طراحی یک سیستم هوشمند تشخیص هویت بر اساس پردازش سیگنال ECG
دوره 3، شماره 8، بهار 99، صفحات 44 - 54
1 استادیار، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران
2 دانشجوی دکتری، گروه مهندسی برق، دانشگاه آزاد اسلامی، مشهد، ایران
3 کارشناسی ارشد مهندسی برق کنترل دانشگاه صنعتی سجاد، مشهد، ایران
چکیده :
هدف اصلی این مقاله ارائه روشی برای بررسی سیگنالهای قلبی برای شناسایی افراد می باشد. برای این کار مجموعه داده‌های 48 ثبت ECG دوکاناله از بانک اطلاعاتی MIT-BIT دریافت و بعنوان نمونه مورد استفاده قرار گرفت. هریک از این نمونه ها برای زمان یک ساعت و نرخ نمونه برداری 128 هرتز برای هر فرد استخراج شده است. هر فایل در قطعات زمانی 10 ثانیه تقسیم بندی و با استفاده از تبدیل موجک تا سطح 10 تجزیه گشت. با انتخاب ویژگی حد آستانه الگوریتم IDE برابر با 8/0، از بین 60 ویژگی ارائه شده تنها 7 ویژگی (انحراف معیار سیگنال، انرژی سیگنال، واریانس سیگنال، توان سیگنال، انحراف معیار سیگنال، نوان سیگنال و انحراف معیار سیگنال) از حد آستانه، مقدار بیشتری را دارا بودند. سپس این 7 ویژگی نیز به انواع روش های طبقه بندی برای کسب درصد پاسخگویی و هزینه محاسباتی وارد شد. هزینه محاسباتی روش KNN نسبت به سایر روشها در هر دو حالت انتخاب ویژگی کمتر می‌باشد در صورتی که از لحاظ درصد درستی روش XCSLA در هر دو حالت انتخاب ویژگی بهترین روش بوده و حتی در انتخاب ویژگی به کمک الگوریتم IDE تمامی طبقه بندی‌ها را به درستی تشخیص داده است. با توجه به نتایج حاصل از بکارگیری سیستم های طبقه بندی گسترش یافته به منظور تشخیص هویت افراد از روی سیگنال قلبی بر اساس نشانگان بالینی می توان اینگونه نتیجه گیری کرد که این سیستم می تواند جایگزین مناسبی جهت شناسایی افراد بعنوان یک روش بیومتریک باشد هرجند لازم است تحقیق بیشتری روی این سیستم انجام شود. محدودیت اصلی این سیستم ممکن است در حالات مختلف انسان از جمله عصبانیت، شادی، غم و سایر وضعیت ها باشد که موجب تغییر در ریتم تپش قلب می گردد.
هدف اصلی این مقاله ارائه روشی برای بررسی سیگنالهای قلبی برای شناسایی افراد می باشد. برای این کار مجموعه داده‌های 48 ثبت ECG دوکاناله از بانک اطلاعاتی MIT-BIT دریافت و بعنوان نمونه مورد استفاده قرار گرفت. هریک از این نمونه ها برای زمان یک ساعت و نرخ نمونه برداری 128 هرتز برای هر فرد استخراج شده است. هر فایل در قطعات زمانی 10 ثانیه تقسیم بندی و با استفاده از تبدیل موجک تا سطح 10 تجزیه گشت. با انتخاب ویژگی حد آستانه الگوریتم IDE برابر با 8/0، از بین 60 ویژگی ارائه شده تنها 7 ویژگی (انحراف معیار سیگنال، انرژی سیگنال، واریانس سیگنال، توان سیگنال، انحراف معیار سیگنال، نوان سیگنال و انحراف معیار سیگنال) از حد آستانه، مقدار بیشتری را دارا بودند. سپس این 7 ویژگی نیز به انواع روش های طبقه بندی برای کسب درصد پاسخگویی و هزینه محاسباتی وارد شد. هزینه محاسباتی روش KNN نسبت به سایر روشها در هر دو حالت انتخاب ویژگی کمتر می‌باشد در صورتی که از لحاظ درصد درستی روش XCSLA در هر دو حالت انتخاب ویژگی بهترین روش بوده و حتی در انتخاب ویژگی به کمک الگوریتم IDE تمامی طبقه بندی‌ها را به درستی تشخیص داده است. با توجه به نتایج حاصل از بکارگیری سیستم های طبقه بندی گسترش یافته به منظور تشخیص هویت افراد از روی سیگنال قلبی بر اساس نشانگان بالینی می توان اینگونه نتیجه گیری کرد که این سیستم می تواند جایگزین مناسبی جهت شناسایی افراد بعنوان یک روش بیومتریک باشد هرجند لازم است تحقیق بیشتری روی این سیستم انجام شود. محدودیت اصلی این سیستم ممکن است در حالات مختلف انسان از جمله عصبانیت، شادی، غم و سایر وضعیت ها باشد که موجب تغییر در ریتم تپش قلب می گردد.
کلمات کلیدی :
شناسایی افراد، تشخیص هویت، سیگنال قلب، نمونه برداری، تبدیل موجک، الگوریتم، طبقه بندی
شناسایی افراد، تشخیص هویت، سیگنال قلب، نمونه برداری، تبدیل موجک، الگوریتم، طبقه بندی
