16842

بررسي روش هاي نوين تشخيص اريتمي هاي قلبي با استفاده از سيگنال ECG و هوش مصنوعي

1403

دكتر علي صدر

بيماري‌هاي قلبي-عروقي همواره به عنوان يكي از چالش‌هاي اصلي سلامت عمومي و عامل پيشرو در مرگ‌ومير جهاني شناخته مي‌شوند. در ميان طيف وسيع اين بيماري‌ها، آريتمي‌هاي قلبي كه به معناي هرگونه انحراف از ريتم طبيعي سينوسي يا ناهنجاري در نرخ ضربان قلب هستند، سهم قابل‌توجهي از بار بيماري‌ها را به خود اختصاص داده‌اند. تشخيص زودهنگام و دقيق اين اختلالات براي پيشگيري از پيامدهاي ناگواري همچون ايست‌قلبي‌ناگهاني (SCA)، نارسايي قلبي‌ و سكته مغزي حياتي است. الكتروكارديوگرام (ECG) به عنوان ابزار استاندارد طلايي و غيرتهاجمي براي ثبت فعاليت الكتريكي قلب، حاوي اطلاعات فيزيولوژيك غني و پيچيده‌اي است. با اين حال، تفسير دستي حجم انبوه داده‌هاي ECG، به‌ويژه در پايش‌هاي طولاني‌مدت (مانند هولتر مانيتورينگ)، فرآيندي زمان‌بر، وابسته به مهارت فردي پزشك و مستعد خطاي ناشي از خستگي است. با ظهور و گسترش هوش مصنوعي و به‌ويژه يادگيري عميق ، پارادايم جديدي در پردازش خودكار سيگنال‌هاي قلبي شكل گرفته است كه قادر به استخراج ويژگي‌هاي پنهان، غيرخطي و انتزاعي از داده‌هاي خام مي‌باشد. اين گزارش به بررسي جامع و نظام‌مند روش‌هاي نوين تشخيص آريتمي با تمركز بر الگوريتم‌هاي يادگيري عميق نظير شبكه‌هاي‌عصبي‌كانولوشني‌(CNN) ، شبكه‌هاي حافظه‌كوتاه-مدت‌بلند‌(LSTM) ، و مدل‌هاي هيبريدي مي‌پردازد. برخلاف روش‌هاي كلاسيك يادگيري ماشين كه نيازمند استخراج دستي ويژگي هستند، مدل‌هاي پيشنهادي نوين توانايي يادگيري‌سلسله‌مراتبي‌ويژگي‌ها را دارا مي‌باشند. علاوه بر تشخيص آريتمي، كاربردهاي نوين اين فناوري در پيش‌بيني بيماري‌هاي ساختاري قلب، تشخيص زودهنگام سكته مغزي با استفاده از سيگنال‌هاي چندوجهي و پياده‌سازي بر روي سخت‌افزارهاي كم‌توان نيز مورد تحليل قرار مي‌گيرد. كليد واژه‌ها: آريتمي قلبي، الكتروكارديوگرام (ECG)، هوش مصنوعي، يادگيري عميق، شبكه‌هاي عصبي كانولوشني (CNN)، پيش‌بيني سكته مغزي، سيستم‌هاي نهفته .

12/10/2025 12:00:00 AM

89712

1404/09/30