بکارگیری فیلتر وفقی برای حذف نویز از سیگنال های ECG با استفاده از تبدیل موجک و یادگیری عمیق

Authorsحسن فرسی,صابر فولادی,فریما فرسی
Journalسلامت و زیست پزشکی
Page number۳۱۸-۳۲۵
Serial number۷
Volume number۳
Paper TypeFull Paper
Published At۲۰۲۰
Journal GradeISI
Journal TypeTypographic
Journal CountryIran, Islamic Republic Of
Journal Indexisc

Abstract

مقدمه: الکتروکاردیاگرام یکی از روش¬های اندازه¬گیری فعالیت¬های الکتریکی قلب است که با قرار دادن الکترودهایی روی سطح بدن انجام می¬شود. پزشکان برای تشخیص و شناسایی بیماری¬های قلبی از ابزار مشاهده استفاده می¬کنند که این کار در سیگنال¬های ECG توسط متخصص قلب و عروق انجام می‌شود. بیماری¬های قلبی با بررسی نمایش گرافیکی سیگنال¬های قلبی که با عنوان ECG معرفی شد، انجام می¬شود. سیگنال¬های ECG به دلیل منابع خارجی یا سایر فرایند¬های فیزیولوژیکی بدن انسان با نویز همراه می¬باشد. روش: در این پژوهش یک فیلتر وفقی بر اساس تبدیل موجک و شبکه عصبی عمیق برای کاهش نویز پیشنهاد می¬گردد. این مجموعه ترکیبی از تبدیل ویولت، یادگیری وفقی و نگاشت غیر خطی از شبکه¬های عصبی عمیق است. شبکه عصبی عمیق به کمک فیلتر وفقی برای کاهش نویز بیشتر از سیگنال ECG مورد استفاده قرار می¬گیرد. نتایج: مراحل آموزش و آزمون بر روی پایگاه داده معتبر PhysioNet مورد ارزیابی قرار می گیرد. معیار مورد نظر برای ارزیابی کیفیت روش پیشنهادی به منظور حذف نویز، نسبت سیگنال به نویز می¬باشد که هدف این پژوهش افزایش این نسبت می‌باشد که بیانگر بازدهی روش مبتنی بر تبدیل موجک و یادگیری عمیق می باشد. نتیجه‌گیری: نتایج حاصل از شبیه سازی نشان می دهد که روش پیشنهادی نسبت به روش های موجود حدود 9.56 درصد حذف نویز از سیگنال ECG را بهبود می بخشد. علت این امر آن است که ضرایب استخراجی از فیلتر وفقی با استفاده از شبکه عصبی عمیق بهینه می شوند به گونه ای که شکل موج با نویز کمتری را فراهم می آورد.

Paper URL

tags: سیگنال ECG، تبدیل موجک، یادگیری عمیق