تحصيلات تکميلي

نام و نام خانوادگي : عبدالرحيم كدخدامحمدي

دانشکده : فني و مهندسي

استاد راهنما : دكتر احمدرضا نقش نيلچي

تاريخ دفاع : 12/12/87

رشته و گرايش : کامپيوتر-هوش مصنوعي

استاد مشاور : -

دسته‌بندي اختلالات قلبي بر اساس الگوريتم MUSIC، متد EV، توصيف‌گرهاي شکل‌شناسي سيگنال و شبکه عصبي

چکيده

در اين پژوهش دو سيستم دسته‌بندي ضربانهاي الکتروکارديوگرام (ECG) براساس ويژگيهاي طيفي، توصيف‌گرهاي شکل شناسي سيگنال و شبکه عصبي براي تشخيص نه کلاس آريتمي قلبي پيشنهاد شده است. درسيستم اول از الگوريتم MUSICء(Multiple Signal Classification) و در سيستم دوم از الگوريتم EVء(Eigenvector)، جهت محاسبه ويژگي‌هاي طيفي استفاده شده است. براي ارزيابي سيستم‌ها از بانک آريتهمي‌هاي MIT-BIH استفاده شده‌ است.

در اصل اين دو سيستم از دو دسته بردار ويژگي متفاوت جهت توصيف سيگنالهاي ECG استفاده مي‌کنند. بردار ويژگي سيستم اول، دو ويژگي شکل‌شناسي سيگنال و 28 مولفه اول شبه‌طيف MUSIC و ويژگي‌هاي سيستم دوم، دو ويژگي شکل‌شناسي و کل شبه‌طيف حاصل از الگوريتم EV (که شامل 131 مولفه است) مي‌باشد. درکل، اين دو دسته ويژگي خصوصيات زماني و فرکانسي سيگنال را توصيف مي‌کنند که به‌عنوان ورودي به شبکه عصبي ارائه مي‌شوند.

سه نوع شبکه‌هاي عصبي، شبکه پرسپترون چند لايه‌‌اي (MLP)، شبکه احتمالاتي و شبکه يادگيرنده عددي کننده برداري (LVQ)، به عنوان دسته‌بند در سيستم‌ها استفاده شده است. در کل، کارايي شبکه MLP از دو شبکه ديگر بهتر بوده است. در هر دو سيستم با شبکه عصبي MLP، دقت کلي بالاي 99 درصد حاصل شده است که ميانگين دقت کلي در سيستم اول 03/99 درصد و سيستم دوم 76/99 درصد مي‌باشد. نتايج نشان مي‌دهد که سيستم‌ها همواره کلاس نرمال را بدرستي تشخيص داده و هيچ کلاس ديگري را نيز اشتباهاً نرمال تشخيص نمي‌دهد. اين خود يکي ويژگي حائز اهميت در استفاده عملي از سيستم‌هاي پيشنهادي مي‌باشد.

در سيستم دوم بدليل بالا بودن ابعاد بردار ويژگي از الگوريتم PSO جهت انتخاب بردار ويژگي بهينه استفاده شده است که بعد بردار ويژگي از 131 به 73 کاهش پيدا کرد. در اين حالت زمان پردازش هر الگو تقريباً سه برابر سريعتر شده و دقت کلي نيز 02/0 درصد افزايش يافته است. درنهايت با انجام يکسري تستها عملکرد سيستم‌ها در مقابل نويز بررسي گرديد. درصد تشخيص کلاس نرمال، در سيگنال به نويز بالاي 30dB همچنان 100 درصد مي‌باشد. عملکرد سيستم‌ها در نويز به سيگنال بالاتر از 20dB، که نويز 10 درصد بزرگي سيگنال را دارد، همچنان بالا بوده و افت اندکي داشته است. درکل مشخص است که سيستم از توانايي بالايي جهت کار در محيط‌هاي نويزي برخوردار است.

واژه‌هاي كليدي: سيگنال ECG، ويژگي‌هاي شکل‌شناسي ECG، الگوريتم MUSIC، متد EV، شبکه‌هاي عصبي، الگوريتم PSO.