عاتکه گشوارپور - استادیار، گروه مهندسی پزشکی ، دانشگاه بین المللی امام رضا(ع)، مشهد
سارا مشیریان - دانشجوی کارشناسی ، گروه مهندسی پزشکی ، دانشگاه بین المللی امام رضا (ع)، مشهد
آرزو صنعتی فهندری - دانشجوی کارشناسی ، گروه مهندسی پزشکی ، دانشگاه بین المللی امام رضا (ع)، مشهد

امروزه حدود ۸۰ درصد از مرگهای ناگهانی قلبی نتیجه تاکی آریتمی فوق بطنی خود کار است . هدف پژوهش حاضر تحل یل داده های الکتروکاردیوگرام (ECG) به منظور تشخیص آریتمی قلبی است . ما از دادههای ECG دو لید پایگاه MIT-BIH با ۷۸ شرکت کننده دارای آریتمی و ۱۸ شرکت کننده نرمال، استفاده کردیم . از الگوریتم پن تامپکینز، نرخ ضربان قلب را از ECG تخمین زده سپس ، از نرخ ضربان قلب : ویژگی های آماری، ویژگی های طیفی و ویژگی غیرخطی ا ستخراج شد. در انتها برای طبقه بندی از دو روش رایج طبقه بند ما شین بردار پ شتیبان (SVM) و کی - نزدیکترین هم سایگی (KNN) ا ستفاده شد که در هر طبقه بند ۶ مدل مورد بررسی قرار گرفت . نتایج تجربی مطالعه حاضر نشان داد که با الگوریتم پیشنهادی می توان افراد دارای آریتمی و سالم را با درصد صحت هایی ۴/۸۴ و ۵/۸۸ به ترتیب با استفاده از طبقه بندهای KNN و SVM تفکیک کرد.

الکتروکاردیوگرام، طبقه بندی، آریتمی ، پردازش سیگنال، تحلیل غیرخطی .