اختلالات قلبی بر اساس الگوریتم بهینه سازی ژنتیک

دسته بندی ضربان الکتروکاردیوگرام ECG براساس ویژیگی طیفی، توصیفگرهای شکل شناسی سیگنال و شبکه عصبی برای تشخیص نه کلاس آریتمی قلبی. اما به دلیل بالا بودن ابعاد بردار ویژیگی از الگوریتم PSO جهت انتخاب بردار ویژیگی بهینه استفاده شده است که بعدبردار ویژیگی از 131 به 73 کاهش پیدا کرد. در این حالت زمان پردازش ه الگو تقریبا سه برابر سریعتر شده و دقت کلی نیز 0/03 درصدافزایش یافته است. در نهایت با انجام یکسری تست ها عملکرد سیستم ها در مقابل نویز بررسی گردید. درصد تشخیص کلاس نرمال، درسیگنال به نویز بالای بررسی گردید. درصد تشخیص کلاس نرمال، در سیگنال به نویز بالای 30dB که نویز 100 درصد می باشد. عملکردسیستم ها در نویز به سیگنال بالاتر از 20dB که نویز 10 درصد بزرگی سیگنال را دارد. همچنان بالا بوده و افت اندکی داشته است. در کلمشخص ایت که سیستم از توانایی بالایی جهت کار در محیط نویزی برخوردار است.

کلیدواژه ها:

سیگنال ECG ، ویژگی شکل شناسی ECG ، شبکه عصبی ، الگوریتم PSO