بخشی از مقاله
استخراج ویژگیها وطبقه بندی سیگنال ECG بااستفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی ( FANN )
چکیده
در این مقاله روشی برای تجزیه و تحلیل سیگنال الکتروکاردیوگرام با استفاده از شکل موج - PQRSTU، ارائه شده است که برای تشخیص بیماری های قلبی استفاده میشود. اساس این روش استفاده از منطق فازی و شبکههای عصبی مصنوعی (FANN) است که به منظور طبقهبندی سیگنالهای متفاوت الکتروکاردیوگرام استفاده میشود. طبقهبندی، با استفاده از پالسهای مختلفی (مانند V1، V2، V3، V4، V5، V6 و غیره ) که مربوط به لایههای پنهان شبکههای عصبی مصنوعی است، انجام میشود، مانند، موج - P ، فاصله - PR ، فاصله - QRS ، فاصله - ST ، موج - T و غیره، این موارد به عنوان تجزیه و تحلیلی برای هر یک از پالسهای ورودی،
مطرح میشوند، که برای آموزش شبکههای عصبی مورد استفاده قرار میگیرند. خروجی حاصل از شبکه عصبی منجر به ایجاد مجموعه فاکتورهای وزنی مربوط به هر یک از سیگنالها میشود. سیستم ما با دقت98٪ ، دارای مزایای بسیاری از جملهکارآیی بهتر و سادگی میباشد.
کلمات کلیدی
الکتروکاردیوگرام، منطق فازی، شبکههای عصبی مصنوعی، ویژگی زمانی و تبدیل موجک، آریتمیهای قلبی، موجPQRST
-1 مقدمه
در سالهای اخیر بیماریهای قلبی به شایعترین بیماریهای خطرناک در جهان تبدیل شدهاند. هر سال میلیونها نفر از حمله قلبی میمیرند و به تعداد مساوی تحت عمل جراحی عروقی قرار میگیرند. تشخیص زود هنگام و درمان به موقع میتواند از چنین رویدادهایی جلوگیری کند، که این کار میتواند به بهبود کیفیت زندگی بینجامد و روند پیشرفت نارسایی قلبی را کندتر کند.[4] اولین گام برای تشخیص، ثبت 1ECGبیمار است. ثبت ECG یک ابزار تشخیصی غیر تهاجمی است که جهت ارزیابی وضعیت قلبی بیمار مورد استفاده قرار می-گیرد.[2]
سیگنال الکتروکاردیوگرام نتیجه پلاریزه شدن متناوب عضله قلبی است که از گره سینوسی دهلیزی آغـاز شـده و بــه تمــام عضله قلبی سرایت می کند. یک سیکل کامل این سیگنال کـه در یک انسان سالم بین 1000 تا7000 میلی ثانیـه طــول مــیکشــد دارای شکل موج مشخصی است که هر جزء آن حاصـل عملکـرد فیزیولوژیکی خاصی در قلب است.[3]ویژگیهای ECG ، زمانی که توسط مشاهدات سـاده بـه رسمیت شناخته شود به همراه ضربان قلب، میتواند به تشخیص دقیق و سریع منجر شـود. طبـق : شکل (1) پردازش سیگنالهای ECG در 4 مرحله انجام میشود اندازهگیری یا ثبت سیگنال، که به منظور به دست آوردن سیگنال ECG مربوط به قلب انجام میشود.
1. پیش پردازش سیگنال، که با هدف حذف نویزهای موجود در سیگنال ECG ضروری است.
2. استخراج ویژگیهای سیگنال، برای به دست آوردن ویژگیهای بارز سیگنال ECG به منظور تشخیص سیگنالهای متفاوت، انجام میشود.
3. تفسیر یا طبقهبندی سیگنالها، که آخرین مرحله در پردازش سیگنال میباشد، با هدف مشخص نمودن نوع بیماری اجرا میشود.
شکل :(1) مراحل پردازش[1]
شبکههای عصبی مصنوعی ( 1( ANN به دلیل عـدم الگـوریتمی بودن و عدم پیچیدگی بیش از حد دارای مزیت قابل توجهی برای حل مشکلات است. این شبکههـا بـه طـور مـؤثر در حـوزه پزشـکی بـرای تشخیص بالینی، تجزیه و تحلیـل تصـویر و سـیگنالهـا و تفسـیر ایـن سیگنالها مورد استفاده واقع شدهاند. به طور معمول (سیستم تشخیص حمله قلبی) به عنوان یکی از ساختارهای ANN است که میتواند بـه وسیله طبقهبندی وظایف، به صورت دقیقی عمل نماید.
شبکه های عصبی یکی از پرکاربردترین روشهـای مـورد اسـتفاده برای طبقهبندی ECG میباشند. پرسپتون چنـد لایـه 2(MLP) بـر پایه شبکه های عصبی، برای این منظور انتخـاب شـده اسـت. آنهـا بـا نظارت آموزش میبینند تا با استفاده از روش پس- انتشار موجـب بـه حداقل رسیدن خطای بین خروجی واقعی شبکه و خروجی مـورد نظـر شوند. ساختار شبکه عصبی متشکل از چهار لایه (لایه ورودی، دو لایـه پنهان و لایه خروجی) می باشد.
-1-1 مرورکارهای قبلی
آثار متعددی در ارتباط با تشخیص بیماری های قلبی با استفاده از تکنیکهای فازی و هوش مصنوعی در [4]، [2] نشان داده شدهاند. که در کارهای آنها سه کلاس از سیگنال های ECG یعنی، ریتم طبیعی سینوسی، نامتعادل بدخیم بطنی و فیبریلاسیون دهلیزی انتخاب شده و شکل موج PQRST مربوطه نشان داده شده است. کلاسهای مختلف سیگنال ECG نیز در [1] گزارش شده است.
Nikon و[5] E.mastorakis یک سیستم خبره برای تجزیـه و تحلیل سیگنال ECG توسعه داده اند که به صورت سلسله مراتبی برای سازماندهی دانش کار میکند. آنها برای تجزیه و تحلیـل از توربـو C و برای تشخیص از توربو پرولوگ استفاده کردهاند.
[6] Hamiltonp یک نـرم افـزار بـرای تشـخیص و طبقـهبنـدی ضربان ECG توسعه داده و آن را به عنوان یک سیستم منبع باز برای استفاده توسط محققین قرار داده اسـت. silipo R و [7] marchesis از شبکههای عصبی برای تجزیـه و تحلیـل خودکـار ECG بـه منظـور طبقهبندی اختلالات قلبی استفاده کرده انـد. انقبـاض زودرس بطنـی 3(PVC)و انقباض زودرس دهلیزی 4(PAC) آریتمیهای قلبی می-باشد که در شکلهای 2، 3، 4 نشـان داده شـده اسـت. کـه بـه طـور گسترده در زمینه کاردیولوژی میتـوان آنهـا را بـا اسـتفاده از پـارامتر سیگنال نوار قلب تشخیص داد. رویکرد عصبی - فازی بـرای شناسـایی این ضربانهای غیر طبیعی استفاده شده است. طبقهبندی آنها نیـز در [8]، [9] گزارش شده است.
ECGنوار قلب، سیگنالهای فیزیولوژیکی است که نشـان دهنـده انقباض و شل شدن مکانیکی قلب می باشد. برخی از انواع سیگنالهای ECGکه نشان دهنده وضعیت سلامتی افراد میباشند، در شـکلهـای 2، 3، 4 از [13] نشان داده شده است.
اگر p رو به بـالا و QRS رو بـه بـالا وT رو بـه پایینباشـد، RR0 عادیاست و RR1 نیزعادی است، در نتیجه نـوع نرمـالی از سـیگنال ECGاست
· موج- : P نشان دهنده انقباض دهلیز است.
· مجموعه : QRS نشان دهنده انقباض بطن است.
· موج- : T نشان دهنده شل شدن بطن ها است.
1-2 خواندن تفسیر ECG
سیگنالهای ECG بایدبه طور سیستماتیک تفسیر شده و مورد بررسی قرا گیرد. یک روش مناسب برای این کار به شرح زیر است:
-2 قلب و سیگنالها
قلب به دو قسمت راست و چپ تقسیم شده است. هر بخش دارای دو اتاق به نام دهلیز و بطن است. قلب دارای چهار دریچه است، همانطور که در شکل های 5 و 6 و 7 از [16] نشان داده شده است. این تصاویر توسط یک الکتروکاردیوگراف تولید شدهاند که سوابق فعالیت الکتریکی قلب را در طول زمان ثبت کرده است.
· تعیین ضربان و ریتم قلب
· ارزیابی فاصله P - R و عرض مجموعه QRS
· بررسی موج - P و مجموعه QRS
· بررسی بخش S-T و موج T–
-2-2 سیگنال ECG
سیگنال ECG توسط انقباضات ریتمیک قلب که به وسیله الکترودها اندازهگیری میشوند، تولید میشود. این سیگنال میتواند به طور مؤثری برای تشخیص بیماریهای قلبی استفاده شود. مشکل این تجزیه و تحلیل را میتوان به دو بخش، استخراج و طبقهبندی تقسیم کرد. روشهای استخراج ویژگی، برای تشخیص اختلالات موجود در سیگنال ضروری هستند، در حالیکه روشهای طبقهبندی برای تشخیص نوع بیماری استفاده میشود.
پنج بخش اصلی موجود در ECG شامل، فاصلههـای RR، QRS، QT، ST، T میباشند. ضربان قلب (ضربه در دقیقه) میتواند به آسانی از فاصله بین (R - R) محاسبه شود که با تقسیم کردن این فاصـله بـه تعداد 300 واحد زمانی بزرگ 0/20)ثانیه )بین امواج R متوالی و یا به تعداد 1500 واحد زمانی کوچک 0/04) ثانیه ) بـه دسـت مـیآیـد. فاصله P - R زمان (به طور معمـول 120 تـا 200 میلـی ثانیـه) بـین دپلاریزاسیون دهلیزی و بطنی را اندازه گیری میکند.
فاصله QRS به طور معمول ( 100میلـی ثانیـه یـا کمتـر) نشـان دهنده مدت زمان دپلاریزاسیون بطنی است.فاصله QT شامل زمان هر دوی دپلاریزاسیون و ری پلاریزاسیون بطنی میباشد و نرخ مربوط به فاصله QT ، QTc میتواند از طریق QT / RR محاسـبه شـود و بـه طور معمول کمتر از = 0/44 است.
مجموعه QRS به تغییر شکل ها و یا امواج خاصی تقسـیم شـده است. اگراولین انحراف (تغییر شکل ) QRS با توجه به لید داده شـده منفی باشد آن را به عنوان موج Q در نظر می گیریم. [6] اولین انحراف مثبت، موجR نامیده می شود و انحراف منفی بعد از مـوجR ، مـوج S نامیده می شود.حروف کوچک (qrs) برای موجهایی با دامنههای نسبتا کوچک استفاده میشود. مجموعه QRSکاملاً منفی بـه عنـوان مـوج QS در نظر گرفته می شود. سیگنال ECG از یک گروه از سیگنالهای PQRST تکراری ساخته شـده اسـت. کـلاس طبیعـی PQRSTU در شکل 8 نشان داده شده است.
- 3-2 نمونه سیگنال ECG
ضربه قلبی به طور معمول ناشی از گره سینوسی واقع در تاکیکاردی سینوسی میباشد و در چنین حالتی ECG در فرم نرمال است. در بزرگسالان ضربان قلبی به بیش از 100 ضربه / دقیقه افزایش مییابد. تاکیکاردی سینوسی ممکن است ناشی از هیجان، ورزش، تب، پرکاری تیروئید و کمخونی باشد که در شکلهای 9 و 10 و 11 و 12 از مرجع [13] نشان داده شده است.
-1-3-2 برادیکاردی سینوسی
ضربان قلب کمتر از 60 ضربه / دقیقه است. برادیکاردی سینوسی در ورزشکاران آموزش دیده و در بیماران با افزایش فشار داخل جمجمه رخ میدهد که در شکل 9 ارائه شده است.
-2-3-2 تاکیکاردی دهلیزی و فلوتر دهلیزی
تاکیکاردی دهلیزی و فلوتر دهلیزی به علت وجود یک کانون نابجا در دهلیز که باعث میشود به طور منظم ضربان سریعتر شود، به وجود می آید. امواج P شکل غیر طبیعی دارند، اما مجموعههای QRS معمولاً طبیعی است، همانطور که در شکل 10 ارائه شده است.
-3-3-2 فیبریلاسیون دهلیزی
هیچ فعالیت دهلیزی هماهنگی (چه الکتریکی و چه مکانیکی ) در فیبریلاسیون دهلیزی وجود دارد. ECG در (شکل 11 )، امواج f (فیبریلاسیون) را که به نمایندگی از فعالیتهای دهلیزی به جای امواج P قرار دارند، نشان میدهد، مجموعههای QRS طبیعی هستند، اما نامنظم رخ می دهد.
