طبقه‏بندي ضربان‏هاي سيگنال ECG با ويژگي‏هاي تبديل موجك و طبقه‏بندهاي SVM و FFNN

سيگنال الكتروكارديوگرام فعاليت الكتريكي قلب را نشان مي دهد و پزشكان در تشخيص بيماري‏هاي قلبي از آن استفاده مي كنند. براي آناليز يك ثبت طولاني از اين سيگنال، زمان زيادي صرف مي شود و گاهي ممكن است با خطا همراه شود، از اين رو نياز به يك ابزار تشخيص به كمك كامپيوتر، براي كمك به پزشكان احساس مي شود. در اين تحقيق، ابتدا نويزهاي موجود در سيگنال، توسط فيلتر ديجيتال و تبديل موجك گسسته حذف شده؛ سپس با الگوريتم Pan_Tompkins كمپلكس‏هاي QRS ، استخراج شده‏اند. در مرحله بعد ويژگي‏هاي هر سيكل قلبي توسط تبديل موجك گسسته استخراج و براي كاهش ابعاد فضاي ويژگي از تبديل PCA استفاده شده است. در آخر، طبقه‏بندي آريتمي‏ها، با دو روش SVM و Feed-Forward Neural Network (FFNN) ، انجام شده است. از داده‏هاي موجود در پايگاه داده MIT-BIH arrhythmia و نرم‏افزار MATLAB جهت ارزيابي روش‏هاي به كار رفته استفاده شده است. پنج كلاس شامل ضربان‏هاي نرمال (N) و آريتمي‏هاي انسداد دسته شاخه چپ (LBBB)، انسداد دسته شاخه راست (RBBB)، انقباض زودرس دهليزي (APB) و ضربان paced (PB)، با صحت 47/94 درصد با SVM و صحت 30/90 درصد با FFNN طبقه بندي شده است.