بررسی اسپارتی سیگنال ECG و تغییرات ویژگی ها با توجه به مراحل پیش پردازش

 مقاله بررسی اسپارتی سیگنال ECG و تغییرات ویژگی ها با توجه به مراحل پیش پردازش

مقاله Investigation and comparison of ECG signal sparsity and featuresvariations due to pre-processing steps

در این پست ترجمه مقاله بررسی اسپارتی سیگنال ECG و تغییرات ویژگی ها با توجه به مراحل پیش پردازش را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود بفرمایید.

چکیده مقاله

مراحل قبل از پردازش مانند فیلتر کردن، مشتقات و تبدیل موجک برای بسیاری از برنامه های کاربردی قبل از انتقال داده ها، مخصوصا در پزشکی تله مدیاست؛ با این حال، پیش پردازش باعث تغییرات در اسپارتیسیتی سیگنال، آنتروپی و معیار ها فشرده سازی می شود. در این مقاله، با هدف بررسی مطالعات اطلاعاتی، ما پیش از پردازش خواص ویژه خود را با فیلتر کردن Savitzky Golay، به نمایش می گذاریم، و سپس نشان می دهد که اضافه کردن نویز به سیگنال ECG، کاهش اسپاستیت آن را افزایش می دهد و شاخص تنوع را به نام جینی سیمپسون به عنوان یک مورد خاص از آنتروپی تاسالیس؛ اسپارتی فیلتر شده و موجک ECG تبدیل شده افزایش می یابد؛ شاخص جینی سیگنال اصلاح شده بیشتر از اندازه اصلی نیست، اما عناصر غیر صفرکاهش می یابد؛ معیار های فشرده سازی مانند PRD و CR بهبود می یابند اگر روش سنجش فشرده بر روی سیگنال فیلتر شده. و در نهایت، ادعا های نظری با نتایج عددی تایید می شوند.

مقدمه

روش های به دست آوردن داده پزشکی اغلب به مقادیر غیر واقعی یا از دست رفته سیگنال مورد نظر مطلوب می شود. بنابراین داده های ثبت شده باید با استفاده از سطوح قبل از پردازش شامل برخی از الگوریتم هایی مانند انهدام، تبدیل موجک، استخراج ویژگی و فشرده سازی برای ذخیره سازی یا انتقال فوری، به ویژه در برنامه های تله مدیسین، به شکل مناسب تر ارائه شوند. این الگوریتم های پردازش را می توان بر روی سیگنال های مختلف مانند ECG ،EEG و تصویر اجرا کرد. فشرده سازی سیگنال یکی از مراحل اصلی آماده سازی سیگنال است که در تمام انواع داده های مختلف در بیوالکتریکی و شبکه حسگر بی سیم استفاده می شود.

چکیده انگلیسی

The pre-processing steps such as filtering, derivatives, and wavelet transform are necessary for manyapplications before data transmission, especially in telemedicine; however, the pre-processing makesvariations on the signal sparsity, entropy, and compression metrics. In this paper, aiming at aninformation-theoretical study, we exemplify pre-processing by Savitzky Golay filtering because of its spe-cial properties, and then, show that (i) adding noise to an ECG signal decreases its sparsity and increasesthe diversity index named Gini-Sympson as a special case of Tsallis entropy; (ii) the sparsity of filtered,and wavelet transformed ECG is increased; (iii) Gini index of the modified signal is not more than thatof the main one, but the non-zero elements are decreased, (iv) the compression metrics such as PRDand CR are improved if the compressed sensing method is performed on the filtered signal. And, finally,theoretical claims are validated by numerical results.

منبع : sciencedirect.com