تقدیر و سپاسگزاری
سپاس بی حد و حصر خدای را که خوان نعمت بی دریغش همه ما بندگان را در بر گرفته و با نور وجودی ذات متعال خود، ما خاک نشینان را از پستوهای تاریکی و ضلالت بسوی دانایی، علم و کشف حقیقت هستی و افلاک نشینی شدن رهنمون میسازد.
در انجام این پژوهش، پس از لطف و عنایت باری تعالی از همیاری و همکاری اساتید بزرگواری که همواره راهنماییهای آنها چراغی جهت هدایت اینجانب بود و با همنشینی با این بزرگواران بود که به رهروی دانش مفتخر شدم، مراتب سپاس و قدردانی خود را به این عزیزان اعلام میدارم.

چکیده

آريتمي‌هاي قلبي يكي از بيماري‌هاي قلبي بوده كه در مورد بيماران بستري شده در بخش مراقبت‌هاي ويژه بايد به آن توجه شود. هوشمند‌سازی فرآیند تشخیص دقیق بیماری‌های قلبی مساله‌ای است که سال‌ها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی‌های مناسب استخراج شده از سیگنال ECG، بر پایه‌ی الگوریتم باینری فاخته (BCOA) ارائه شده است. ویژگی‌های استخراج شده شامل ویژگی‌های زمانی،‌ AR و ضرایب موجک‌ است که تعداد این ویژگی‌ها با استفاده از عملگر mRMR یا PCA کاهش داده می‌شود BCOA ،مجموعه‌هایی از ویژگی تشکیل می‌دهد و همواره در پی یافتن مجموعه‌ای شایسته از تمامی ویژگی‌ها است. ارزیابی این مجموعه از ویژگی‌های ا‌نتخاب شده توسط‌BCOA با اعمال به طبقه بند SVM بررسی می‌شود. سپس الگوریتم‌ PSO جهت بهینه‌سازی پارامترهای‌ SVM اعمال می‌شود.‌ به كمك شبيه‌سازي كامپيوتري،صحت كلي سيستم براي شناسايي 6 نوع ريتم قلبي %97/98 به دست آمد که در مقایسه دقت حاصل شده با پژوهش‌های‌ پیشین،کارایی مطلوب روش پیشنهادی را نشان می‌دهد.
کلمات کلیدی: طبقه‌بندی سیگنال الکتروکاردیو گرام، الگوریتم فاخته، طبقه‌بند ماشین بردار پشتیبان.

فصل اول مقدمه 1
1-1- مقدمه 2
1-2- تعریف مسئله 2
1-3- ضرورت و اهمیت تحقیق 3
1-4- روش تحقیق 3
1-5- تعریف مفاهیم 4
سیگنال الکتریکی قلب: 4
پتانسیل عمل عضله قلب 5
مرحله استراحت : 5
مرحله دپلاریزاسیون : 5
مرحله رپلاریزاسیون : 5
موج P : 6
منحنی QRS : 6
موج T : 6
قطعه ST : 6
بازه QT: 6
بیماریهای ضربان قلب : 6
فصل دوم پیشینه پژوهش 2
2-1- مقدمه 10
معرفی پایگاه داده: 10
2-2- طبقه‌بندی سیگنال ECG با استفاده از موجک و شبکه عصبی 10
2-3- طبقه‌بندی سیگنال ECG با استفاده ازموجک و خواص مورفولوژیک و شبکه عصبی 11
2-4- طبقه‌بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه عصبی فازی 11
2-5- طبقه‌بندی سیگنال ECG با استفاده از تبدیل ویولت و شبکه عصبی مصنوعی و الگوریتم پرندگان 12
2-6- طبقه‌بندی آریتمی‌های قلبی با استفاده از SVM 12
2-7- طبقه‌بندی آریتمی دهلیزی بطنی 12
2-8- طبقه‌بندی سیگنال الکترو‌کاردیو‌گرام با طبقه‌بند ماشین بردار پشتیبان و الگوریتم PSO 13
2-9- طبقه‌بندی آریتمی‌های قلبی با استفاده از PSO 13
2-10- رویکرد ترکیبی در طبقه‌بندی سرطان 14
2-11- دسته‌بندی آریتمی‌های قلبی بر مینای تبدیل موجک و SVM 14
2-12- طبقه‌بندی سیگنال ECG با استفاده از خواص مورفولوژی 14
2-13- انتخاب ویژگی با استفاده از الگوریتم فاخته باینری 14
2-14- انتخاب ویژگی با استفاده از الگوریتم فاخته 15
فصل سوم معرفی الگوریتم‌ها و روش‌های پردازش سیگنالECG 10
3-1- مقدمه 17
3-2- آنالیز موجک 17
3-2-1- تبدیل موج پیوسته (CWT) 18
3-2-2- تبدیل موجک گسسته 18
3-3-2-2- تجزیه چند سطحی 18
3-2-4- انتخاب موجک مادر 19
3-2-4- ویژگی‌های استخراج شده از ویولت 21
3-3- ویژگی زمانی 21
3-4- استخراج ویژگی با مدل خودبازگشتی(AR) 22
3-5- استراتژی انتخاب ویژگی 22
3-6- تحلیل مولفه اصلی (PCA) 23
3-7- روش بیشترین وابستگی و کمترین افزونگی (mRMR) 24
3-8- الگوریتم فاخته COA 26
3-8-2- جزییات الگوریتم بهینه‌سازی فاخته 27
3-8-2-1- تولید محل‌های سکونت اولیه فاخته‌ها (جمعیت اولیه‌ی جواب‌های کاندید) 29
3-8-2-2- روش فاخته‌ها برای تخم‌گذاری 30
3-8-2-3- مهاجرت فاخته‌ها 30
3-8-2-4- از بین بردن فاخته‌های قرار گرفته در مناطق نا‌مناسب 32
3-8-2-5- همگرایی الگوریتم 32
3-9- گسسته‌‌سازی دودویی الگوریتم فاخته 33
3-10- ماشین بردار پشتیبان(SVM) 33
3-11- الگوریتم بهینه‌سازی ذرات(PSO) 35
3-11-1- وزن اینرسی 36
3-12- شمای کلی سیستم طبقه‌بندی سیگنال ECG 38
فصل چهارم روش پیشنهادی طبقه‌بندی سیگنال ECG 17
4-1- مقدمه 40
4-2- پیش‌پردازش سیگنال ECG 41
4-2-1- شیفت سیگنال به انحراف زمینه 42
4-2-2- حذف مقدار متوسط سیگنال 42
4-2-3- حذف نویز ناشی از برق شهر 43
4-2-4- هموارسازی سیگنال 43
4-2-5- پنجره‌گذاری سیگنال 43
4-2-6- آزمون همبستگی و حذف ضربان‌های نا‌همبسته 44
4-2-7- انتخاب داده‌های آموزش و آزمون 44
4-3- ویژگی‌های سیگنال 47
4-3-1- استخراج ویژگی 47
4-3-1-1- ویژگی زمانی 47
4-3-1-2- ویژگی موجک 47
4-3-1-3- ویژگی AR 47
4-3-1-4- شناسایی نقاط پراهمیت سیگنال با استفاده از PCA 48
4-3-2-ترکیب و ادغام ویژگی‌ها 48
4-3-2-1- انتخاب ویژگی با PCA 48
4-3-2-2- انتخاب ویژگی با mRMR 49
4-3-2-3- انتخاب ویژگی با استفاده از الگوریتم فاخته 49
4-4- طبقه‌بندی با استفاده از SVM 51
فصل پنجم نتیجه‌گیری 55
5-1- مقدمه 56
5-2- مقایسه و نتیجه‌گیری 56
5-4- ارائه پیشنهاد 57
منابع : 58

فصل اول

مقدمه

1-1- مقدمه
سيگنال تابعي از يك يا چند متغير مستقل است كه اطلاعاتي را در مورد يك پديدة فيزيكي يا بيولوژيكي در بردارد. موجودات زنده از سلول گرفته تا ارگان‌هاي بدن، سيگنال‌هايي با منشاء بيولوژيكي توليد مي كنند. اين سيگنال‌ها به صورت الكتريكي، مكانيكي يا شيميايي‌اند. سيگنال‌هاي الكتريكي نتيجة دپلاريزاسيون سلول‌هاي عصبي يا ماهيچة قلبي‌اند. صداي توليد شده توسط دريچه‌هاي قلب نمونه‌اي از سيگنال‌هاي مكانيكي است. اين سيگنال‌هاي بيولوژيكي يا سيگنال‌هاي حياتي براي تشخيص پزشكي و تحقيقات زيست-پزشكي مورد استفاده قرار مي‌گيرند.
سيگنال‌هاي حياتي در سطح بدن وضعيت دروني و فعاليت الكتريكي بدن را منعكس مي‌كنند. بنابراين با استفاده از اندازه‌گيري غير تهاجمي اطلاعاتي درباره ارگان‌هاي داخلي فراهم می‌کند. الكتروكارديوگرام توسط كارديولوژيست‌ها براي اهداف تشخيصي استفاده می‌شود و اطلاعات كليدي درباره فعاليت الكتريكي ECG1 ارائه مي‌دهد. بنابراين با نمايش دائمی اين سيگنال 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 راههای شناخته شده برای تشخیص به موقع این آریتمی‌ها بررسی فعالیت‌های الکتریکی قلب با استفاده از سیگنال‌های الکتروکاردیوگرافی یا به اختصار ECG، است. تغییرات معنی داری از ساختار قلب بیماران و ضربان‌های آن با استفاده 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[.
براي طراحي يك سيستم هوشمند تشخيص آريتمي‌هاي قلبي از روي سيگنال‌هاي الكتروكارديوگرافي،لازم است ابتدا ويژگي هاي مناسبي از روي اين سيگنال‌ها استخراج شود. با توجه به اينكه ضرايب موجك قادرند اطلاعات زمان-فركانس سيگنال را به طور توام توصيف كنند، یکی از انتخاب ها براي استخراج ويژگي از يك سیگنال الكتروكارديوگرافي خواهد بود. در اين راستا بايد تعداد سطوح تجزيه و نوع موجك مشخص شوند. همچنين، نتايج تحقيقات قبلي نشان داده است كه براي استخراج ويژگي از سيگنال‌هاي الكتروكارديوگرافي خانواده دابيچز و هار در مقايسه با ساير موجك‌ها بسيار مناسب‌تر هستند ]4[. تشخيص پزشك براساس اطلاعات زماني و ریخت‌شناسی استخراج شده از سيگنال الكتروكارديوگرافي است. در حالي كه گاهی اوقات تحلیل موجک بر روی سیگنال‌های قلبی به تنهایی برای طبقه‌بندی کافی نیست و به همین دلیل استفاده از دیگر ‌مشخصه‌های 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 پیشبینی 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 RBBB2،LBBB3 و PVC4 وAPC5 وP6 می‌باشد.
1-4- روش تحقیق
در این پژوهش ابتدا داده‌های مربوط به سیگنال ECG از پایگاه داده تهیه می‌شود و پیش پردازش آن‌ها 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 استفاده از نرم افزار متلب صورت خواهد گرفت.

1-5- تعریف مفاهیم
سیگنال الکتریکی قلب:
انتشار پتانسیل عمل در قلب، یک جریان ایجاد می‌کند. این جریان به نوبه خود تولید یک میدان الکتریکی می‌نماید که می‌تواند با استفاده از یک سیستم اندازه‌گیری ولتاژ تفاضلی به صورت خیلی ضعیف در سطح بدن بدست آید. سیگنال اندازه‌گیری شده به این طریق، هنگامی که به وسیله الکترودهایی در مکان‌های استاندارد گرفته شود، به عنوان الکتروکاردیوگرام یا به اختصار ECG شناخته میشود. سیگنال ECG معمولی، در رنج 2mv است و برای ثبت آن نیاز به دستگاهی با پهنای باند 0.5 تا 15هرتز می‌باشد. به عبارت دیگر ECG یک نمایش گرافیکی از فعالیت قلب به صورت سیگنال الکتریکی است که در طول یک دوره زمانی ثبت شده است[5].
وجود فعالیت الكتريكي براي ايجاد ضربان در قلب ضروري است. خون‌رساني كافي به بافت‌‌هاي بدن، مستلزم تعداد ضربان كافي قلب بوده و هم چنين بايد زمان‌بندي و توالي انقباضات عضلاني قلب به دقت هماهنگ باشند. ضربان‌ساز طبيعي قلب، “گره سينوسي- دهليزي SA ” است كه يك گروه ميكروسكوپي از سلول‌هاي الكتريكي تخصص يافته قلبي مي‌باشند و در بالاي دهليز راست واقع شده‌اند. به دنبال ايجاد يك تحريك الكتريكي توسط “گره سينوسي– دهليزي “، يك ضربان قلب ايجاد مي‌شود. اين تحريك از طريق مسيرهاي اختصاصي به سلول‌هاي بافت عضلاني ديواره‌هاي قلب منتقل مي‌شود. اين تحريك ابتدا حفره‌هاي فوقاني قلب يعني دهليزها را منقبض مي‌كند و خون را به داخل بطن‌ها مي‌راند. سپس

دسته بندی : No category

دیدگاهتان را بنویسید