عاطفه تقدیس - دانشکده تحصیلات تکمیلی آزاد اسلامی واحد بوشهر
مهران یزدی - دانشکده فنی مهندسی دانشگاه شیراز، گروه برق و کامپیوتر
سید علی موسوی - دانشگاه تحصیلات تکمیلی واحد بوشهر

با توجه به رویکرد روز افزون دانشکمدان در استفاده از روش های هوشمند جهت بدست آوردن تمامی لیدهای استاندارد سیگنالهای قلبی از مجموعه کمتری از لیدها، در این پژوهش شبکه های عصبی به طور کامل مورد ارزیابی قرار گرفته شد تا بتوان با بکارگیری آن روشی را به منظور استخراج 12 لبه استاندارد ECG ارائه نمود. در این روش برای پیشگیری از Overfitting در آموزش شبکه عصبی، الگوریتم Early Stopping جدیدی مبتنی بر خوشه بندی فازی بر روی داده ها اعمال شده است که از ترکیب FCM و خوشه بندی تفاضلی بدست می آید. این الگوریتم امکان تقسیم بندی بهینه ی داده های آموزش، معتبرسازی و آزمایش را برای ما فراهم می آورد. نتایج آزمایش روش پیشنهادی بر روی بیماران نشان می دهد که در مقایسه با دیگر الگوریتم ها، الگوریتم ارائه شده از توانایی بسیار بالاتری در تخمین سیگنال ها برخوردار است. خطاهای بسیار پایین (MSE<0.0002) در مرحله آزمایش شبکه عصبی و شباهت بسیار زیاد سیگنالهای اصلی با سیگنال های تخمین زده شده (Correlation 0.98) بیان کننده ی این موضوع می باشد.

شبکه عصبی، نوار قلب، Early Stopping Algorithm. FCM. Fuzzy Clustering