پردازش سيگنال الكتروكارديوگرام بمنظور طبقه بندي آريتمي هاي قلبي با استفاده از استخراج ويژگيهاي حوزه ديناميكي غير خطي سيگنال

Electrocardiogram Signal Processing for Classification of Cardiac Arrhythmias Using the Extraction of Nonlinear Dynamic features

در اين مقاله يك روش براي طبقه بندي آريتمي هاي قلبي با استفاده از شبكه عصبي و ويژگي هاي آشوبگونه سيگنال الكتروكارديوگرام كه توصيف كننده ديناميك غير خطي موجود در اين نوع سيگنال است ارايه مي شود. عمل تصميم گيري در سه مرحله انجام مي شود: در مرحله اول، سيگنال هاي الكتروكارديوگرام مربوط به سه نوع آريتمي قلبي فيبريلاسيون دهليزي، تاكي كاردي بطني و تاكي فوق بطني حمله ايي به همراه سيگنال نرمال از پايگاه داده فيزيوبانك استخراج مي شود. در مرحله دوم، ويژگي هاي توصيف كننده ديناميك غير خطي اين سيگنال ها توسط محاسبه مقادير نمايي لياپانوف و بعد فراكتال سيگنال استخراج مي شوند. در مرحله سوم، شبكه عصبي چندلايه پرسپترون براي طبقه بندي آريتمي هاي قلبي بكار گرفته مي شود. نتايج حاصل از شبيه سازي نشان داد طبقه بندي آريتمي هاي قلبي با استفاده از روش ارايه شده در اين مقاله با دقت 92.7% و حساسيت 93.93% انجام مي پذيرد. براي اثبات كارآمد بودن استفاده از ويژگي هاي حوزه غير خطي سيكنال الكتروكارديوگرام، نتايج حاصل از روش ارايه شده در اين مقاله با روش طبقه بندي مبتني بر استفاده از ويژگي هاي حوزه زمان-فركانس سيگنال، مقايسه مي شود.

This paper presents a method for classifying arrhythmias using a neural network and chaotic characteristics of the electrocardiogram signal that describes the nonlinear dynamics of this signal. The decision-making process is performed in three steps: in the first step, the electrocardiogram signals related to three types of cardiac arrhythmias: Atrial Fibrillation, Ventricular Tachycardia, and Proxysmal Super Ventricular Tachycardia together with the normal type of signal are collected from the physionet database. In the second step, the nonlinear dynamics features of these signals are extracted by calculating the Lyapunov exponential values and the fractal dimension of the signal. In the third step, the multilayer perceptron neural network is used to classify arrhythmias. The results of simulation showed that the classification of cardiac arrhythmias was performed using the method presented in this paper with accuracy of 92.7% and sensitivity of 93.93%. To prove the efficiency of the use of the nonlinear-domain features of electrocardiogram, the results of the method presented in this paper are compared with the classification method based on the use of the time-frequency-domain features of the signal.