منصة الرسائل والاطاريح: تصنيف أمراض القلب بالاعتماد على تخطيط القلب باستخدام وسائل التعلم الآلي

الخلاصة

نبضات القلب هي مجموعة من الاشكال الموجية التي تنشأ من انسجة القلب وتقلص وانبساط عضلات القلب. الصعوبة في تصنيف اشارة القلب هوالتغيرات الموجودة في مخطط كهربائية القلب والتي تعتبر بالغة الاهمية والاساس في تشخيص حالة المريض وقد تم استخدام العديد من الخوارزميات الحديثة في تشخيص اشارة القلب وفقا لسجلات مخطط كهربائية القلب. بالاستعانة بالخوارزميات الحديثة تم تصميم جهاز يساعد الطبيب بالتشخيص المسبق. تتعرض اشارة تخطيط القلب الى انواع متعددة من الضوضاء التي تؤثر على دقة تصنيف الاشارة والتشخيص الصحيح من هذا الانواع ضوضاء تداخل خط الطاقة( powerline) ، والضوضاء الأساسية (baseline wander )، وضوضاء حركة القطب الكهربائي(electrode motion artifact) ، وضوضاء تخطيط كهربية العضل (EMG) الضوضاء التي تم ذكرها الان هي الضوضاء الأكثر شيوعًا التي تؤثر بإشارات مخطط كهربية القلب((ECG. يعد تقليل ضوضاء من إشارات مخطط كهربية القلب خطوة اساسية في الحصول على ميزات إشارة نقية للتشخيص الدقيق. تبحث الدراسة في أنواع متعددة من الضوضاء الشائعة في إشارات تخطيط القلب ، وكذلك طرق معالجة إشارات إزالة الضوضاء. لإزالة ضوضاء خط الأساس(baseline wander) من إشارة تخطيط القلب يمكن استخدام التحويل المويج المنفصل (Discrete Wavelet (Transform. أما مرشح (Notch filter) قادر على إزالة ضوضاء خطوط الطاقة(power (line. يُعتقد أن التصفية التكيفية ( (Adaptive filterطريقة فعالة لإزالة ضوضاء تخطيط كهربية العضل (EMG) ، وقد تم أستخدم المرشحات التكيفية ذات المتوسطات المربعة (LMS) والمرشحات المربعة الأقل تكرارية (RLS) لتقليل الضوضاء الناتجة عن حركة القطب الكهربي. وكما ذكرنا سابقا، تصنيف إشارة تخطيط القلب يتم عادة بهدف تحديد حالة القلب وتشخيص الأمراض القلبية والتحقق من صحة القلب. يشمل التصنيف الأمراض مثل تسارع القلب، تباطؤ القلب، اضطرابات النظم الكهربائية، وغيرها من التغيرات الكهربائية المرتبطة بالقلب في هذا البحث تم استخدام الحالة الطبيعية (Normal) التي تمثلت ب )Normal Sine Rhythmal NSR)،والحالة غير الطبيعية والتي تتمثل Arrhythmia (ِARR)وCHF)) congestive heart failure عند تصنيف إشارة تخطيط القلب، يتم تحليل أمواج الإشارة الكهربائية واستخراج الميزات المميزة للحالة القلبية. يمكن استخدام مجموعة من التقنيات لهذا الغرض، بما في ذلك تحويل الإشارات إلى ترددات مختلفة باستخدام محول نثر الموجات (Wavelet scattering Transform) أو فصل الإشارات المختلطة باستخدام فصل المصادر الاعمى (Blind Source Separation)، تم تصنيف الإشارات باستخدام تقنيات التعلم الآلي مثل الشبكات العصبية ،متجه الدعم الالي وتقسم البيانات بنسب مختلفة بشكل عشوائي ٧٠% للتدريب و٣٠% للاختبار وقد تم تطبيق خوارزمية فصل المصادر الاعمى مع الشبكة العصبية وسجلت دقة بنسبة 99 .4 في حين حصلت خوارزميات فصل المصادر الاعمى ودعم المتجه نسبة .99 .38% استخدمت خوارزمية نثر المويجات لاستخراج الميزات مع الشبكة العصبية والتعلم للدعم المتجه وكانت نسب الدقة متفاوته حيث حصلت نثر المويجات مع الشبكة العصبية على نسبة 99 .7 % بينما نثر المويجات مع الدعم المتجه نسبة دقة 99 .92 % وبعد مقارنة النسب وجد ان تطبيق نثر المويجات مع دعم المتجه الاكثر دقة والتي تم تطبيقها عملية من خلال جهاز تم تصميمها بالاعتماد على جهاز صغير يدعى الباندا الذي يشابه كمبيوتر صغير ويعمل على وندوز 10 مع مستشعرات ومستشعر خاص باشارة مخطط كهربائية القلب يعمل كوحدة ECG تم استخدام GUI لعرض النتائج على شاشة تم ربطها مع الباندا عند فحص المريض التي تعطي نتائج تصنيف للاشارة القلب للحالات التي تم ذكرها مسبقا