نموذج تعلم آلي سريع لتصنيف نبضات القلب المستندة إلى تخطيط كهرباء القلب وكشف اضطرابات النظم القلبي

نقدم تصنيفًا تلقائيًا بالكامل وسريعًا لاضطرابات نبض القلب (ECG) يستند إلى نهج تعلم آلي مُلهم بالدماغ، يُعرف باسم الشبكات الصوتية المُتكررة (Echo State Networks). يتميز تصنيفنا بمعالجة محدودة للميزات، حيث يقتصر على استخدام قياس واحد فقط من قياسات القلب (ECG). ويتم تدريب النموذج والتحقق منه وفقًا لمنهجية بين المرضى. ويتوافق نهجنا مع التصنيف المباشر (online classification)، مما يتماشى بشكل جيد مع التطورات الحديثة في أجهزة المراقبة الصحية اللاسلكية والأجهزة القابلة للارتداء. وباستخدام مزيج من المجموعات (ensembles)، نستفيد من التوازي في التدريب، مما يتيح لنا تحقيق سرعة ملحوظة في تدريب النموذج. وقد تم تقييم تصنيف نبضات القلب على قاعدتي بيانات ECG: MIT-BIH AR وAHA. وفي قاعدة بيانات MIT-BIH AR، حقق نهجنا حساسية قدرها 92.7% وقيمة تنبؤية إيجابية قدرها 86.1% لضربات القلب البطينية غير الطبيعية، باستخدام القطب الثاني (Lead II)، وبلغت الحساسية 95.7% وقيمة تنبؤية إيجابية 75.1% عند استخدام القطب V1. وتُعد هذه النتائج مماثلة لأفضل الأداءات الحالية في تصنيفات ECG التلقائية بالكامل، بل تفوق حتى بعض النماذج الأخرى التي تعتمد على أساليب معقدة لاختيار الميزات.