امكان تشخيص آريتمي هاي قلبي با استفاده از تحليل شاخص هاي آشوبي سيگنال ECG

Improving Diagnosis of Heart Disease by Analyzing Chaotic Indices of ECG Signals

سيگنال الكتروكارديوگرام (ECG) معمول‌ترين روش غيرتهاجمي براي بررسي سلامتي قلب يا تشخيص احتمالي بيماري هاي قلبي است. مطالعات نشان مي دهد سيگنال ECG يك ساختار خطي ساده ندارد بلكه داراي مولفه هاي غيرخطي است. در اين مقاله سيگنال ECG به عنوان يك سري زماني در نظر گرفته شده است و شاخص هاي غيرخطي آشوبي مانند بزرگ ترين نماي لياپانوف ( ) و بعد همبستگي (D2) از سيگنال ECG براي افراد سالم و بيمار استخراج مي شود. در اين راستا الگوريتم هاي مناسب جهت استخراج پارامترهاي لازم براي بازسازي فضاي حالت و نيز محاسبه بزرگ ترين نماي لياپانوف و بعد همبستگي از روي سيگنال ECG با ملاحظات مربوطه ارايه مي گردد. سپس با استفاده از طبقه بندي كننده فازي امكان تفكيك افراد سالم و بيمار، براساس شاخص هاي آشوبي محاسبه شده بررسي مي شود. داده ها از پايگاه داده هاي MIT-BIH گرفته شده است و مقايسه نتايج براي سه گروه شامل افراد با ريتم قلبي سالم (NSR)، بيماران فيبريلاسيون دهليزي (AF) و بيماران انسداد دسته شاخه چپ (LBBB) انجام شده است كه مبيّن كارايي طبقه بندي ارايه شده بر اساس شاخص هاي آشوبي است.

Electrocardiogram (ECG) signals are the most popular non-invasive approach for diagnosis of heart irregularities and indications of possible heart diseases. Previous studies have shown that ECG signals do not have a linear distribution and contain a variety of non-linear dimensions. In the present research we have treated the ECG signals as time-series data and applied chaos indices analysis. Utilizing data from MIT_BIH Database, the present study has improved the past research by analysing chaotic indices such as Lyapunov Exponent (?max), and Correlation Dimension to ECG signal data from healthy individuals and heart patients. We present appropriate algorithms for reconstruction of Phase Space and estimations of the model parameters using Lyapunov Exponent and CorrelationDimension.We then present the results from reconstruction of Phase Space based on chaotic indices, and fuzzy classifier, to discriminate healthy individuals (NSR) from the heart patients.The heart patients include those with Arterial Fibrillation (AF) and those with Left Bundle Branch Block (LBBB). These results ascertain the effectiveness of application of chaotic distribution to ECG data in improving the heart disease diagnosis.