مجید وفایی زاده - مرکز فناوری عصبی ایران، گروه مهندسی پزشکی دانشگاه علم و صنعت ایران
عباس عرفانیان امیدوار - مرکز فناوری عصبی ایران، گروه مهندسی پزشکی دانشگاه علم و صنعت ایران
عباس فروتن - دانشگاه علوم پزشکی شهید بهشتی

تشخیص غیرتهاجمی صحیح و زودهنگام ایسکمی قلبی نقش مهمی در درمان این بیماری و پیشگیری از نارساییهای قلبی متعاقب آن دارد. تاکنون تشخیص ایسکمی مبتنی بر تغییرات ST و T در ثبتهای طولانی مدت و تست ورزش بوده است. در این مقاله روش جدیدی برای تشخیص زودهنگام ایسکمی ارائه می شود، این روش مبتنی بر تستهای کوتاهمدت، تحلیل زمان-فرکانس تطبیقی با تخمین کرنل بهینه وابسته به سیگنال HRV و شبکههای عصبی احتمالی بازگشتی به عنوان طبقه بندی کننده است. در این تحقیق از شبکههای عصبی احتمالی جهت طبقه بندی سیگنال تغییرات ضربان قلب استفاده شده است. برای این منظور ویژگیهای باندهای فرکانسی در حین انجام سه آزمایش اتونومیک برخاستن، تنفس عمیق و کنترل تنفس در 98 نفر ( 50 سالم و 48 بیمار) استخراج شده و بهعنوان بردار ویژگی درنظر گرفته شدهاست. افراد مورد آزمایش با نظر متخصص قلب و انجام تست ورزش و آنژیوگرافی مورد ارزیابی قرار گرفته اند. کارآیی شبکههای عصبی احتمالی بازگشتی با روش های طبقه بندی کننده کلاسیک مورد ارزیابی قرار گرفته است. توانایی این روش برای تشخیص بیماران 88 % و برای افراد سالم 82 % می باشد. نتایج نشان میدهد که شبکههای عصبی احتمالی بازگشتی دارای کارآیی بالایی است و میتوان از تحلیل زمان- فرکانس سیگنال HRV و این طبقه بندی کننده بهعنوان یک روش غیرتهاجمی برای تشخیص ایسکمی استفاده کرد.

ایسکمی، تحلیل زمان-فرکانس تطبیقی، شبکههای عصبی احتمالی بازگشتی، HRV