بهبود الگوریتم استخراج سیگنال الکتروکاردیوگرام جنین از سیگنال الکتروکاردیوگرام مادر

بررسی ها نشان می دهند که مهم ترین و شایع ترین منبع استرس مادر در طول دوران بارداری، نگرانی در مورد شرایط و سلامت جنین می باشد. یکی از راههای آگاهی از شرایط جنین در طول دوران بارداری استفاده از ثبت سیگنال الکتروکاردیوگرام (نوار قلب) جنین به روش غیر تهاجمی است. در این روش بایستی مولفه های سیگنال الکتروکاردیوگرام جنین را از سیگنال ثبت شده در ناحیه شکمی جدا نمود. سیگنال ثبت شده در ناحیه شکمی، ترکیبی از مولفه های سیگنال الکتروکاردیوتوگرام جنین به همراه مولفه های سیگنال الکتروکاردیوتوگرام مادر پس از طی مسیر از قفسه سینه تا شکم و مولفه های ناشی از منابع نویزی می باشد. هدف این پایان نامه ارایه الگوریتمی جهت بهبود در فرآیند استخراج سیگنال الکتروکاردیوگرام جنین می باشد. ابتدا در مبحث پیش پردازش، الگوریتمی نوین با تکیه بر درخت تجزیه ویولت جهت مدلسازی و حذف انحراف خط مبنا، که یکی از منابع اصلی تداخل در هنگام ثبت سیگنال الکتروکاردیوگرام می باشد، ارایه شده است. سپس در ادامه، از سیستم استنتاجی عصبی-فازی وفقی (anfis) با تکیه بر الگوریتم بهینه سازی دسته ای ذرات (pso)، جهت استخراج مولفه های سیگنال نوار قلب جنین بهره گرفته ایم. از سیستم استنتاجی عصبی-فازی وفقی جهت مدلسازی مسیری که مولفه های سیگنال نوار قلب مادر از ناحیه قفسه سینه ای تا شکم طی می کنند، بهره گرفته ایم. با یافتن این مدل، توانسته ایم مولفه های سیگنال نوارقلب مادر موجود در سیگنال ثبت شده در ناحیه شکمی را تشخیص دهیم و با حذف آنها از سیگنال ترکیبی توانسته ایم به تخمین خوبی از سیگنال نوارقلب جنین دست یابیم. الگوریتم نوین پیشنهادی ما در این پایان نامه، از الگوریتم بهینه سازی دسته ای ذرات (pso) جهت آموزش و تنظیم پارامترهای سیستم استنتاجی عصبی-فازی وفقی بهره گرفته است. الگوریتم پیشنهادی خود را به همراه دیگر الگوریتم های مطرح، بر روی سیگنال های شبیه سازی شده و دو پایگاه داده سیگنال های حقیقی daisy و physiobank، پیاده سازی و نتایج را بایکدیگر مقایسه کرده ایم. نتایج حاکی از بهبود استخراج سیگنال نوارقلب جنین با استفاده از الگوریتم پیشنهادی ما در اکثر موارد می باشد.