طبقه بندی و تشخیص هوشمند آریتمی های سیگنالهای قلبی با استفاده از تبدیل موجک و شبکه عصبی مصنوعی

تشخیص آریتمی های قلبی سیگنال الکترودیاگرام (ecg ) به دلیل تشخیص بهنگام شرایط خطرناک قلب از اهمیت زیادی برخوردار است. آنالیز دستی برای تشخیص آریتمی های قلبی زمان قابل توجهی می طلبد. به علاوه آنالیز دستی همواره مستعد خطا می باشد. به همین دلیل در طی دو دهه ی اخیر ، تحقیقات قابل ملاحظه ای در زمینه ی تشخیص اتوماتیک آریتمی های قلبی انجام شده است. روش هایی که تا کنون ارائه شده است نسبت به یکدیگر در چگونگی استخراج ویژگی ها و همچنین نوع سیستم طبقه بندی بکار رفته ، تفاوت دارند. در این پروژه ، یک روش جدید برای طبقه بندی آریتمی های قلبی با استفاده از تبدیل ویولت و شبکه های عصبی ارائه می گردد. ابتدا از تبدیل ویولت گسسته (dwt ) برای پردازش رکوردهای ecg و استخراج ویژگی های زمان – فرکانس ، استفاده می شود. سپس ویژگی های مبتنی بر تبدیل با ویژگی های زمانی که از سیگنال ecg محاسبه می شود ، تلفیق می شوند و نتیجه ی به دست آمده به عنوان ویژگی های نهایی برای آموزش و همچنین تست یک شبکه ی عصبی پرسپترون چند لایه (mlp) مورد استفاده قرار می گیرد.هر چند که در سال های اخیر الگوریتم های متنوعی برای تشخیص آریتمی های قلبی پیشنهاد شده اند اما اکثر محققین ، از تعداد محدودی از رکوردهای موجود در پایگاه داده استاندارد mit- bih در کار خود استفاده نموده اند. در حالی که در این پروژه ، از 24 رکورد موجود در پایگاه داده معرفی شده ، برای آموزش و همچنین تست شبکه ی عصبی طرح شده ( طبقه بندی کننده) استفاده شده است. نتایج شبیه سازی های انجام شده در این پروژه نشان می دهد که دقت سیستم طراحی شده ، برای پنج کلاس از سیگنال ecg ( ریتم طبیعی قلب ، pvc ، rbbb ، lbbb ، pb ) در حدود 95% می باشد. کلید واژه : ecg ،آریتمی های قلبی ، تبدیل ویولت ، شبکه های عصبی