بهبود طبقهبندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینهسازی اجتماع ذرات -PSO-SVM- |
سیگنال تابعی از یک یا چند متغیر مستقل است كه اطلاعاتی را در مورد یک پدیدة فیزیكی یا بیولوژیكی در بردارد. موجودات زنده از سلول گرفته تا ارگانهای بدن، سیگنالهایی با منشاء بیولوژیكی تولید می كنند. این سیگنالها به صورت الكتریكی، مكانیكی یا شیمیاییاند. سیگنالهای الكتریكی نتیجة دپلاریزاسیون سلولهای عصبی یا ماهیچة قلبیاند. صدای تولید شده توسط دریچههای قلب نمونهای از سیگنالهای مكانیكی است. این سیگنالهای بیولوژیكی یا سیگنالهای حیاتی برای تشخیص پزشكی و تحقیقات زیست-پزشكی مورد استفاده قرار میگیرند.
سیگنالهای حیاتی در سطح بدن وضعیت درونی و فعالیت الكتریكی بدن را منعكس میكنند. بنابراین با بهره گرفتن از اندازهگیری غیر تهاجمی اطلاعاتی درباره ارگانهای داخلی فراهم میکند. الكتروكاردیوگرام توسط كاردیولوژیستها برای اهداف تشخیصی استفاده میشود و اطلاعات كلیدی درباره فعالیت الكتریكی ECG[1] ارائه میدهد. بنابراین با نمایش دائمی این سیگنال میتوان تغییرات فعالیت الکتریکی قلب را در طول زمان مشاهده نمود که این تغییرات،شامل اطلاعات بسیارکلیدی برای پزشکان می باشد]1[.
1-2- تعریف مسئله
قلب یکی از مهمترین اعضای بدن است که وظیفه پمپ کردن خون در سیستم قلبی عروقی را به عهده دارد. چنانچه عملکرد قلب از نظم طبیعی (ریتم) خود خارج شود، گردش خون به خوبی انجام نمی شود و این امر میتواند خطرهای جدی برای فرد به دنبال داشته باشد، از این رو تشخیص درست و به موقع آریتمیهای قلبی از اهمیت به سزایی برخوردار است. یکی از راه های شناخته شده برای تشخیص به موقع این آریتمیها بررسی فعالیتهای الکتریکی قلب با بهره گرفتن از سیگنالهای الکتروکاردیوگرافی یا به اختصار ECG، است. تغییرات معنی داری از ساختار قلب بیماران و ضربانهای آن با بهره گرفتن از این سیگنالها قابل تشخیص هستند]2[. در چندین سال اخیر،طبقهبندی خودکار سیگنالهای الکتروکاردیوگرام توجه زیاد مهندسین پزشکی را به خود جلب کرده است. به واسطه این سیگنالها یک متخصص قلب اطلاعاتی مفید درباره ریتم و عملکرد قلب خواهد داشت. بنابراین آنالیز آن نشان دهنده ی یک راه مؤثر برای شناسایی و درمان انواع بیماریهای قلبی است]3[.
برای طراحی یک سیستم هوشمند تشخیص آریتمیهای قلبی از روی سیگنالهای الكتروكاردیوگرافی،لازم است ابتدا ویژگی های مناسبی از روی این سیگنالها استخراج شود. با توجه به اینكه ضرایب موجك قادرند اطلاعات زمان-فركانس سیگنال را به طور توام توصیف كنند، یکی از انتخاب ها برای استخراج ویژگی از یک سیگنال الكتروكاردیوگرافی خواهد بود. در این راستا باید تعداد سطوح تجزیه و نوع موجك مشخص شوند. همچنین، نتایج تحقیقات قبلی نشان داده است كه برای استخراج ویژگی
خرید اینترنتی فایل متن کامل :
از سیگنالهای الكتروكاردیوگرافی خانواده دابیچز و هار در مقایسه با سایر موجكها بسیار مناسبتر هستند ]4[. تشخیص پزشك براساس اطلاعات زمانی و ریختشناسی استخراج شده از سیگنال الكتروكاردیوگرافی است. در حالی كه گاهی اوقات تحلیل موجک بر روی سیگنالهای قلبی به تنهایی برای طبقهبندی کافی نیست و به همین دلیل استفاده از دیگر مشخصه های موجود در سیگنالهای قلبی برای طبقهبندی بیماریهای قلبی ضروری است. برای توصیف کاملتر سیگنالهای الکتروکاردیوگرافی علاوه بر ویژگیهای موجک از ویژگیهای زمانی نیز استفاده میشود. ]4[.
1-3- ضرورت و اهمیت تحقیق
از آنجائی که ECG پزشک را قادر میسازد تا فعالیت الکتریکی قلب را ثبت کند، میتوان به کمک آن بیماریهای قلبی را تشخیص داد. برای از بین بردن خطای انسانی و همچنین استفاده از بانکهای اطلاعاتی موجود در تشخیص دقیق و سریع بیماریها، از آنالیز خودکار کامپیوتری استفاده میشود.. بنابراین در این پژوهش سعی در تشخیص خودکار بیماریهای قلبی شده که در آیندهای قابل پیش بینی سبب حذف اشتباهات انسانی در تشخیص بیماریها میشود. هدف از انجام این تحقیق ارائه یک روش مناسب برای تشخیص خودکار 5 بیماری مهم قلبی، شامل نارسائیهای RBBB[2]،LBBB[3] و PVC[4] وAPC[5] وP[6] میباشد.
1-4- روش تحقیق
در این پژوهش ابتدا دادههای مربوط به سیگنال ECG از پایگاه داده تهیه میشود و پیش پردازش آن ها جهت انتخاب سیگنالهای مناسب و همچنین پنجرهگذاری روی آنها انجام خواهد شد. سپس ویژگی های مناسبی استخراج و بر اساس این ویژگیها عمل طبقهبندی انجام میشود. مراحل فوق با بهره گرفتن از نرم افزار متلب صورت خواهد گرفت.
1-5- تعریف مفاهیم
سیگنال الکتریکی قلب:
سیگنال ECG در طول هر سیکل کاری قلب، دارای منحنی مشخصهای به صورت شکل 1-1 است.
فرم در حال بارگذاری ...
[جمعه 1400-05-08] [ 07:38:00 ق.ظ ]
|