عنوان پایان‌نامه
طراحی و پیاده سازی سخت افزار سیستم الکتروکاردیوگراف جهت ثبت محتویات فرکانس بالای ECG
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1867;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 48372
- تاریخ دفاع
- ۲۵ اسفند ۱۳۸۹
- دانشجو
- علی حیدرنژاد
- استاد راهنما
- سیدکمال الدین ستاره دان
- چکیده
- استفاده از سیگنال‌های ECG استاندارد در تشخیص برخی از آریتمی‌های قلبی و همچنین مشکلات عضله‌های قلبی امری متداول در پزشکی امروزی است. یکی از بیماری‌های اصلی قلب گرفتگی عروق کرونر (عروق تغذیه کننده‌ی عضلات قلبی) و نتیجتاً ایجاد ایسکمی در این عضلات می‌باشد که منجر به دردهای قفسه‌ی سینه و در موارد پیشرفته‌‌تر موجب از بین رفتن عضلات قلبی و نتیجتا مرگ بیمار می‌شود.مطالعات اخیر نشان داده است که وجود ایسکمی در عضلات قلبی موجب تغییرات در شکل و دامنه‌ی مؤلفه‌های فرکانس بالا در سیگنال ECG در محدوده‌ی Hz 250-150 می‌شود. به علاوه، تغییرات این مؤلفه‌ها در اثر بیماری انفارکتوس قلبی مورد توجه محققین قرار گرفته است. در تحقیق حاضر به طراحی و پیاده‌سازی سخت‌افزار ECG با قابلیت ثبت مؤلفه‌های فرکانس بالای فوق الذکر پرداخته شد. به علاوه، به بخش پردازشی کار نیز توجه گردید و ویژگی‌های متفاوتی بر روی لیدهای مختلف ECG امتحان شد. ویژگی جدیدی که در این کار مورد توجه قرار گرفت ، ویژگی آنتروپی طیف فوریه بود. نتایج تحقیق نشان داد که این ویژگی در تمامی لیدهای اندامی نرخ تشخیص بالاتری از ویژگی متداول RMS را داراست. در نهایت ویژگی‌های انتخابی از سوژه‌های پایگاه داده‌ی PTB استخراج گردید و ترکیبی زیربهینه از این ویژگی‌ها به منظور تشخیص بیماری انفارکتوس قلبی به کمک روش جستجوی ساده یافت شد. با استخراج این ویژگی‌ها و به کمک دسته‌بندی کننده‌ی خطی، به نرخ تشخیص صحیح 88% (21 تشخیص صحیح از 24 سوژه) سالم از بیمار دست یافتیم. به علاوه، از ویژگی‌های استخراجی برای تست صحت عملکرد دستگاه استفاده شد. مشاهده گردید که مقدار ویژگی آنتروپی طیف فوریه در فرد سالم از فرد بیمار در داده‌های ثبت شده بیش‌تر است (P < 0.05). کلید واژه: معماری Sallen-Key، فیلتر Butterworth، استخراج ویژگی، دسته‌بندی کننده خطی، کمپلکس QRS، مؤلفه‌های فرکانس بالا، میانگین‌گیری
- Abstract
- Using standard ECG signals in diagnosis of some of myocardial Arrhythmia and in myocardium disorders is conventional method in today’s medicine. One of the main problems associated with heart function is the occlusion of coronary arteries, which supply blood to the myocardium. This causes ischemia in myocardium which results in chest pain and in advanced cases, results in myocardial infarction and patient’s death. Recent studies have indicated that myocardial ischemia results in some changes in the amplitude and morphology of the high frequency contents of the ECG signal (Ranging from 150 to 250 Hz). In addition, changes due to myocardial infarctions in these frequency contents of the ECG signal has been considered by many researchers in the past. In this study, design and implementation of ECG hardware capable of recording high frequency contents of the electrocardiogram have been performed. In addition, in the processing section, variety of features were tested on different ECG leads. A new feature which was used in this work, was Entropy of fourier spectrum. Results showed that this feature has a better detection rate than conventional feature of RMS (Root-Mean-Square) in all limb leads. At last, selected features were extracted of PTB database subjects and a sub-optimal combination of these features for detecting myocardial infarction using exhaustive search algorithm was found. Using these features and a linear classifier, a detection rate of 88% (21 accurate detection out of 24 subjects) was achieved. Moreover, these features were used for hardware validation. It was observed that the entropy of the fourier spectrum feature in healthy subject was more than the amount of this parameter in patient (P-value < 0.05). Keywords: Sallen-Key Architecture, Butterworth Filter, Feature extraction, Linear Classifier, QRS complex, High-Frequency components, Averaging
