1 / 1

一、摘要

高苑科技大學電機系 96 學年度學生專題成果展示. 應用分類增強智慧型小波網路於心律不整辨識之研究 學制:四技 / 二技 / 五專 學生姓名: XXX XXX 指導老師: XXX. 一、摘要

Télécharger la présentation

一、摘要

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 高苑科技大學電機系96學年度學生專題成果展示高苑科技大學電機系96學年度學生專題成果展示 應用分類增強智慧型小波網路於心律不整辨識之研究 學制:四技/二技/五專 學生姓名:XXX XXX 指導老師:XXX 一、摘要 心電圖(Electrocardiogram,ECG)係心臟脈動電位變化的圖形,由於心電圖各種波形之形狀及其間隔與心臟之電氣特性有直接的關係,醫生可藉由心臟異常電氣訊號的狀況,診斷出各種不同的心臟疾病,並用來監測病患的病情發展及評估治療的成效。隨著醫用儀器製造技術的進步,記錄器的裝置愈輕巧,病患可在日常生活中攜戴在身上,能夠把發作的異常情形記錄下來,事後醫生根據記錄資料研判症狀,有鑑於醫用儀器祇著重於生理訊號及心率(Heart Rate)的記錄,無法自動偵測的缺失,本計劃將發展自動偵測的演算法,應用分類增強小波網路(Classification Enhancible Wavelet Network)建構智慧偵測流程,並在個人電腦進行檢測以驗證可行性,期望未來可從事偵測各 種病症的應用,及將本計劃所發展的診斷演算法併入醫用分析儀器。 二、材料與方法 根據行政院衛生署統計資料顯示,心臟疾病已是臺灣十大死亡原因之一,能夠早期發現心臟疾病並能即早 治療,已成為相當重要的研究主題。非侵入性生理訊號 的檢驗方式,係一般醫院較常採用的方法,結合醫用量測儀器記錄ECG訊號,藉由觀察異常的心臟電氣訊號辨識病症,此檢測方式具有非侵入性、易取得、易讓受測者接受、及不會引起受測者排斥等優點,ECG資料在臨床診斷上是不可或缺的參考依據,然而醫生需要透過眾多的記錄檢查出病因所在,藉由人力方式往往因注意力不集中,或疲累造成誤判的情況。一個心跳週期的波形以QRS波(QRS Complex)最為明顯,QRS波可提供心跳週期及心率變異(Heart Rate Variability, HRV)的分析,正常的QRS波的頻寬範圍介於4~20Hz,波形呈現高聳尖銳的形狀,若電氣訊號的源頭及傳導路徑發生異常,低頻成份較為明顯且振幅隨頻率增加而減少,以往文獻提出以「頻域技術」及「時域技術」萃取特徵值,並結合人工智慧方法辨識心臟疾病。本計劃以小波網路(WN)發展輔助心律不整(Arrhythmia)辨識的診斷演算法,小波網路包含小波層(Wavelet Layer)及神經網路層(Neural Network Layer),此概念係以小波層節點接受QRS波的樣本訊號,並將輸入訊號以小波為基礎的激發函數產生特徵值,小波函數採用Morlet小波(Morlet Wavelet)函數,小波層所產生的特徵值再藉由神經網路層,辨識心房或心室型等心律不整的症狀,期望結合特徵值萃取及圖樣辨識的功能,以人工智慧方法建構輔助診斷演算 法,如圖1所示。 三、結果與討論 本計劃以MIT-BIH心律不整資料庫(MIT-BIH Arrhythmias Database)取得資料,該資料由麻省理工學院(Massachusetts Institute of Technology)與波士頓貝色醫院(Beth Israel Deaconess Medical Center)共同匯整的原始資料庫,該資料庫已獲得研究心臟病機構普遍使用的標準測試資料,資料庫包含47位病患之48組資料(編號201和202取自相同病患)。ECG波形中以R波的振幅最大且最明顯,透過峰值偵測方法搜尋R波位置,在時間軸上移動取樣視窗,當搜尋到R波位置,以R波為中心取得100個樣本點(前50個樣本點、後50個樣本點),每個取樣視窗約280ms的寬度,將採樣的QRS複合波以小波函數擷取特徵值,擴張參數d=3,總共取得43組特徵值,細分成正常心跳()、心室期外收縮(V)、心房期外收縮(A)、左束分支阻塞(L)、右束分支阻塞(R)、Paced Beat(P)、及Fusion of Paced and Normal Beat(F)等七種症狀。 本計劃所提出的偵測演算方法,在MATLAB工作環境下撰寫程式,並在EXCEL工作環境下儲存訓練資料和病患相關資料,為了驗證偵測方法的可行性,在個人電腦(PC Pentium-IV 2.4GHz,480MB RAM)上執行案例測試。 包括(1)研究方法特性測試;(2)案例1心室型心律不整測試 ;(3)案例2多種類型測試。 圖1. 小波網路架構圖 (1) 研究方法特性測試 註:K1=Knor+KV=18; K2=K1+KA=20; K3=K2+KL=27;K4=K3+KR=35; K5=K4+KP=41; K6=K5+KF=43. 圖2. 小波網路訓練特性曲線 (2) 案例1心室型心律不整測試 圖3. 心室期外收縮ECG圖形及特徵圖樣 (編號-119) 圖4. 心室期外收縮追蹤測試結果 (編號-119) (3) 案例3多種類型測試 圖5. Paced Beat的ECG圖形及特徵圖樣(編號-217) 圖6. 心室期外收縮追蹤測試結果 (1.編號-217; 2.:辨識錯誤)

More Related