استخراج ویژگی ها و طبقه بندی سیگنال ECG با استفاده از تبدیل موجک و شبکه های پیشرفته عصبی فازی (FANN)

در این مقاله روشی برای تجزیه و تحلیل سینگنال الکتروکاردیوگرام با استفاده از شکل موج –PQRSTU، ارائه شده است که برای تشخیص بیماری های قلبی استفاده می شود. اساس این روش استفاده از منطق فازی و شبکه های عصبی مصنوعی (FANN) است که به منظور طبقه بندی سیگنال های متفاوت الکتروکاردیوگرام استفاده می شود. طبقه بندی، با استفاده از پالس های مختلفی (مانند V6, V5, V4, V3, V2, V1 و غیره) که مربوط به لایه های پنهان شبکه عصبی مصنوعی است، انجام می شود. مانند، موج P- فاصله –PR، فاصله –QRS، فاصله –ST، موج –T و غیره، این موارد به عنوان تجزیه و تحلیلی برای هر یک از پالس های ورودی، مطرح می شوند. که برای آموزش شبکه های عصبی مورد ا ستفاده قرار می گیرند. خروجی حاصل از شبکه عصبی منجر به ایجاد مجموعه فاکتورهای وزنی مربوط به هر یک از سیگنال ها می شود. سیستم ما با دقت 98%، دارای مزایای بسیاری از جمله کارآیی بهتر و سادگی می باشد.

کلیدواژه ها:

الکتروکاردیوگرام ، منطق فازی ، شبکه های عصبی مصنوعی ، ویژگی زمانی و تبدیل موجک ، آریتمی های قلبی ، موج PQRST