Hesam Hafezossehe

M.Sc

پایش بلند مدت سیگنال های الکتروکاردیوگرام 12 کاناله با استفاده از الگوریتم های یادگیری ماشین

Abstract

هدف این پژوهش ارایه مدلی برای پایش بلند مدت سیگنال‌های الکتروکاردیوگرام ( ECG) و تشخیص نقطه تغییر با استفاده از روش های یادگیری ماشین است. سیگنال‌های ECG به طور معمول ۱۲ کاناله می باشند که هر کانال یک دید متفاوتی از عملکرد قلب فرد نشان می‌دهد. پس از جداسازی هر دوره سیگنال ECG و اعمال فیلتر برای رفع نویز و انحراف از خط پایه، سیگنال‌های پیش پردازش شده را با یک تنسور با مرتبه سه با ابعاد ضربان قلب در نقاط نمونه در کانال نمایش می‌دهیم. از آنجاییکه ابعاد تنسور بالا می‌باشد با استفاده از روش تحلیل مؤلفه اصلی تابعی چند متغیره وزن دار ( WMFPCA)، اولا کاهش بعد میدهیم، ثانیا همبستگی بین کانال‌های مختلف و همچنین تغییرات هر کانال را با اختصاص دادن وزن به هر تابع ویژه مرتبط با هر کانال در نظر میگیریم. امتیازات حاصل شده از WMFPCA را به یک روش تشخیص نقطه تغییر بدون نظارت می‌دهیم و با انجام شبیه سازی مونت کارلو محدوده کنترل را تعیین میکنیم. سپس در فاز دوم داده‌های جدید را در دراز مدت پایش می‌کنیم.