فصل اول مقدمه.. 11-1- مقدمه.. 21-2- تعریف مسئله.. 21-3- ضرورت و اهمیت تحقیق.. 31-4- روش تحقیق.. 31-5- تعریف مفاهیم.. 4سیگنال الکتریکی قلب:.. 4پتانسیل عمل عضله قلب.. 5مرحله استراحت:.. 5مرحله دپلاریزاسیون:.. 5مرحله رپلاریزاسیون:.. 5موج P :.. 6منحنی QRS :.. 6موج T :.. 6قطعه ST :.. 6بازه QT:.. 6بیماریهایضربانقلب :.. 6فصل دوم پیشینه پژوهش.. 22-1- مقدمه.. 10معرفی پایگاه داده:.. 102-2- طبقهبندی سیگنال ECG با استفاده از موجک و شبکه عصبی.. 102-3- طبقهبندی سیگنال ECG با استفاده ازموجک و خواص مورفولوژیک و شبکه عصبی 112-4- طبقهبندی سیگنال ECG با استفاده از تبدیل موجک و شبکه عصبی فازی.. 112-5- طبقهبندی سیگنال ECG با استفاده از تبدیل ویولت و شبکه عصبی مصنوعی و الگوریتم پرندگان.. 122-6- طبقهبندی آریتمیهای قلبی با استفاده از SVM... 122-7- طبقهبندی آریتمی دهلیزی بطنی.. 122-8- طبقهبندی سیگنال الکتروکاردیوگرام با طبقهبند ماشین بردار پشتیبان و الگوریتم PSO.. 132-9- طبقهبندی آریتمیهای قلبی با استفاده از PSO.. 132-10- رویکرد ترکیبی در طبقهبندی سرطان.. 142-11- دستهبندی آریتمیهای قلبی بر مینای تبدیل موجک و SVM... 142-12- طبقهبندی سیگنال ECG با استفاده از خواص مورفولوژی.. 142-13- انتخاب ویژگی با استفاده از الگوریتم فاخته باینری.. 142-14- انتخاب ویژگی با استفاده از الگوریتم فاخته.. 15فصل سوم معرفی الگوریتمها و روشهای پردازش سیگنالECG 103-1- مقدمه.. 173-2- آنالیز موجک.. 173-2-1- تبدیل موج پیوسته (CWT).. 183-2-2- تبدیل موجک گسسته.. 183-3-2-2- تجزیه چند سطحی.. 183-2-4- انتخاب موجک مادر.. 193-2-4- ویژگیهای استخراج شده از ویولت.. 213-3- ویژگی زمانی.. 213-4- استخراج ویژگی با مدل خودبازگشتی(AR).. 223-5- استراتژی انتخاب ویژگی.. 223-6- تحلیل مولفه اصلی (PCA).. 233-7- روش بیشترین وابستگی و کمترین افزونگی (mRMR).. 243-8- الگوریتم فاخته COA.. 263-8-2- جزییات الگوریتم بهینهسازی فاخته.. 273-8-2-1- تولید محلهای سکونت اولیه فاختهها (جمعیت اولیهی جوابهای کاندید) 293-8-2-2- روش فاختهها برای تخمگذاری.. 303-8-2-3- مهاجرت فاختهها.. 303-8-2-4- از بین بردن فاختههای قرار گرفته در مناطق نامناسب.. 323-8-2-5- همگرایی الگوریتم.. 323-9- گسستهسازی دودویی الگوریتم فاخته.. 333-10- ماشین بردار پشتیبان(SVM).. 333-11- الگوریتم بهینهسازی ذرات(PSO).. 353-11-1- وزن اینرسی.. 363-12- شمای کلی سیستم طبقهبندی سیگنال ECG.. 38فصل چهارم روش پیشنهادی طبقهبندی سیگنال ECG.. 174-1- مقدمه.. 404-2- پیشپردازش سیگنال ECG.. 414-2-1- شیفت سیگنال به انحراف زمینه.. 424-2-2- حذف مقدار متوسط سیگنال.. 424-2-3- حذف نویز ناشی از برق شهر.. 434-2-4- هموارسازی سیگنال.. 434-2-5- پنجرهگذاری سیگنال.. 434-2-6- آزمون همبستگی و حذف ضربانهای ناهمبسته.. 444-2-7- انتخاب دادههای آموزش و آزمون.. 444-3- ویژگیهای سیگنال.. 474-3-1- استخراج ویژگی.. 474-3-1-1- ویژگی زمانی.. 474-3-1-2- ویژگی موجک.. 474-3-1-3- ویژگی AR.. 474-3-1-4- شناسایی نقاط پراهمیت سیگنال با استفاده از PCA.. 484-3-2-ترکیب و ادغام ویژگیها.. 484-3-2-1- انتخاب ویژگی با PCA.. 484-3-2-2- انتخاب ویژگی با mRMR.. 494-3-2-3- انتخاب ویژگی با استفاده از الگوریتم فاخته.. 494-4- طبقهبندی با استفاده از SVM... 51فصل پنجم نتیجهگیری.. 555-1- مقدمه.. 565-2- مقایسه و نتیجهگیری.. 565-4- ارائه پیشنهاد.. 57منابع :.. 58سيگنال تابعي از يك يا چند متغير مستقل است كه اطلاعاتي را در مورد يك پديدة فيزيكي يا بيولوژيكي در بردارد. موجودات زنده از سلول گرفته تا ارگانهاي بدن، سيگنالهايي با منشاء بيولوژيكي توليد مي كنند. اين سيگنالها به صورت الكتريكي، مكانيكي يا شيميايياند. سيگنالهاي الكتريكي نتيجة دپلاريزاسيون سلولهاي عصبي يا ماهيچة قلبياند. صداي توليد شده توسط دريچههاي قلب نمونهاي از سيگنالهاي مكانيكي است. اين سيگنالهاي بيولوژيكي يا سيگنالهاي حياتي براي تشخيص پزشكي و تحقيقات زيست-پزشكي مورد استفاده قرار ميگيرند.سيگنالهاي حياتي در سطح بدن وضعيت دروني و فعاليتالكتريكي بدن را منعكس ميكنند. بنابراين با استفاده ازاندازهگيري غير تهاجمي اطلاعاتي درباره ارگانهاي داخلي فراهممیکند. الكتروكارديوگرامتوسط كارديولوژيستها براي اهداف تشخيصي استفادهمیشود و اطلاعات كليدي درباره فعاليت الكتريكي ECG[1] ارائه ميدهد. بنابراين با نمايش دائمی اين سيگنال میتوان تغییرات فعالیت الکتریکی قلب را در طول زمان مشاهده نمود که این تغییرات،شامل اطلاعات بسیارکلیدی برای پزشکان می باشد]1[. 1-2- تعریف مسئلهقلب یکی از مهمترین اعضای بدن است که وظیفه پمپ کردن خون در سیستم قلبی عروقی را به عهده دارد. چنانچه عملکرد قلب از نظم طبیعی (ریتم) خود خارج شود، گردش خون به خوبی انجام نمی شود و این امر میتواند خطرهای جدی برای فرد به دنبال داشته باشد، از این رو تشخیص درست و به موقع آریتمیهای قلبی از اهمیت به سزایی برخوردار است. یکی از راههای شناخته شده برای تشخیص به موقع این آریتمیها بررسی فعالیتهای الکتریکی قلب با استفاده از سیگنالهای الکتروکاردیوگرافی یا به اختصار ECG، است. تغییرات معنی داری از ساختار قلب بیماران و ضربانهای آن با استفاده از این سیگنالها قابل تشخیص هستند]2[. در چندین سال اخیر،طبقهبندی خودکار سیگنالهای الکتروکاردیوگرام توجه زیاد مهندسین پزشکی را به خود جلب کرده است. به واسطه این سیگنالها یک متخصص قلب اطلاعاتی مفید درباره ریتم و عملکرد قلب خواهد داشت. بنابراین آنالیز آن نشان دهنده ی یک راه مؤثر برای شناسایی و درمان انواع بیماریهای قلبی است]3[.براي طراحي يك سيستم هوشمند تشخيص آريتميهايقلبياز روي سيگنالهاي الكتروكارديوگرافي،لازم است ابتدا ويژگي هاي مناسبي از روي اين سيگنالها استخراج شود. با توجه به اينكه ضرايب موجك قادرند اطلاعات زمان-فركانس سيگنال را به طور توام توصيف كنند، یکی از انتخاب ها براي استخراج ويژگي از يك سیگنال الكتروكارديوگرافي خواهد بود. در اين راستا بايد تعداد سطوح تجزيه و نوع موجك مشخص شوند. همچنين، نتايج تحقيقات قبلي نشان داده است كه براي استخراج ويژگي از سيگنالهاي الكتروكارديوگرافي خانواده دابيچز و هار در مقايسه با ساير موجكها بسيار مناسبتر هستند ]4[. تشخيص پزشك براساس اطلاعات زماني و ریختشناسی استخراج شده از سيگنال الكتروكارديوگرافي است. در حالي كهگاهی اوقات تحلیل موجک بر روی سیگنالهای قلبی به تنهایی برای طبقهبندی کافی نیست و به همین دلیل استفاده از دیگر مشخصههای موجود در سیگنالهای قلبی برای طبقهبندی بیماریهای قلبی ضروری است. برای توصیف کاملتر سیگنالهای الکتروکاردیوگرافی علاوه بر ویژگیهای موجک از ویژگیهای زمانی نیز استفاده میشود. ]4[.
بهبود طبقهبندی سیگنال الکتروکاردیوگرام (ECG) با ماشین بردار پشتیبان و بهینهسازی اجتماع ذرات (PSO-SVM)
فصل اول مقدمه.. 11-1- مقدمه.. 21-2- تعریف مسئله.. 21-3- ضرورت و اهمیت تحقیق.. 31-4- روش تحقیق.. 31-5- تعریف مفاهیم.. 4سیگنال الکتریکی قلب:.. 4پتانسیل عمل عضله قلب.. 5مرحله استراحت:.. 5مرحله دپلاریزاسیون:.. 5مرحله رپلاریزاسیون:.. 5موج P :.. 6منحنی QRS :.. 6موج T :.. 6قطعه ST :.. 6بازه QT:.. 6بیماریهایضربانقلب :.. 6فصل دوم پیشینه پژوهش.. 22-1- مقدمه.. 10معرفی پایگاه داده:.. 102-2- طبقهبندی سیگنال ECG با استفاده از موجک و شبکه عصبی.. 102-3- طبقهبندی سیگنال ECG با استفاده ازموجک و خواص مورفولوژیک و شبکه عصبی 112-4- طبقهبندی سیگنال ECG با استفاده از تبدیل موجک و شبکه عصبی فازی.. 112-5- طبقهبندی سیگنال ECG با استفاده از تبدیل ویولت و شبکه عصبی مصنوعی و الگوریتم پرندگان.. 122-6- طبقهبندی آریتمیهای قلبی با استفاده از SVM... 122-7- طبقهبندی آریتمی دهلیزی بطنی.. 122-8- طبقهبندی سیگنال الکتروکاردیوگرام با طبقهبند ماشین بردار پشتیبان و الگوریتم PSO.. 132-9- طبقهبندی آریتمیهای قلبی با استفاده از PSO.. 132-10- رویکرد ترکیبی در طبقهبندی سرطان.. 142-11- دستهبندی آریتمیهای قلبی بر مینای تبدیل موجک و SVM... 142-12- طبقهبندی سیگنال ECG با استفاده از خواص مورفولوژی.. 142-13- انتخاب ویژگی با استفاده از الگوریتم فاخته باینری.. 142-14- انتخاب ویژگی با استفاده از الگوریتم فاخته.. 15فصل سوم معرفی الگوریتمها و روشهای پردازش سیگنالECG 103-1- مقدمه.. 173-2- آنالیز موجک.. 173-2-1- تبدیل موج پیوسته (CWT).. 183-2-2- تبدیل موجک گسسته.. 183-3-2-2- تجزیه چند سطحی.. 183-2-4- انتخاب موجک مادر.. 193-2-4- ویژگیهای استخراج شده از ویولت.. 213-3- ویژگی زمانی.. 213-4- استخراج ویژگی با مدل خودبازگشتی(AR).. 223-5- استراتژی انتخاب ویژگی.. 223-6- تحلیل مولفه اصلی (PCA).. 233-7- روش بیشترین وابستگی و کمترین افزونگی (mRMR).. 243-8- الگوریتم فاخته COA.. 263-8-2- جزییات الگوریتم بهینهسازی فاخته.. 273-8-2-1- تولید محلهای سکونت اولیه فاختهها (جمعیت اولیهی جوابهای کاندید) 293-8-2-2- روش فاختهها برای تخمگذاری.. 303-8-2-3- مهاجرت فاختهها.. 303-8-2-4- از بین بردن فاختههای قرار گرفته در مناطق نامناسب.. 323-8-2-5- همگرایی الگوریتم.. 323-9- گسستهسازی دودویی الگوریتم فاخته.. 333-10- ماشین بردار پشتیبان(SVM).. 333-11- الگوریتم بهینهسازی ذرات(PSO).. 353-11-1- وزن اینرسی.. 363-12- شمای کلی سیستم طبقهبندی سیگنال ECG.. 38فصل چهارم روش پیشنهادی طبقهبندی سیگنال ECG.. 174-1- مقدمه.. 404-2- پیشپردازش سیگنال ECG.. 414-2-1- شیفت سیگنال به انحراف زمینه.. 424-2-2- حذف مقدار متوسط سیگنال.. 424-2-3- حذف نویز ناشی از برق شهر.. 434-2-4- هموارسازی سیگنال.. 434-2-5- پنجرهگذاری سیگنال.. 434-2-6- آزمون همبستگی و حذف ضربانهای ناهمبسته.. 444-2-7- انتخاب دادههای آموزش و آزمون.. 444-3- ویژگیهای سیگنال.. 474-3-1- استخراج ویژگی.. 474-3-1-1- ویژگی زمانی.. 474-3-1-2- ویژگی موجک.. 474-3-1-3- ویژگی AR.. 474-3-1-4- شناسایی نقاط پراهمیت سیگنال با استفاده از PCA.. 484-3-2-ترکیب و ادغام ویژگیها.. 484-3-2-1- انتخاب ویژگی با PCA.. 484-3-2-2- انتخاب ویژگی با mRMR.. 494-3-2-3- انتخاب ویژگی با استفاده از الگوریتم فاخته.. 494-4- طبقهبندی با استفاده از SVM... 51فصل پنجم نتیجهگیری.. 555-1- مقدمه.. 565-2- مقایسه و نتیجهگیری.. 565-4- ارائه پیشنهاد.. 57منابع :.. 58سيگنال تابعي از يك يا چند متغير مستقل است كه اطلاعاتي را در مورد يك پديدة فيزيكي يا بيولوژيكي در بردارد. موجودات زنده از سلول گرفته تا ارگانهاي بدن، سيگنالهايي با منشاء بيولوژيكي توليد مي كنند. اين سيگنالها به صورت الكتريكي، مكانيكي يا شيميايياند. سيگنالهاي الكتريكي نتيجة دپلاريزاسيون سلولهاي عصبي يا ماهيچة قلبياند. صداي توليد شده توسط دريچههاي قلب نمونهاي از سيگنالهاي مكانيكي است. اين سيگنالهاي بيولوژيكي يا سيگنالهاي حياتي براي تشخيص پزشكي و تحقيقات زيست-پزشكي مورد استفاده قرار ميگيرند.سيگنالهاي حياتي در سطح بدن وضعيت دروني و فعاليتالكتريكي بدن را منعكس ميكنند. بنابراين با استفاده ازاندازهگيري غير تهاجمي اطلاعاتي درباره ارگانهاي داخلي فراهممیکند. الكتروكارديوگرامتوسط كارديولوژيستها براي اهداف تشخيصي استفادهمیشود و اطلاعات كليدي درباره فعاليت الكتريكي ECG[1] ارائه ميدهد. بنابراين با نمايش دائمی اين سيگنال میتوان تغییرات فعالیت الکتریکی قلب را در طول زمان مشاهده نمود که این تغییرات،شامل اطلاعات بسیارکلیدی برای پزشکان می باشد]1[. 1-2- تعریف مسئلهقلب یکی از مهمترین اعضای بدن است که وظیفه پمپ کردن خون در سیستم قلبی عروقی را به عهده دارد. چنانچه عملکرد قلب از نظم طبیعی (ریتم) خود خارج شود، گردش خون به خوبی انجام نمی شود و این امر میتواند خطرهای جدی برای فرد به دنبال داشته باشد، از این رو تشخیص درست و به موقع آریتمیهای قلبی از اهمیت به سزایی برخوردار است. یکی از راههای شناخته شده برای تشخیص به موقع این آریتمیها بررسی فعالیتهای الکتریکی قلب با استفاده از سیگنالهای الکتروکاردیوگرافی یا به اختصار ECG، است. تغییرات معنی داری از ساختار قلب بیماران و ضربانهای آن با استفاده از این سیگنالها قابل تشخیص هستند]2[. در چندین سال اخیر،طبقهبندی خودکار سیگنالهای الکتروکاردیوگرام توجه زیاد مهندسین پزشکی را به خود جلب کرده است. به واسطه این سیگنالها یک متخصص قلب اطلاعاتی مفید درباره ریتم و عملکرد قلب خواهد داشت. بنابراین آنالیز آن نشان دهنده ی یک راه مؤثر برای شناسایی و درمان انواع بیماریهای قلبی است]3[.براي طراحي يك سيستم هوشمند تشخيص آريتميهايقلبياز روي سيگنالهاي الكتروكارديوگرافي،لازم است ابتدا ويژگي هاي مناسبي از روي اين سيگنالها استخراج شود. با توجه به اينكه ضرايب موجك قادرند اطلاعات زمان-فركانس سيگنال را به طور توام توصيف كنند، یکی از انتخاب ها براي استخراج ويژگي از يك سیگنال الكتروكارديوگرافي خواهد بود. در اين راستا بايد تعداد سطوح تجزيه و نوع موجك مشخص شوند. همچنين، نتايج تحقيقات قبلي نشان داده است كه براي استخراج ويژگي از سيگنالهاي الكتروكارديوگرافي خانواده دابيچز و هار در مقايسه با ساير موجكها بسيار مناسبتر هستند ]4[. تشخيص پزشك براساس اطلاعات زماني و ریختشناسی استخراج شده از سيگنال الكتروكارديوگرافي است. در حالي كهگاهی اوقات تحلیل موجک بر روی سیگنالهای قلبی به تنهایی برای طبقهبندی کافی نیست و به همین دلیل استفاده از دیگر مشخصههای موجود در سیگنالهای قلبی برای طبقهبندی بیماریهای قلبی ضروری است. برای توصیف کاملتر سیگنالهای الکتروکاردیوگرافی علاوه بر ویژگیهای موجک از ویژگیهای زمانی نیز استفاده میشود. ]4[.