21617

21617

ارائه مدلي براي پايش سيگنال‌هاي الكتروكارديوگرام با استفاده از تحليل مؤلفه‌هاي اصلي تابعي چند متغيره وزن‌دار

كارشناسي ارشد

سيستم‌هاي كلان اقتصادي و اجتماعي

96-98

1398/8/28

دكتر محمد فتحيان

دكتر رسول نورالسنا

صنايع

سكته قلبي، عامل اصلي مرگ و مير در جهان است. اين بيماري اغلب به علت انسداد شريان‌هاي كرونري اتفاق مي‌افتد، در نتيجه منجر به كمبود خون كافي و اكسيژن مي‌شود و به سلول‌هاي ماهيچه‌ قلب صدمه مي‌زند. از آنجا كه رگ‌هاي خوني در سراسر قلب منشعب مي‌شوند، سكته قلبي در مكان‌هاي مختلف (به عنوان مثال، بخش‌هاي قدامي و تحتاني) قلب رخ مي‌دهد. بنابرين براي بررسي اين بيماري معمولا از الكتروكارديوگرام (ECG) استفاده مي‌شود. سيگنال‌هاي الكتروكارديوگرام به فعاليت الكتريكي قلب مربوط مي‌شوند. هرچه انسداد در بخش‌هاي ابتدايي قلب باشد، سكته شديد تر و تغييرات سيگنال ECG بيشتر است. اكثر مطالعات اخير روي طبقه‌بندي و تشخيص زودهنگام بيماري‌هاي قلبي تمركز دارند. هدف اين مطالعه توسعه يك روش تشخيص نقطه تغيير براي پايش آماري روند درمان سكته قلبي است. بنابراين، يك تنسور سه بعدي براي نمايش داده‌هاي ECG دوازده كاناله در ابعاد ضربان قلب و نقاط نمونه و كانال‌ها بكار گرفته مي‌شود. از روش تحليل مؤلفه‌هاي اصلي تابعي چند متغيره وزن‌دار (WMFPCA) براي در نظر گرفتن همبستگي درون و بين پروفايل‌ها و بين كانال‌ها و همچنين اهميت كانال‌ها از لحاظ ارايه بيشترين تغييرات استفاده مي‌شود. از داده‌هاي كاهش بُعد يافته توسط WMFPCA در روش تشخيص نقطه تغيير براي ساختن آماره پايش استفاده مي‌شود. نتايج شبيه‌سازي نشان مي‌دهد كه رويكرد پيشنهادي عملكرد خوبي در شناسايي نقاط تغيير در موقعيت‌هاي مختلف در مقايسه با روش‌هاي موجود دارد. همچنين با اعمال روش پيشنهادي بر داده‌هاي PTB Diagnostic ECG database مدل اعتبار سنجي مي‌گردد.

1398/10/26

A model for Electrocardiogram signals monitoring using weighted multivariate functional principal component analysis.

11/18/2020 12:00:00 AM

Myocardial infarction (MI), also known as a heart attack, is the leading cause of death in the world. It often occurs due to the occlusion of coronary arteries, thereby leading to insufficient blood and oxygen supply that damage cardiac muscle cells. Because blood vessels are branching throughout the heart, MI occurs at different spatial locations (e.g., anterior and inferior portions) of the heart. Therefore, having corresponded to the electrical activity of the heart, the electrocardiogram (ECG) signals are being used for diagmosing MI. Most previous studies focused on the classification and early diagnosis of heart diseases. The objective of this study was to develop a novel change point detection method to monitor long-term acute MI treatment. A third-order tensor structure was employed to represent the 12-lead ECG data in three dimensions (beats × samples × leads). Exploiting intra-beat, inter-beat, and inter-lead correlations and channel variability of multi-lead ECG tensor, the weighted multivariate functional principal component analysis (WMFPCA) is incorporated into change-point models to construct monitoring statistics. Simulation results show that the proposed approach has fine performance in identifying change-points in various scenarios compared with some existing methods. Finally, by applying the suggested model on a real-world dataset, named PTB Diagnostic ECGdatabase, the model is verified.