حذف نویز سیگنال ECG مبتنی بر شبکه عصبی کانولوشنی

در این مقاله یک سیستم نوین برای حذف نویز از سیگنال ECG مبتنی بر شبکه عصبی کانولوشنی (CNN) ارائه شده است. هدف این سیستم حذف نویزها با حفظ ویژگی های شکلی سیگنال قلبی و بازسازی دقیق آن در شرایط نزدیک به کاربردهای واقعی است. نویزهای مورد بررسی شامل نویز عضلانی (EMG)، تداخل برق شهر و هارمونیک های آن در فرکانس های ۵۰، ۱۰۰ و ۱۵۰ هرتز و نیز انحراف خط پایه هستند که از مهم ترین عوامل تخریب کننده سیگنال ECG به شمار می روند. عملکرد روش پیشنهادی با فیلتر تطبیقی LMS به عنوان روش مرجع مقایسه شده است. نتایج آزمایش ها نشان می دهد که سیستم پیشنهادی به طور میانگین حدود ۶ تا ۷ دسی بل بهبود در نسبت سیگنال به نویز خروجی (SNR) ایجاد می کند در حالی که فیلتر LMS تنها حدود ۲ تا ۷ دسی بل بهبود دارد، همچنین مقدار خطای میانگین مربعات (MS) در روش پیشنهادی حدود ۵ تا ۱۰ برابر کمتر از فیلتر LMS است. این نتایج نشان می دهد که روش پیشنهادی در حذف نویز، بازسازی دقیق سیگنال تمیز و حفظ شکل موج قلبی در سطوح مختلف SNR عملکرد موثری دارد.

کلیدواژه ها:

سیگنال الکتروکاردیوگرام (ECG) ، شبکه عصبی کانولوشنی (CNN) ، حذف نویز ، یادگیری عمیق ، میانگین مربع خطا (SE)