دانشگاه رازی

بیماری‌های قلبی-عروقی یکی از دلایل اصلی مرگ‌ومیر جهانی محسوب می‌شوند که نیاز به مداخلات تشخیصی زودهنگام دارند. اگرچه نوار قلب (ECG) روش اصلی غیرتهاجمی برای تشخیص آریتمی‌ها است، اما سیستم‌های تحلیل خودکار ECG که صرفاً به پردازش سیگنال یک‌بعدی متکی هستند، اغلب در مواجهه با تغییرات پیچیده ریخت‌شناسی (مورفولوژیکی) با مشکل مواجه می‌شوند. مطالعات پیشین معمولاً حوزه‌های سیگنال و تصویر را جداگانه بررسی کرده و ریخت‌شناسی بصری را که پزشکان ذاتاً به آن تکیه می‌کنند، نادیده می‌گیرند. برای رفع این شکاف، این پایان‌نامه یک چارچوب نوآورانه دوگانه برای تحلیل کمپلکس QRS و طبقه‌بندی ضربان قلب ارائه می‌دهد. سهم اصلی این پژوهش، روش‌شناسی ترکیبی است که به‌طور نظام‌مند معیارهای سنتی حوزه سیگنال را با ویژگی‌های ریخت‌شناسی حوزه تصویر ادغام کرده و در کنار آن، مکانیسم اعتبارسنجی بصری میان‌حوزه‌ای را برای شناسایی پیش‌بینی‌های نامطمئن به کار می‌گیرد . این روش‌شناسی از پایگاه داده آریتمی MIT-BIH بهره می‌برد و ضربان‌های قلب را در دو دسته اصلی (کلاس‌های نرمال و غیرنرمال) گروه‌بندی می‌کند تا یک مبنای مقایسه‌ای با الهام از چارچوب استاندارد AAMI EC57 فراهم آورد. قطعات سیگنال با استفاده از الگوریتم بهبودیافته Pan-Tompkins برای تشخیص QRS پردازش شده و به تصاویر خاکستری تبدیل می‌شوند تا هیستوگرام گرادیان‌های جهت‌دار (HOG) و توصیف‌گرهای هندسی استخراج گردند. یک استراتژی تقسیم‌بندی داده‌های مستقل از بیمار (DS1/DS2) اعمال می‌شود. مجموعه‌های ویژگی متمایز از طریق ادغام زودهنگام ویژگی‌ها ترکیب شده و به معماری پرسپترون چندلایه (MLP) وارد می‌شوند. این شبکه عصبی عمیق—که برای نگاشت بردارهای ادغام‌شده با ابعاد بالا به خروجی‌های دودویی طراحی شده است—شامل ???، ?? و ?? واحد متراکم پنهان بوده و با استفاده از بهینه‌ساز Adam بهینه‌سازی شده است . مرحله تشخیص QRS به حساسیت عالی ??.???، دقت مثبت ??.??? و نرخ خطای تشخیص ?.??? دست یافت. در مطالعه تحلیل حذف (Ablation study) طبقه‌بندی، مدل مبتنی بر سیگنال به تنهایی به دقت ??.??? رسید. مدل ترکیبی ادغام‌شده به دقت ??.??? دست یافت، در حالی که در معیارهای حیاتی عملکرد برتری ارائه داد: حساسیت ??.??? برای ضربان‌های غیرنرمال، امتیاز F1 برابر با ??.??? و AUC برابر با ?.????. اگرچه دقت کلی مدل ترکیبی از نظر ریاضی پایین‌تر از مدل مبتنی بر سیگنال است—که عمدتاً به دلیل جریمه سختگیرانه برای مثبت‌های کاذب در کلاس‌های به‌شدت نامتوازن می‌باشد—اما این موازنه از نظر علمی توجیه‌پذیر است. در تشخیص آریتمی، به حداکثر رساندن حساسیت، امتیاز F1 و AUC به‌مراتب موثرتر و از نظر بالینی ارزشمندتر برای ثبت ضربان‌های نابجای بحرانی است تا صرفاً بهینه‌سازی دقت خام.