نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• جواد دلاور متنق ¹
• حامد داننده حصار ²
• محمد هادی احمدی فام ¹

¹ دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران

² دانشگاه صنعتی سهند تبریز/ دانشکده مهندسی پزشکی

چکیده

در سال‌های اخیر استفاده از الگوریتم‌های مدل-پایه برای پردازش سیگنال ECG رواج گسترده‌ای یافته است. استخراج مدل دینامیکی ECG یکی از مراحل مهم در این الگوریتم‌هاست که تأثیر مستقیمی در عملکرد آن‌ها دارد. پارامترهای موجود در این مدل را می‌توان با استفاده از الگوریتم‌های بهینه‌سازی محاسبه نمود. یکی از متداولترین الگوریتم‌ها در این زمینه یک الگوریتم غیرخطی آفلاین می‌باشد که برای تقریب خوب مدل و پارامترهای آن، به نقاطی از سیگنال ECG نیاز دارد که توسط کاربر بایستی به‌صورت دستی انتخاب شود. علاوه بر مشکل فوق، تابع هدف در این الگوریتم یک تابع پیچیده است که درصورت انتخاب نادرست نقاط مناسب برای بهینه سازی خروجی مناسبی را دراختیار نخواهد گذاشت. در این مقاله یک الگوریتم جدید خودکار مبتنی بر الگوریتم‌های فراابتکاری معرفی می‌شود که نیازی به انتخاب دستی نقاط برای مدلسازی ECG ندارد. بعلاوه بخاطر ساده سازی فرآیند بهینه سازی، از دقت بالایی نسبت به الگوریتم بهینه‌سازی غیرخطی افلاین مورد اشاره برخوردار است. ازآنجایی‌که یک الگوریتم فراابتکاری ممکن است در برخی از مسائل بهینه‌سازی موفق و در برخی دیگر ناموفق عمل کند، در این مقاله عملکرد 9 الگوریتم فراابتکاری متداول مانند ازدحام ذرات، کلونی زنبور عسل، جستجوی فاخته و... در استخراج پارامترهای مدل دینامیکی ECG مورد بررسی قرار گرفت. جهت ارزیابی الگوریتم‌ها از 200 سیگنال‌ ثانیه‌ای مستخرج از پایگاه داده‌ی ریتم سینوس نرمال فیزیونت استفاده گردید. به منظور ارزیابی عملکرد الگوریتم‌ها، شباهت سیگنال‌های اصلی با سیگنال‌های مصنوعی ECG که توسط الگوریتمهای بهینه‌سازیساخته‌ می‌شدند مورد بررسی قرار گرفت. نتایج بررسی‌ها حاکی از آن بود که سه الگوریتم جستجوی فاخته، بهینه‌سازی مبتنی بر یادگیری و آموزش و بهینه‌سازی تبخیر آب بهترین عملکرد را در استخراج پارامترهای مدل دینامیکی ECG دارند. نتایج حاصل از این مطالعه نشان داده که خطای میانگین مربعات (MSE) الگوریتم پیشنهادی با استفاده از سه الگوریتم فراابتکاری فوق به ترتیب 50/1و 43/1و 40/1 می‌باشد.

کلیدواژه‌ها

• بهینه‌سازی فرا ابتکاری
• پردازش سیگنال ECG
• مدل دینامیکی ECG

موضوعات

• پردازش سیگنال‌های حیاتی

عنوان مقاله [English]

Performance Investigation of Meta-Heuristic Algorithms in Estimation of ECG Dynamic Model Parameters

نویسندگان [English]

• Javad Delavar Matanaq ¹
• Hamed Danandeh Hesar ²
• Mohammad Hadi Ahmadi fam ¹

¹ Faculty of Biomedical Engineering, Sahand Univercsity of Technology, Tabriz, Iran

² Faculty of Biomedical Engineering/,Sahand University of Technology, Tabriz, Iran

چکیده [English]

In recent years, model-based ECG processing algorithms have been successfully developed in various fileds of ECG processing. The calculation of ECG dynamic model (EDM) is a crucial step for these methods. The EDM parameters can be calculated using optimization algorithms. One of the popular optimization methods in this field is an offline nonlinear method in which users have to manually select points on ECG signal in order to calculate EDM parameters. The objective function used in this algorithm is a complex function which is hard to optimize. In this paper an automatic optimization algorithm is proposed which uses meta-heuristic optimization algorithms to calculate EDM parameters. In this algorithm, we don’t need to select points manually. In addition, the objective function in this algorithm is broken in to several simple objective functions which makes the optimization more accurate. Meta-heuristic optimization algorithms may perform successfully on some optimization problems while failing on others. As a result, a specific algorithm cannot be considered the best optimizer for all optimization problems. For this reason, in this paper, the performances of nine popular meta-heuristic algorithms such as particle swarm optimization, artificial bee colony, cucko search, etc are investigated. In this paper, 200 ECG segments from different records of the MIT-BIH Normal Sinus Rhythm Database (NSRDB) have been selected for evaluation. The duration of each segment was 30 seconds. The EDM parameters for each segment were calculated using the aforemetinoned optimization algorithms. For evaluation, the similarities between the original signals and the synthetic ECG signals were inspected for each optimization algorithm. These synthetic signals were created using the calculated EDM parameters. The similarity results showed that the water evaporation optimization (WEO), teaching learning-based optimization (TLBO), and cucko’s search (CS) algorithms achived better results compared with other methods.

کلیدواژه‌ها [English]

• Meta heuristic Optimization
• ECG Processing
• ECG Dynamic Model