جلال یاکشی - کارشناس مهندسی کامپیوتر نرم افزار، بوکان
سحر معروفی - کارشناسی مهندسی تکنولوژی نرم افزار دانشگاه آزاد اسلامی واحد بوکان

دسته بندی ضربان الکتروکاردیوگرام ECG براساس ویژگی طیفی، توصیف گرهای شکل شناسی سیگنال و شبکه عصبی برای تشخیص نه کلاس آریتمی قلبی. اما به دلیل بالا بودن ابعاد بردار ویژگی از الگوریتم PSO جهت انتخاب بردار ویژگی بهینه استفاده شده است که بعد بردار ویژگی از 131 به 73 کاهش پیدا کرد. در این حالت زمان پردازش 5 الگو تقریبا سه برابر سریع تر شده و دقت کلی نیز 0/03 درصد افزایش یافته است. در نهایت با انجام یکسری تست ها عملکرد سیستم ها در مقابل نویز بررسی گردید. درصد تشخیص کلاس نرمال، در سیگنال به نویز بالای بررسی گردید. درصد تشخیص کلاس نرمال، در سیگنال به نویز بالای 30dB که نویز 100 درصد می باشد. عملکرد سیستم ها در نویز به سیگنال بالاتر از 20dB که نویز 10 درصد بزرگی سیگنال را دارد. همچنان بالا بوده و افت اندکی داشته است. در کل مشخصات است که سیستم از توانایی بالایی جهت کار در محیط نویزی برخوردار است.

سیگنال ECG، ویژگی شکل شناسی ECG، شبکه عصبی، الگوریتم PSO