طبقه بندی سیگنال های قلبی

امروزه طبقه بندی سیگنال های قلبی کاربرد وسیعی در علوم پزشکی و تشخیص بیماری ها دارد و استفاده از روش های خودکار آنالیز سیگنال های قلبی می تواند به پزشکان در تشخیص نوع بیماری کمک بسیاری نماید. در این تحقیق تکنیک های مختلف استخراج ویژگی و همچنین طبقه بندی کننده های مختلف بکار برده می شوند تا بهترین عملکرد در طبقه بندی سیگنال های قلبی به دست آید. با توجه به برتری تکنیک های مبتنی بر موجک بر فیلترهای معمولی در نویززدایی سیگنال ها، روش های مبتنی بر موجک برای کاهش نویز سیگنال های قلبی ارائه می شود. همچنین سایر مراحل پیش پردازش از جمله هموارسازی و نرمالیزاسیون نیز برای افزایش کیفیت سیگنال ها به منظور پردازش های بعدی انجام خواهد شد. به دلیل اهمیت موضوع استخراج ویژگی در مسائل طبقه بندی، در این تحقیق از ترکیبی از ویژگی های شکلی و زمانی برای استخراج ویژگی های کارا از سیگنال های قلبی استفاده می شود. ویژگی های شکلی مختلف از جمله دامنه و مکان امواج ecg، مولفه های موجک سیگنال ecg و ویژگی های آماری مرتبه بالا (کومولان ها) در کنار سه ویژگی زمانی سیگنال های قلبی استخراج می شوند. کارایی و اهمیت این ترکیب ویژگی ها برای به دست آوردن درصد طبقه بندی بالا در آزمایش های مختلف نشان داده خواهند شد و نتایج آنها با یکدیگر مقایسه می شوند. برای طبقه بندی دسته ویژگی های حاصل، از طبقه بندی کننده های مختلف از جمله شبکه های عصبی مختلف و ماشین بردار پشتیبان استفاده می شود. از ویژگی های ممتاز این پایان نامه، علاوه بر استفاده از واحدهای پیش پردازش و استخراج ویژگی کارا، استفاده از الگوریتم ژنتیک برای یافتن ویژگی های بهینه (انتخاب ویژگی) و همچنین تنظیم پارامترهای طبقه بندی کننده ها می باشد.