Transcript 96學年度學生專題壁報 - 電機工程系(所)

高苑科技大學電機系96學年度學生專題成果展示
應用分類增強智慧型小波網路於心律不整辨識之研究
學制：四技/二技/五專
學生姓名：XXX XXX
指導老師：XXX
一、摘要
e j ( , T )
 k
心電圖(Electrocardiogram, ECG)係心臟脈動電位變化
的圖形，由於心電圖各種波形之形狀及其間隔與心臟之電
氣特性有直接的關係，醫生可藉由心臟異常電氣訊號的狀
況，診斷出各種不同的心臟疾病，並用來監測病患的病情
發展及評估治療的成效。隨著醫用儀器製造技術的進步，
記錄器的裝置愈輕巧，病患可在日常生活中攜戴在身上，
能夠把發作的異常情形記錄下來，事後醫生根據記錄資料
研判症狀，有鑑於醫用儀器祇著重於生理訊號及心率
(Heart Rate)的記錄，無法自動偵測的缺失，本計劃將發展
自動偵測的演算法，應用分類增強小波網路(Classification
Enhancible Wavelet Network)建構智慧偵測流程，並在個人
電腦進行檢測以驗證可行性，期望未來可從事偵測各
種病症的應用，及將本計劃所發展的診斷演算法併入醫用
分析儀器。
 2[T j  O j ( )][
s( )
 2[
 k
 k
s( )
h( )
 O j ( )
 k
 k
K

w jk HS H k ][
k 1
K
h( )
 2[
 k
 H k ][
h( )
( i ( xi )  wki WH ) 2
( i ( xi )  wki
2 k3
WH 2
)
2 k3
k 1
 k ( p  1)   k ( p)  
]
e j ( ,T )
 k
圖1. 小波網路架構圖
二、材料與方法
根據行政院衛生署統計資料顯示，心臟疾病已是臺灣
十大死亡原因之一，能夠早期發現心臟疾病並能即早
治療，已成為相當重要的研究主題。非侵入性生理訊號
的檢驗方式，係一般醫院較常採用的方法，結合醫用量測
儀器記錄ECG訊號，藉由觀察異常的心臟電氣訊號辨識病
症，此檢測方式具有非侵入性、易取得、易讓受測者接受、
及不會引起受測者排斥等優點，ECG資料在臨床診斷上是
不可或缺的參考依據，然而醫生需要透過眾多的記錄檢查
出病因所在，藉由人力方式往往因注意力不集中，或疲累
造成誤判的情況。一個心跳週期的波形以QRS波(QRS
Complex)最為明顯，QRS波可提供心跳週期及心率變異
(Heart Rate Variability, HRV)的分析，正常的QRS波的頻寬
範圍介於4~20Hz，波形呈現高聳尖銳的形狀，若電氣訊號
的源頭及傳導路徑發生異常，低頻成份較為明顯且振幅隨
頻率增加而減少，以往文獻提出以「頻域技術」及「時域
技術」萃取特徵值，並結合人工智慧方法辨識心臟疾病。
本計劃以小波網路(WN)發展輔助心律不整(Arrhythmia)辨
識的診斷演算法，小波網路包含小波層(Wavelet Layer)及
神經網路層(Neural Network Layer)，此概念係以小波層節
點接受QRS波的樣本訊號，並將輸入訊號以小波為基礎的
激發函數產生特徵值，小波函數採用Morlet小波(Morlet
Wavelet)函數，小波層所產生的特徵值再藉由神經網路層，
辨識心房或心室型等心律不整的症狀，期望結合特徵值萃
取及圖樣辨識的功能，以人工智慧方法建構輔助診斷演算
法，如圖1所示。
 2[T j  O j ( )]
O j ( )
(1) 研究方法特性測試
註：K1=Knor+KV=18; K2=K1+KA=20; K3=K2+KL=27;K4=K3+KR=35; K5=K4+KP=41;
K6=K5+KF=43.
圖2. 小波網路訓練特性曲線
(2) 案例1心室型心律不整測試
三、結果與討論
本 計 劃 以 M I T- B I H 心 律 不 整 資 料 庫 ( M I T- B I H
Arrhythmias Database)取得資料，該資料由麻省理工學院
(Massachusetts Institute of Technology)與波士頓貝色醫院
(Beth Israel Deaconess Medical Center)共同匯整的原始資料 圖3. 心室期外收縮ECG圖形及特徵圖樣 圖4. 心室期外收縮追蹤測試結果
(編號-119)
(編號-119)
庫，該資料庫已獲得研究心臟病機構普遍使用的標準測試
資料，資料庫包含47位病患之48組資料(編號201和202取自
(3) 案例3多種類型測試
相同病患)。ECG波形中以R波的振幅最大且最明顯，透過
峰值偵測方法搜尋R波位置，在時間軸上移動取樣視窗，
當搜尋到R波位置，以R波為中心取得100個樣本點(前50個
樣本點、後50個樣本點)，每個取樣視窗約280ms的寬度，
將採樣的QRS複合波以小波函數擷取特徵值，擴張參數
d=3，總共取得43組特徵值，細分成正常心跳()、心室期
外收縮(V)、心房期外收縮(A)、左束分支阻塞(L)、右束分
支阻塞(R)、Paced Beat(P)、及Fusion of Paced and Normal
Beat(F)等七種症狀。
本計劃所提出的偵測演算方法，在MATLAB工作環境下
撰寫程式，並在EXCEL工作環境下儲存訓練資料和病患相
關資料，為了驗證偵測方法的可行性，在個人電腦(PC
Pentium-IV 2.4GHz，480MB RAM)上執行案例測試。 包
括(1)研究方法特性測試；(2)案例1心室型心律不整測試
圖5. Paced Beat的ECG圖形及特徵
圖6. 心室期外收縮追蹤測試結果
；(3)案例2多種類型測試。
圖樣(編號-217)
(1.編號-217; 2. :辨識錯誤)
]
]