاده از شبکه عصبی کانولوشن عمیق (CNN) تحت یادگیری و ارزیابی قرار می گیرد. در معماری هوش مصنوعی، از دو شبکه عصبی شناخته شده GoogLeNet و SqueezeNet استفاده می شود که در کاربردهای مشابه مانند پردازش تصویر و ماشین بینایی به حد کافی آموزش اولیه دیده اند. در پایان نوع نارسائی قلبی تشخیص داده و طبقه بندی می شود. سیگنال های قلبی بیماران استفاده شده در شبیه سازی، از دیتاست استاندارد مهندسی پزشکی PhysioNet دانشگاه MIT استخراج شده است. در پایان نتایج شبیه سازی تحقیق آمده است.