طبقه¬بندي سيگنال¬هاي الكتروكارديوگرام با استفاده از شبكه عصبي پس انتشار و EEMD

سيگنال الكتروكارديوگرام(ECG)، يكي از مهمترين ابزار¬ها براي طبقه¬بندي انواع مختلف آريتمي¬هاي قلبي است. از آنجا كه سيگنال¬هاي مورد پردازش بصورت واقعي از افراد اخذ مي¬شوند، به احتمال زياد حاوي نويزهاي مختلفي چون نويز ماهيچه¬اي يا تداخل خط تغذيه هستند. بنابراين قبل از پردازش و طبقه¬بندي سيگنال¬هاي الكتروكارديوگرام، نياز است مرحله¬ي پيش¬پردازش كه همان كاهش نويز است، انجام گردد. به علت غيرايستا بودن اين سيگنال، تكنيك تجزيه به روش تجربي مجموع(EEMD) پيشنهاد داده مي¬شود. پس از مرحله¬ي حذف نويز، با استفاده از تكنيك تجزيه¬ي بسته¬ي موجك، ويژگي¬هاي آماري استخراج و بين صفر و يك نرماليزه مي¬شوند. در نهايت به كمك شبكه عصبي پس انتشار، سيگنال¬ها براساس ويژگي¬هاي آماري استخراج شده، طبقه¬بندي مي¬گردند. در شبيه¬سازي اين مقاله، تعداد 17 عدد سيگنال الكتروكارديوگرام، از پايگاه داده¬ي MIT-BIH، اخذ شده است كه در مرحله¬ي طبقه¬بندي در 6 كلاس مختلف قرار مي¬گيرند. الگوريتم شبكه¬ي عصبي پس انتشار با استفاده از EEMD، نتايج طبقه¬بندي بسيار خوبي با دقت 33/99 درصد را بدست آورده است.