دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته  مهندسی پزشکی

عنوان : بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

 دانسگاه صنعتی نوشیروانی بابل

دانشكده برق و كامپیوتر

                                                                                

پایان‏نامه جهت اخذ درجه كارشناسی ارشد

 رشته مهندسی پزشکی

عنوان:

بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

استاد راهنما:

دكتر کرمی

 

 

زمستان 93

 

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده

 

آریتمی‌های قلبی یكی از بیماری‌های قلبی بوده كه در مورد بیماران بستری شده در بخش مراقبتهای ویژه باید به آن توجه شود. هوشمند‌سازی فرآیند تشخیص دقیق بیماری‌های قلبی مساله‌ای است که سال‌ها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی‌های مناسب استخراج شده از سیگنال ECG، بر پایه‌ی الگوریتم باینری فاخته (BCOA) ارائه شده است. ویژگی‌های استخراج شده شامل ویژگی‌های زمانی،‌ AR و ضرایب موجک‌ است که تعداد این ویژگی‌ها با بهره گرفتن از عملگر mRMR یا PCA کاهش داده می‌شود BCOA ،مجموعه‌هایی از ویژگی تشکیل می‌دهد و همواره در پی یافتن مجموعه‌ای شایسته از تمامی ویژگی‌ها است. ارزیابی این مجموعه از ویژگی‌های ا‌نتخاب شده توسط‌BCOA  با اعمال به طبقه بند SVM بررسی می‌شود. سپس الگوریتم‌ PSO جهت بهینه‌سازی پارامترهای‌ SVM اعمال می‌شود.‌ به كمك شبیه‌سازی كامپیوتری،صحت كلی سیستم برای شناسایی 6 نوع ریتم قلبی %97/98 به دست آمد که در مقایسه دقت حاصل شده با پژوهش‌های‌ پیشین،کارایی مطلوب روش پیشنهادی را نشان می‌دهد.

کلمات کلیدی: طبقهبندی سیگنال الکتروکاردیو گرام، الگوریتم فاخته، طبقه‌بند ماشین بردار پشتیبان.

 

 

فصل اول                      مقدمه. 1

1-1- مقدمه. 2

1-2- تعریف مسئله. 2

1-3- ضرورت و اهمیت تحقیق.. 3

1-4- روش تحقیق.. 3

1-5- تعریف مفاهیم. 4

سیگنال الکتریکی قلب: 4

پتانسیل عمل عضله قلب.. 5

مرحله استراحت : 5

مرحله دپلاریزاسیون : 5

مرحله رپلاریزاسیون : 5

موج P : 6

منحنی QRS : 6

موج T : 6

قطعه ST : 6

بازه  QT: 6

بیماریهای ضربان قلب : 6

فصل دوم                          پیشینه پژوهش… 2

2-1- مقدمه. 10

معرفی پایگاه داده: 10

2-2- طبقه‌بندی سیگنال ECG با بهره گرفتن از موجک و شبکه عصبی.. 10

2-3- طبقه‌بندی سیگنال ECG با بهره گرفتن ازموجک و خواص مورفولوژیک و شبکه عصبی.. 11

2-4- طبقه‌بندی سیگنال ECG با بهره گرفتن از تبدیل موجک و شبکه عصبی فازی.. 11

2-5- طبقه‌بندی سیگنال ECG با بهره گرفتن از تبدیل ویولت و شبکه عصبی مصنوعی و الگوریتم پرندگان. 12

2-6- طبقه‌بندی آریتمی‌های قلبی با بهره گرفتن از SVM… 12

2-7- طبقه‌بندی آریتمی دهلیزی بطنی.. 12

2-8- طبقه‌بندی سیگنال الکترو‌کاردیو‌گرام با طبقه‌بند ماشین بردار پشتیبان و الگوریتم PSO.. 13

2-9-  طبقه‌بندی آریتمی‌های قلبی با بهره گرفتن از PSO.. 13

2-10-  رویکرد ترکیبی در طبقه‌بندی سرطان. 14

2-11- دسته‌بندی آریتمی‌های قلبی بر مینای تبدیل موجک و SVM… 14

2-12- طبقه‌بندی سیگنال ECG با بهره گرفتن از خواص مورفولوژی.. 14

2-13- انتخاب ویژگی با بهره گرفتن از الگوریتم فاخته باینری.. 14

2-14- انتخاب ویژگی با بهره گرفتن از الگوریتم فاخته. 15

فصل سوم                     معرفی الگوریتم‌ها و روش‌های پردازش سیگنالECG.. 10

3-1- مقدمه. 17

3-2- آنالیز موجک… 17

3-2-1- تبدیل موج پیوسته (CWT) 18

3-2-2- تبدیل موجک گسسته. 18

3-3-2-2- تجزیه چند سطحی.. 18

3-2-4- انتخاب موجک مادر. 19

3-2-4- ویژگی‌های استخراج شده از ویولت.. 21

3-3- ویژگی زمانی.. 21

3-4- استخراج ویژگی با مدل خودبازگشتی(AR) 22

3-5- استراتژی انتخاب ویژگی.. 22

3-6- تحلیل مولفه اصلی (PCA) 23

3-7- روش بیشترین وابستگی و کمترین افزونگی (mRMR) 24

3-8- الگوریتم فاخته COA.. 26

3-8-2- جزییات الگوریتم بهینه‌سازی فاخته. 27

3-8-2-1- تولید محل‌های سکونت اولیه فاخته‌ها (جمعیت اولیه‌ی جواب‌های کاندید) 29

3-8-2-2- روش فاخته‌ها برای تخم‌گذاری.. 30

3-8-2-3- مهاجرت فاخته‌ها 30

3-8-2-4- از بین بردن فاخته‌های قرار گرفته در مناطق نا‌مناسب.. 32

3-8-2-5- همگرایی الگوریتم. 32

3-9- گسسته‌‌سازی دودویی الگوریتم فاخته. 33

3-10- ماشین بردار پشتیبان(SVM) 33

3-11- الگوریتم بهینه‌سازی ذرات(PSO) 35

3-11-1- وزن اینرسی.. 36

3-12- شمای کلی سیستم طبقه‌بندی سیگنال ECG.. 38

فصل چهارم                        روش پیشنهادی طبقه‌بندی سیگنال ECG.. 17

4-1- مقدمه. 40

4-2- پیش‌پردازش سیگنال ECG.. 41

4-2-1- شیفت سیگنال به انحراف زمینه. 42

4-2-2- حذف مقدار متوسط سیگنال. 42

4-2-3- حذف نویز ناشی از برق شهر. 43

4-2-4- هموارسازی سیگنال. 43

4-2-5- پنجره‌گذاری سیگنال. 43

4-2-6- آزمون همبستگی و حذف ضربان‌های نا‌همبسته. 44

4-2-7- انتخاب داده‌های آموزش و آزمون. 44

4-3- ویژگی‌های سیگنال. 47

4-3-1- استخراج ویژگی.. 47

4-3-1-1- ویژگی زمانی.. 47

4-3-1-2- ویژگی موجک… 47

4-3-1-3- ویژگی AR.. 47

4-3-1-4- شناسایی نقاط پراهمیت سیگنال با بهره گرفتن از PCA.. 48

4-3-2-ترکیب و ادغام ویژگی‌ها 48

4-3-2-1- انتخاب ویژگی با PCA.. 48

4-3-2-2- انتخاب ویژگی با mRMR.. 49

4-3-2-3- انتخاب ویژگی با بهره گرفتن از الگوریتم فاخته. 49

4-4- طبقه‌بندی با بهره گرفتن از SVM… 51

فصل پنجم                 نتیجه‌گیری.. 55

5-1- مقدمه. 56

5-2- مقایسه و نتیجه‌گیری.. 56

5-4- ارائه پیشنهاد. 57

منابع : 58

 

1-1- مقدمه

سیگنال تابعی از یك یا چند متغیر مستقل است كه اطلاعاتی را در مورد یك پدیدة فیزیكی یا بیولوژیكی در بردارد. موجودات زنده از سلول گرفته تا ارگان‌های بدن، سیگنال‌هایی با منشاء بیولوژیكی تولید می كنند. این سیگنال‌ها به صورت الكتریكی، مكانیكی یا شیمیایی‌اند. سیگنال‌های الكتریكی نتیجة دپلاریزاسیون سلول‌های عصبی یا ماهیچة قلبی‌اند. صدای تولید شده توسط دریچه‌های قلب نمونه‌ای از سیگنال‌های مكانیكی است. این سیگنال‌های بیولوژیكی یا سیگنال‌های حیاتی برای تشخیص پزشكی و تحقیقات زیست-پزشكی مورد استفاده قرار می‌گیرند.

سیگنال‌های حیاتی در سطح بدن وضعیت درونی و فعالیت الكتریكی بدن را منعكس می‌كنند. بنابراین با بهره گرفتن از اندازه‌گیری غیر تهاجمی اطلاعاتی درباره ارگان‌های داخلی فراهم می‌کند. الكتروكاردیوگرام توسط كاردیولوژیست‌ها برای اهداف تشخیصی استفاده می‌شود و اطلاعات كلیدی درباره فعالیت الكتریكی ECG[1] ارائه می‌دهد. بنابراین با نمایش دائمی این سیگنال 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 مسئله

قلب 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 راه های شناخته شده برای تشخیص به موقع این آریتمی‌ها بررسی فعالیت‌های الکتریکی قلب با بهره گرفتن از سیگنال‌های الکتروکاردیوگرافی یا به اختصار ECG، است. تغییرات معنی داری از ساختار قلب بیماران و ضربان‌های آن با بهره گرفتن 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[.

برای طراحی یك سیستم هوشمند تشخیص آریتمی‌های قلبی از روی سیگنال‌های الكتروكاردیوگرافی،لازم است ابتدا ویژگی های مناسبی از روی این سیگنال‌ها استخراج شود. با توجه به اینكه ضرایب موجك قادرند اطلاعات زمان-فركانس سیگنال را به طور توام توصیف كنند، یکی از انتخاب ها برای استخراج ویژگی از یك سیگنال الكتروكاردیوگرافی خواهد بود. در این راستا باید تعداد سطوح تجزیه و نوع موجك مشخص شوند. همچنین، نتایج تحقیقات قبلی نشان داده است كه برای استخراج ویژگی از سیگنال‌های الكتروكاردیوگرافی خانواده دابیچز و هار در مقایسه با سایر موجك‌ها بسیار مناسب‌تر هستند ]4[. تشخیص پزشك براساس اطلاعات زمانی و ریخت‌شناسی استخراج شده از سیگنال الكتروكاردیوگرافی است. در حالی كه گاهی اوقات تحلیل موجک بر روی سیگنال‌های قلبی به تنهایی برای طبقه‌بندی کافی نیست و به همین دلیل استفاده از دیگر ‌مشخصه‌ های 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[.

1-3- ضرورت و اهمیت تحقیق

از آنجائی که ECG پزشک را قادر می­سازد تا فعالیت الکتریکی قلب را ثبت کند، می­توان به کمک آن بیماری‌های قلبی را تشخیص داد. برای از بین بردن خطای انسانی و همچنین استفاده از بانک­های اطلاعاتی موجود در تشخیص دقیق و سریع بیماری­ها، از آنالیز خودکار کامپیوتری استفاده می‌شود.. بنابراین در این پژوهش سعی در  تشخیص خودکار بیماری‌های قلبی شده که در آینده­ای قابل پیش­بینی سبب حذف اشتباهات انسانی در تشخیص بیماری­ها می‌شود. هدف از انجام این تحقیق ارائه یک روش مناسب برای تشخیص خودکار 5  بیماری‌ مهم قلبی، شامل نارسائی­های RBBB[2]،LBBB[3]   و  PVC[4] وAPC[5]  وP[6]  می‌باشد.

1-4- روش تحقیق

در این پژوهش ابتدا داده‌های مربوط به سیگنال ECG از پایگاه داده تهیه می‌شود و پیش پردازش آن‌ها جهت انتخاب سیگنال‌های مناسب و همچنین پنجره‌گذاری روی آنها انجام خواهد شد. سپس ویژگی های مناسبی استخراج و بر اساس این ویژگی‌ها عمل طبقه‌بندی انجام می‌شود. مراحل فوق با بهره گرفتن از نرم افزار متلب صورت خواهد گرفت.

 

 

1-5- تعریف مفاهیم

سیگنال الکتریکی قلب:

انتشار پتانسیل عمل در قلب، یک جریان ایجاد می‌کند. این جریان به نوبه خود تولید یک میدان الکتریکی می‌نماید که می‌تواند با بهره گرفتن از یک سیستم اندازه‌گیری ولتاژ تفاضلی به صورت خیلی ضعیف در سطح بدن بدست آید. سیگنال اندازه‌گیری شده به این طریق، هنگامی که به وسیله الکترودهایی در مکان‌های استاندارد گرفته شود، به عنوان الکتروکاردیوگرام یا به اختصار ECG شناخته میشود. سیگنال ECG معمولی، در رنج ±2mv است و برای ثبت آن نیاز به دستگاهی با پهنای باند 0.5 تا 15هرتز می‌باشد. به عبارت دیگر ECG یک نمایش گرافیکی از فعالیت قلب به صورت سیگنال الکتریکی است که در طول یک دوره زمانی ثبت شده است[5].

وجود فعالیت الكتریكی برای ایجاد ضربان در قلب ضروری است. خون‌رسانی كافی به بافت‌‌های بدن، مستلزم تعداد ضربان كافی قلب بوده و هم چنین باید زمان‌بندی و توالی انقباضات عضلانی قلب به دقت هماهنگ باشند. ضربان‌ساز طبیعی قلب، “گره سینوسی- دهلیزی SA ” است كه یك گروه میكروسكوپی از سلول‌های الكتریكی تخصص یافته قلبی می‌باشند و در بالای دهلیز  راست واقع شده‌اند. به دنبال ایجاد یك تحریك الكتریكی توسط “گره سینوسی– دهلیزی “، یك ضربان قلب ایجاد می‌شود. این تحریك از طریق مسیرهای اختصاصی به سلول‌های بافت عضلانی دیواره‌های قلب منتقل می‌شود. این تحریك ابتدا حفره‌های فوقانی قلب یعنی دهلیزها را منقبض می‌كند و خون را به داخل بطن‌ها  می‌راند. سپس تحریك به ناحیه دیگری از سلول‌های الكتریكی تحت عنوان “گره دهلیزی- بطنی “، كه در بالای بطن‌ها واقع شده است، منتقل می‌گردد. این گره به شكل یك ایستگاه تأخیری در مسیر تحریك عمل می‌كند و اجازه می‌دهد دهلیزها به طوركامل تخلیه شوند. پس از یك فاصله كوتاه زمانی، تحریك از طریق مسیرهای شاخه‌ای وارد بطن‌ها شده و منجر به‌انقباض آنها می‌گردد.

سیگنال ECG در طول هر سیکل کاری قلب، دارای منحنی مشخصه‌ای به صورت شکل 1-1 است.

تعداد صفحه : 71

قیمت :14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        *       serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.