تصنيف عدم انتظام ضربات القلب باستخدام تقنيات التعلم العميق المتقدمة على مجموعات بيانات ECG الرقمية

تصنيف ECG أو تصنيف نبضات القلب هو أداة قيمة للغاية في علم القلب. تساعد تقنيات التعلم العميق المستندة إلى تحليل إشارات ECG الخبراء البشر في تشخيص الأمراض القلبية في الوقت المناسب وتساعد في إنقاذ الأرواح الثمينة. يهدف هذا البحث إلى رقمنة مجموعة بيانات من صور سجلات ECG إلى إشارات زمنية ثم تطبيق تقنيات التعلم العميق (DL) على مجموعة البيانات الرقمية. تم اقتراح تقنيات DL المتطورة لتصنيف إشارات ECG إلى فئات قلبية مختلفة. تم استكشاف عدة نماذج DL، بما في ذلك شبكة الأعصاب التلافيفية (CNN)، وشبكة الذاكرة طويلة وقصيرة المدى (LSTM)، ونموذج قائم على التعلم الذاتي (SSL) باستخدام المتجهات الذاتية، ومقارنتها في هذه الدراسة. يتم تدريب النماذج على مجموعة البيانات المستخرجة من مخططات ECG للمرضى من مختلف المؤسسات الصحية في باكستان. أولاً، يتم رقمنة صور ECG، مع تقسيم نبضات القلب من السلك II، ثم يتم تمرير الإشارات الرقمية إلى نماذج التعلم العميق المقترحة للتصنيف. من بين نماذج DL المختلفة المستخدمة في هذه الدراسة، يحقق النموذج المقترح من نوع CNN أعلى دقة تبلغ حوالي 92%. النموذج المقترح دقيق للغاية ويوفر استدلالًا سريعًا للمراقبة الفورية والمباشرة لإشارات ECG الملتقطة من الأقطاب الكهربائية (أجهزة الاستشعار) الموضوعة على أجزاء مختلفة من الجسم. يسمح استخدام الشكل الرقمي لإشارات ECG بدلاً من الصور لتصنيف عدم انتظام ضربات القلب لأطباء القلب باستخدام نماذج DL مباشرة على إشارات ECG من جهاز ECG للمراقبة الفورية والدقيقة لـ ECGs.