تحلیل الکتروکاردیوگرام انسان جهت سیستم شناخت بیومتریک با استفاده از مدل خودهمبسته Autoregressive و الگوریتم رقابت استعماری

الکتروکاردیوگرام یک اندازه گیری سطحی پوستی از فعالیت الکتریکی قلب در طول زمان است. این فعالیت بواسطه الکترودهای نصب شده روی سطح پوست تشخیص داده می شود و به وسیله یک دستگاه پزشکی خارجی ضبط یا نمایش داده می شود. پزشکان برای شناسایی و تشخیص شرایطی همچون آریتمی ها (ریتم های قلبی غیر طبیعی) و گرفتگی های عضلات قلب (حملات قلبی) از الکترودکاردیوگرام ها استفاده می کنند. ECG یک قسمت متداول هر ارزیابی پزشکی کامل و به عنوان یک آزمایش تشخیصی برای بیش از 70 سال استفاده شده است. ECG هدایت یون ها از طریق عضله قلب که با هر ضربان قلب تغییر می کند را تشخیص می دهد. کار توصیف شده در این مقاله تحقیق روی سیستم طراحی شده برای کاربرد بیومتریک بر پایه ویژگی های مدلسازی و تحلیلی است که الکتروکاردیوگرام هر شخص را به تنهایی شناسایی می کند. هدف از هر سیستم طراحی شده بیومتریک و طبقه بندی الکتروکاردیوگرام بیان شده در این کار به دست آوردن نرخ صحت بالا در زمان شناسایی الکتروکاردیوگرام است. سیستم های بیومتریک و طبقه بندی الکتروکاردیوگرام شامل چهار گام اصلی است: پیش پردازش سیگنال الکتروکاردیوگرام، تشخیص مجموعه QRS استخراج ویژگی و الکوریتم های طبقه بندی، سیستم های توسعه یافته بر پایه مدل های autoregressive برای طراحی سیستم بیوتریک الکتروکاردیوگرام و بهینه سازی درجه مدل خود همبسته با استفاده از الگوریتم رقابت استعماری نرخ طبقه بندی با بازدهی سطح بالا را به علت تعداد کم پارامترهای استخراج شده با استفاده از مدل autoregressive به دست آورد. در این کار برای پایگاه داده در بازه 1 تا 20 بهینه تریندرجه داده شده توسط الگوریتم رقابت استعماری درجه 10 باتناسب 99 درصد است. سیستم بیومتریک الکتروکاردیوگرام پیشنهادی این کار نرخ طبقه بندی صحیح 100 درصدی را در شناسایی سیگنال های الکتروکاردیوگرام هر شخص به صورت جداگانه را نتیجه داد. در این کار، ثابت شده است که مدل های autoregressive می توانند سیگنال های الکتروکاردیوگرام با صحت 99 درصدی و تطبیق بین سیگنال های الکتروکاردیوگرام اصلی ومدل شده را نمایش دهد

Keywords:

الکتروکاردیوگرام , بیومتریک , مدل خودهمبسته , الگوریتم رقابت استعماری