شناسایی و طبقه بندی آریتمی های قلبی از روی سیگنال ecg با استفاده از روش های تکاملی

آریتمی های قلبی از مهم ترین عوامل مرگ و میر در جهان محسوب می شوند؛ جلوگیری از افزایش این مرگ و میرها نیازمند روش هایی است که بتوانند به طور خودکار آریتمی را تشخیص دهند. پژوهش های فراوانی تاکنون در مورد شناسایی و طبقه بندی آریتمی های قلبی پیشنهاد شده است. یکی از بهترین نتایج به دست آمده در این زمینه توسط توسّلی [50] ارائه شده است. وی در طبقه بندی ضربان ها به 7 کلاس به میانگین صحت 3/99% دست یافت. در این پژوهش به بررسی روش هایی برای شناسایی و طبقه بندی آریتمی های قلبی پرداختیم. در این مسیر از روش های تحلیل مولفه ی اصلی، تحلیل بخش مستقل و تبدیل موجک برای استخراج ویژگی از سیگنال الکتروکاردیوگرام (ecg) بهره بردیم، سپس با استفاده از روش های تکاملی نظیر الگوریتم ژنتیک و بهینه سازی دسته ی ذرات به انتخاب ویژگی های مطلوب از مجموعه ی ویژگی های استخراج شده پرداختیم. در نهایت با استفاده از روش های شبکه عصبی مصنوعی، ماشین برداری پشتیبان و الگوریتم نزدیک ترین همسایه، ضربان های موجود را به پنج دسته ی نرمال، lbbb، rbbb، pvc و apb طبقه بندی کردیم. به منظور بررسی تأثیر استفاده از روش های بهینه سازی تکاملی بر صحت طبقه بندی، عمل طبقه بندی را با/بدون استفاده از این روش ها انجام دادیم. نتایج به دست آمده تأییدی بر توانمندی روش های تکاملی در بهبود پردازش سیگنال ecg می باشند. در این پروژه، عمل طبقه بندی سیگنال های قلبی به دو صورت یک سطحی و سلسله مراتبی انجام شده است. در روش یک سطحی ضربان ها را به طور مستقیم به پنج دسته طبقه بندی کردیم؛ اما در روش سلسله مراتبی ابتدا ضربان های نرمال را از آریتمی جدا کرده و در نهایت به طبقه بندی آریتمی ها به چهار دسته ی ذکر شده پرداختیم. سیگنال های ecg مورد بررسی از پایگاه داده ی mit-bih انتخاب شده اند. در این پروژه برای ارزیابی کارایی عمل طبقه بندی از وارسی اعتبار 10-بخشی استفاده کردیم. به منظور جامع بودن بررسی های انجام شده، یک مجموعه داده ی نسبتاً وسیع (12500 ضربان) به کار گرفته شده است. نتایج به دست آمده بیانگر برتری روش سلسله مراتبی نسبت به یک سطحی بوده و نشان می دهند که سیستم پیشنهادی قادر به شناسایی آریتمی ها با صحت 98/75% می باشد. این سیستم ضربان های نرمال را با صحت 99% و آریتمی های apb، pvc، lbbb و rbbb را به ترتیب با صحت های 97%، 98/5%، 99/5% و 100% تشخیص داد.