مریم محبی آشتیانی - دانشگاه تربیت مدرس، دانشکده برق، گروه مهندسی پزشکی
حمید ابریشمی مقدرم - دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق، گروه مهندسی پزشکی
بابک محمدزاده اصل - دانشگاه تربیت مدرس، دانشکده برق، گروه مهندسی پزشکی

در این مقاله یک الگوریتم بر پایه دانش برای آشکارسازی اپیزودهای ایسکمی در سیگنال الکتروکاردیوگرام ارائه کرده ایم. این الگوریتم شامل پیش پردازش سیگنال ECG و استخراج ویژگی، دسته بندی هر ضربان، دسته بندی پنجره و در پایان تشخیص اپیزودهای ایسکمی است. در این روش از مجموعه قوانینی که پزشکان برای تشخیص ایسکمی بکار می برند، برای دسته بندی ضربان ها استفاده کرده ایم. برتری الگوریتم ارائه شده نسبت به سایر الگوریتم ها استفاده از یک الگوی نمونه برای حذف ضربان های غیر نرمال و اندازه گیری دقیق انحراف قطعه ST است. روش ارائه شده با استفاده از تمام سیگنالهای در دسترس پایگاه داده database ESC ST-T مورد ارزیابی قرار گرفته و نتایج بدست آمده نشاندهنده کارایی بالای این روش (حساسیت و پیش بینی مثبت به ترتیب 94/5% و 85/03%) در تشخیص اپیزودهای ایسکمی بصورت زمان- حقیقی می باشد.

انحراف قطعه ST، اپیزود ایسکمی، الگوریتم بر پایه دانش، دسته بندی ضربان