ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΟΥ ΤΑΞΙΝΟΜΗΣΗΣ ΤΩΝ ΚΑΡΔΙΑΚΩΝ ΠΑΛΜΩΝ ΜΕ ΑΝΑΛΥΣΗ ΤΟΥ ΣΗΜΑΤΟΣ ΤΩΝ ΔΙΑΣΤΗΜΑΤΩΝ RR

Abstract

Η μελέτη βιοϊατρικών σημάτων αποτελεί τα τελευταία χρόνια ένα σημαντικό κομμάτι ερευνητικού ενδιαφέροντος και ένα σημαντικό εργαλείο για την παρούσα κατάσταση του ασθενούς. Το πιο γνωστό βιοϊατρικό σήμα θεωρείται το ηλεκτροκαρδιογράφημα που καταγράφει τα ηλεκτρικά δυναμικά που προέρχονται από τον καρδιακό μυ. Δεδομένου ότι η καρδιά αποτελεί ένα από τα σημαντικότερα όργανα του ανθρώπινου οργανισμού έχει αποτελέσει αντικείμενο μακροχρόνιας έρευνας. Η Διακύμανση Καρδιακού Ρυθμού, η οποία αναφέρεται στις μεταβολές του καρδιακού ρυθμού από παλμό σε παλμό, αποτελεί έναν από τους πιο αξιόπιστους δείκτες για την καρδιακή κατάσταση. Εξάγεται κατά κύριο λόγο από την ανάλυση του ηλεκτροκαρδιογραφήματος και θεωρείται από τις πιο σημαντικές προσεγγίσεις στη διάγνωση και την ανάλυση παθήσεων που σχετίζονται με την καρδιά. Στο πλαίσιο αυτό εντάσσεται και η παρούσα διπλωματική εργασία που έχει ως αντικείμενο την ανάλυση ορισμένων χαρακτηριστικών που αφορούν τη μεταβολή του καρδιακού ρυθμού. Αρχικά τα σήματα των διαστημάτων καρδιακών παλμών που εξάγονται ύστερα από επεξεργασία του ηλεκτροκαρδιογραφήματος αναλύονται σε μικρότερα παράθυρα. Στη συνέχεια, εξάγονται συγκεκριμένα χαρακτηριστικά με ανάλυση στο πεδίο του χρόνου. Από τη βάση δεδομένων που δημιουργείται, πραγματοποιείται η ταξινόμηση των χαρακτηριστικών με τεχνικές εκπαίδευσης σε νευρωνικά δίκτυα. Τα αποτελέσματα της κατηγοριοποίησης αξιολογούνται με βάση αξιόπιστους δείκτες αξιολόγησης όπως τα ποσοστά ακρίβειας, ευαισθησίας, θετικής πρόβλεψης και συνολικής ακρίβειας της ταξινόμησης. Η μεθοδολογία υλοποιήθηκε και σχεδιάστηκε εξ ολοκλήρου στο περιβάλλον Matlab σε πραγματικά ιατρικά δεδομένα, από την “Spontaneous Ventricular Tachyarrhythmia” βάση δεδομένων αποκλειστικά σε ασθενείς με περιστατικά καρδιακών αρρυθμιών.

The study of biomedical signals has in recent years been an important part of research interest and an important tool for the present state of the patient. The most known biomedical signal is the electrocardiogram that records the electrical potentials from the heart muscle. Since the heart is one of the most important organs of the human body, it has been the subject of long-term research. The heart rate variability, which refers to pulse-to-pulse heart rate changes, is one of the most reliable indicators for heart disease. It is primarily derived from electrocardiogram analysis and is considered one the most modern approaches to the diagnosis and analysis of heart related conditions. This thesis includes the present dissertation, which deals with the analysis of certain characteristics related to the change in the heart rate. Initially, cardiac pulse interval signals extracted after electrocardiogram processing are analyzed in smaller windows. Specific features are extracted with time domain analysis. From the database created with these characteristics, they are classified by training techniques in neural networks. The results of the categorization are evaluated on the basis of assessment indicators such as precision, sensitivity, positive prediction and overall accuracy of the classification. The methodology was implemented and designed entirely in the Matlab environment on real medical data, from the "Spontaneous Ventricular Tachyarrhythmia" database exclusively to patients with cardiac arrhythmias.