31718

نويززدايي سيگنال قلبي با استفاده از ماتريس مرتبه پايين و نمايش تنك

كارشناسي ارشد

مهندس پزشكي بيوالكتريك

1397

1403/06/21

ابوذر غفاري

ابوذر غفاري

برق

بيماريهاي قلبي عروقي يكي از شايعترين عللهاي مرگ در سراسر جهان ميباشند كه آمار چشمگيري را سالانه در بر ميگيرند. اين بيماريها همواره مشكلات فراواني را براي جوامع بشري ايجاد ميكنند، بنابراين جهت تشخين وكنترل زودرس آنها توسط پزشك اقدامات و مطالعات فراواني صورت گرفته است. يكي از ساده ترين روشهاي موجود جهت كسب اطلاعات از نحوه عملكرد قلب بررسي سيگنال الكتروكارديوگرام حذف آرتيفكتهاي ECG نمايش گرافيكي از فعاليت قلبي مي باشد. در واقع، يك مشكل رايج در تفسير ناخواسته و نويز مي باشند كه به اين سيگنال ها اضافه مي شوند و سيگنال اصلي را تغيير مي دهند، بنابراين حذف اين مصنوعات از سيگنال اصلي امر بسيار مهمي مي باشد. با چهار روش مختلف بهينه،در اين تحقيق ابتدا در بخش اول، تابع هزينه الگوريتم تنك تغييرات كلي انتخاب مي گردد، سپس يك از روش هاي بهينه سازي يعني الگوريتم ضرب كننده هاي مسير متناوب و در نهايت با حالتهاي تعميم يافته و الگوريتمهاي ديگر مقايسه ميگردد. در نظر گرفته ميشود. ابتداب مرحله پيش TV و در بخش بعدي، الگوريتم تركيبي ماتريس مرتبه پايين . روي سيگنالهاي قلبي پياده مي شود تا سيگنال الكتروكارديوگرام تك بعدي به ماتريس تبديل گردد پردازش محاسبه R در واقع، با توجه به ويژگي شبه پريوديكي و غير ايستا بودن سيگنال قلبي موقعيت پيكهاي ميگردد. سپس، سيگنال به سيكلهاي تقريبا يكسان تقسيم ميگردد و درونيابي روي عدد خاصي انجام ميشود. در مرحله دوم، الگوريتم پيشنهادي پياده ميگردد سپس تابع هزينه به ازاي روش لاگرانهي تقويت و درونيابي، با انتخاب مناسب پارامترهاي اوليه بهينه ميگردد. در پايان با انجام مرحله پس از پردازش شده با استفاده از معيارهاي عملكرد نسبت سيگنال به نويز بهبودي و سيگنال نويززدايي شده دو سيگنال اصلي مقايسه مي شوند .نتايج نشان داد كه الگوريتم پيشنهادي با وجود محاسبات و خطاي جذر ميانگين مربعات سيگنالهاي قلبي نويزي را ميتواند بهتر نويززدايي كند و خطاي كمتري نسبت به روشهاي ديگر دارد كه اميدواريم در آينده نه دارد. بطور كلي الگوريتم پيشنهادي نتايج نزديكي به نمايش تنك گروهي چندان دور اين ايرادات بر)رفع گردد.

1403/09/24

ECG signal denoising via Low-Rank matrix and sparse representation

9/12/2025 12:00:00 AM

Cardiovascular diseases are one of the most common causes of death worldwide, which include significant numbers every year. These diseases always cause a lot of problems for human societies, so many measures and studies have been done for their early diagnosis and control by doctors. One of the simplest available methods to obtain information about how the heart works is to check the electrocardiogram signal, a graphic display of heart activity. In fact, a common problem in ECG interpretation is the removal of unwanted artifacts and noise that are added to these signals and change the original signal, so removing these artifacts from the original signal is very important. In this research, firstly, in the first part, the cost function of the thin general variation algorithm is optimized with four different methods, then one of the optimization methods, namely the alternating path multiplier algorithm, is selected and finally, it is compared with the generalized modes and other algorithms. In the next section, the combination algorithm of low order matrix and TV is considered. First, the pre-processing step is implemented on the cardiac signals to convert the onedimensional electrocardiogram signal into a matrix. In fact, according to the quasi-periodic and non-stationary nature of the cardiac signal, the position of R peaks is calculated. Then, the signal is divided into almost identical cycles and interpolation is performed on a certain number. In the second step, the proposed algorithm is implemented, then the cost function is optimized by the enhanced Lagrangian method with the appropriate selection of initial parameters. At the end, by performing the post-processing and interpolation stage, the two original signals and the de-noised signal are compared using the performance measures of signal-to-noise ratio, recovery and root mean square error. The results showed that despite the complex calculations, the proposed algorithm can better denoise cardiac signals and has less error than other methods. In general, the proposed algorithm has results close to the thin group display, which we hope will solve these problems in the not-so-distant future. Keywords: electrocardiogram, thin, low-order matrix, interpolation, enhanced Lagrange algorithm, signal-to-noise ratio, recovery, root mean square error.

پس از پردازش , سيگنال اصلي , سيگنال نويززدايي شده , نسبت سيگنال به نويز بهبودي , خطاي جذر ميانگين مربعات , Group sparsity total variation(GSTV) , الكتروكارديوگرام , تنك تغييرات كلي , الگوريتم ضرب كننده مسير متناوب , ماتريس مرتبه پايين , پيش پردازش , لاگرانژي تقويت شده

postprocessing , ground-truth signal , cleaned signal , Signal-to-Noise Ratio Improvement(SNR-imp) , root mean square error(MSE) , Group sparsity total variation(GSTV) , Electrocardiogram(ECG) , Total variation(TV , ADMM , lowrank , preprocessing , Augmented Lagrangian methood (ALM)

shima sedighi

aboozar gafari