دانلود پایان نامه ارشد : بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

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

دانشکده برق و کامپیوتر

                                                                                

پایان‏نامه جهت اخذ درجه کارشناسی ارشد

 رشته مهندسی پزشکی

عنوان:

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

استاد راهنما:

دکتر 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 یکی از بیماری‌های قلبی بوده که 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 استفاده 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 کمک شبیه‌سازی کامپیوتری،صحت کلی 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 استفاده از موجک و شبکه عصبی.. 10

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

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

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

2-6- طبقه‌بندی آریتمی‌های قلبی با استفاده 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 استفاده 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 استفاده از خواص مورفولوژی.. 14

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

2-14- انتخاب ویژگی با استفاده 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 استفاده 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 استفاده از الگوریتم فاخته. 49

4-4- طبقه‌بندی با استفاده 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 یک یا چند متغیر مستقل است که اطلاعاتی را در مورد یک پدیده فیزیکی یا بیولوژیکی در بردارد. موجودات زنده از سلول گرفته تا ارگان‌های بدن، سیگنال‌هایی با منشاء بیولوژیکی تولید می کنند. این سیگنال‌ها به صورت الکتریکی، مکانیکی یا شیمیایی‌اند. سیگنال‌های الکتریکی نتیجه دپلاریزاسیون سلول‌های عصبی یا ماهیچه قلبی‌اند. صدای تولید شده توسط دریچه‌های قلب نمونه‌ای از سیگنال‌های مکانیکی است. این سیگنال‌های بیولوژیکی یا سیگنال‌های حیاتی برای تشخیص پزشکی و تحقیقات زیست-پزشکی مورد استفاده قرار می‌گیرند.

سیگنال‌های حیاتی در سطح بدن وضعیت درونی و فعالیت الکتریکی بدن را منعکس می‌کنند. بنابراین با استفاده از اندازه‌گیری غیر تهاجمی اطلاعاتی درباره ارگان‌های داخلی فراهم می‌کند. الکتروکاردیوگرام توسط کاردیولوژیست‌ها برای اهداف تشخیصی استفاده می‌شود و اطلاعات کلیدی درباره فعالیت الکتریکی 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 راههای شناخته شده برای تشخیص به موقع این آریتمی‌ها بررسی فعالیت‌های الکتریکی قلب با استفاده از سیگنال‌های الکتروکاردیوگرافی یا به اختصار ECG، است. تغییرات معنی داری از ساختار قلب بیماران و ضربان‌های آن با استفاده 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 یک سیستم هوشمند تشخیص آریتمی‌های قلبی از روی سیگنال‌های الکتروکاردیوگرافی،لازم است ابتدا ویژگی های مناسبی از روی این سیگنال‌ها استخراج شود. با توجه به اینکه ضرایب موجک قادرند اطلاعات زمان-فرکانس سیگنال را به طور توام توصیف کنند، یکی از انتخاب ها برای استخراج ویژگی از یک سیگنال الکتروکاردیوگرافی خواهد بود. در این راستا باید تعداد سطوح تجزیه و نوع موجک مشخص شوند. همچنین، نتایج تحقیقات قبلی نشان داده است که برای استخراج ویژگی از سیگنال‌های الکتروکاردیوگرافی خانواده دابیچز و هار در مقایسه با سایر موجک‌ها بسیار مناسب‌تر هستند ]4[. تشخیص پزشک براساس اطلاعات زمانی و ریخت‌شناسی استخراج شده از سیگنال الکتروکاردیوگرافی است. در حالی که گاهی اوقات تحلیل موجک بر روی سیگنال‌های قلبی به تنهایی برای طبقه‌بندی کافی نیست و به همین دلیل استفاده از دیگر ‌مشخصه‌های 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 استفاده 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 استفاده 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 الکتریکی برای ایجاد ضربان در قلب ضروری است. خون‌رسانی کافی به بافت‌‌های بدن، مستلزم تعداد ضربان کافی قلب بوده و هم چنین باید زمان‌بندی و توالی انقباضات عضلانی قلب به دقت هماهنگ باشند. ضربان‌ساز طبیعی قلب، “گره سینوسی- دهلیزی SA ” است که یک گروه میکروسکوپی از سلول‌های الکتریکی تخصص یافته قلبی می‌باشند و در بالای دهلیز  راست واقع شده‌اند. به دنبال ایجاد یک تحریک الکتریکی توسط “گره سینوسی– دهلیزی “، یک ضربان قلب ایجاد می‌شود. این تحریک از طریق مسیرهای اختصاصی به سلول‌های بافت عضلانی دیواره‌های قلب منتقل می‌شود. این تحریک ابتدا حفره‌های فوقانی قلب یعنی دهلیزها را منقبض می‌کند و خون را به داخل بطن‌ها  می‌راند. سپس تحریک به ناحیه دیگری از سلول‌های الکتریکی تحت عنوان “گره دهلیزی- بطنی “، که در بالای بطن‌ها واقع شده است، منتقل می‌گردد. این گره به شکل یک ایستگاه تأخیری در مسیر تحریک عمل می‌کند و اجازه می‌دهد دهلیزها به طورکامل تخلیه شوند. پس از یک فاصله کوتاه زمانی، تحریک 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 : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

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

پشتیبانی سایت :        09199970560        info@arshadha.ir

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.

شماره کارت :  6037997263131360 بانک ملی به نام محمد علی رودسرابی

11

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید