پردازش هوشمند سیگنال الکتروکاردیوگرام در تشخیص نابهنجاری با استفاده از مدل های وفقی تجمعی

این مقاله به بررسی تحلیل خودکار سیگنال الکتروکاردیوگرام و امکان استفاده از یک مجموعه ای از الگوریتم های محاسباتی ارزان برای پردازش سیگنال های خام الکتروکاردیوگرام برای تشخیص نابهنجاری می پردازد. این کار به سه مرحله اصلی در تشخیص نابهنجاری از روی سیگنال های ECG خام تک کانالی تقسیم می شود. در اولین مرحله، یک الگوریتم سبک تصحیح خط پایه (baseline) همراه با یک روش میانگین پنجره متحرک اصلاح شده برای آشکارسازی نویز در زمان حقیقی پیشنهاد می شود. علاوه بر این، برای تحلیل بیشتر به صورت آفلاین، برای کاهش نویز به منظور بهبود نسبت سیگنال به نویز، یک روش مبتنی بر تبدیل موجک و آستانه گذاری تطبیقی پیشنهاد می گردد. در دومین مرحله، برای تشخیص ضربان قلب در زمان حقیقی از روی سیگنال های ECG خام، یک الگوریتم سبک مبتنی بر پنجره لغزشی پیشنهاد می گردد. این الگوریتم شامل منحنی ماکزیمم- مینیمم و ایجاد آستانه دینامیکی (تطبیقی) و تصحیح خطا است. این آستانه ها به صورت دینامیکی تطبیق داده می شوند. علاوه بر این، برای استخراج ویژگی در زمان حقیقی، نیز یک استراتژی جستجو بر اساس پنجره لغزشی پیشنهاد می شود. متعاقبا، برای طبقه بندی نابهنجاری در مرحله نهایی، یک طبقه بندی کننده هایبرید که روش های گروهی متعددی را در خود جای می دهد، پیشنهاد می شود. این طبقه بندی کننده هایبرید به عنوان یک طبقه بندی کننده جامع تر که نمونه های متعددی از مدل های پایه را برای بهبود دقت کلی طبقه بندی ایجاد می نماید، کار می کند. با استفاده از پایگاه های داده تست، سیستم کلی پیشنهادی به منظور اثبات کارآیی آن ارزیابی می گردد. برای مشخص کردن مزیت هر عنصر کلیدی، الگوریتم های پیشنهادی استخراج ویژگی، طبقه بندی و بهینه سازی، با تکنیک های متنوع پیشرفته مقایسه می شوند. نتایج تجربی نشان می دهند که الگوریتم های پیشنهادی، برتری بیشتری را نسبت به روش های موجود از خود نشان می دهند.

کلیدواژه ها:

تحلیل خودکار سیگنال الکتروکاردیوگرام ، تشخیص نابهنجاری قلبی ، سیگنال های ECG خام تک کانالی ، کاهش نویز سیگنال ECG ، روش مبتنی بر تبدیل موجک و آستانه گذاری تطبیقی ، تحلیل آفلاین سیگنال ECG