P, T, UQ, R, SECG

در این تحقیق، محل وقوع (Incident Location) و نقاط شروع (Onset) و خاتمه (Offset) هر یک از رخدادهای مربوط به سیگنال ECG آشکارسازی می‌شود. به دلایلی که ذکر می‌شود شناسایی و آشکارسازی هر یک از نقاط سه گانه فوق، از پیچیدگی‌هایی برخوردارند که موضوع اصلی بسیاری از پژوهش‌های انجام شده در زمینه تشخیص بیماری‌های قلبی در سال‌های اخیر است.

• نویزهای اندازه‌ گیری: وجود نویز‌های اندازه گیری به عنوان یک عامل مهم در کاهش دقت آشکارسازی رخدادها در سیگنال‌های حیاتی مطرح است. نویزهای اندازه گیری معمولاً دارای فرکانس بالایی بوده و می‌توان با استفاده از یک فیلتر دیجیتال مناسب آنها را رفع نمود. اما گاهی اوقات محتوای فرکانسی نویز با عناصر فرکانسی مهم سیگنال‌های اندازه گیری شده تداخل می‌کند و بدین ترتیب ممکن است با اعمال فیلتر سازی، برخی اطلاعات مفید در سیگنال‌ها از بین برود که این امر عمدتاً باعث کاهش دقت آشکارسازی و شناسایی موقعیت‌های مورد نظر می‌شود.

• 

•  

• استفاده از دستگاه‌های مختلف اندازه گیری سیگنال‌های حیاتی: عمدتاً اندازه گیری سیگنال الکتریکی قلب، بوسیله دستگاه الکتروکاردیوگرام حالت استراحت و یا بوسیله هولتر (Holter) انجام می شود. دستگاه الکتروکاردیوگرام حالت استراحت در شرایطی که بیمار ساکن است، سیگنال الکتریکی قلب فرد را جمع آوری نموده، لذا تنها دسته خاصی از نویزها به آن اثر می‌گذارند. از سوی دیگر، هولتر سیستمی قابل حمل است که توسط یک کمربند به بیمار متصل شده، به مدت 24 الی 48 ساعت سیگنال ECG بیمار را ثبت می‌نماید. هولترها دارای نرخ‌های نمونه برداری از 128 تا چند کیلو هرتز می‌باشند. اگرچه اطلاعات چند ده ساعته در مورد بیمار بسیار ارزشمند است، اما به علت لغزش الکترودهای دستگاه روی سطح پوست که به واسطه حرکت فیزیکی، پیاده روی، سرفه، عطسه، نشستن و برخاستن و غیره رخ می‌دهد، نویزهای شدیدی بر سیگنال هولتر اثر می‌گذراند که حتی رخدادهای ضربه وار سیگنال ECG نظیرکمپلکس QRS درآن محو می‌شوند. بنابراین نرم افزاری که فرآیند آشکار سازی رخدادها و تعیین لبه‌های آنها (Delineation or Segmentation) را انجام می‌دهد، بایستی در برابر نویزهای هولتری بسیار مقاوم باشد.
• بیماری‌های قلبی و آریتمی‌ها: گاهی اوقات بیماری‌های بدخیم قلبی، آریتمی‌ها و مشکلات مکانیکی قلب سبب عوض شدن کامل الگوی متعارف (Morphology)رخدادهای سیگنال می‌شوند. مثلاً استمرار بیش از حد کمپلکس QRS، پلکانی و چند قله شدن آن، وجود فعالیت‌های الکتریکی زائد در این کمپلکس‌ها، محو شدن شکاف دیکروتیک در سیگنال ABP، تداخل موقعیت آغاز سیستول ضربان با فاز دیاستول ضربان قبلی و وجود تاکیکاردیای بطنی می‌توانند
• یک مطلب دیگر :
• تحقیق رایگان درمورد مشکلات فیزیکی – مجله علمی خبری رهاجو
•  از جمله موارد تولید خطای آشکارسازی و تعیین لبه‌ها به شمار آیند.

با توجه به مشکلات ذکر شده، گام نخست حل مساله تشخیص بیماری قلبی، آشکارسازی و تعیین لبه‌های رخدادهای اندازه گیری‌های مذکور با دقت قابل قبول در حوزه پزشکی می‌باشد. پس از آنکه رخدادهای سیگنال های ECG، PCG و ABP آشکارسازی شده، از سیگنال جدا شدند، نوبت آن است که با استفاده از پایگاه دانش پزشکی جامع، جایگاه مناسبی برای هر ضربان تعیین شود. اگر چه در علوم مرتبط با پردازش داده‌ها و باز شناخت الگو، راه حل‌های زیادی به منظور خوشه بندی و طبقه بندی ویژگی‌ها بیان شده‌است، اما به دلایل ذیل، تعداد زیادی از این روش‌ها دارای توان تعمیم مناسب (Generalization Power) برای حل مساله تشخیص نمی‌باشند.

• قلب هر انسان دارای ویژگی‌های عملکردی خاص خود بوده، حتی گاهی اوقات دارای ویژگی‌های منحصر به فرد می‌باشد. به عنوان مثال دو فرد نرمال یکی چاق و کوتاه قد و دیگری لاغر قد بلند، می‌توانند سیگنال‌های متفاوتی نسبت به یکدیگر داشته باشند. بنابراین تعریف الگوی مرجع (Reference Template) بعنوان مبدأ سنجش که دارای تعمیم قابل قبولی باشد، بسیار بعید به نظر می‌رسد، چرا که حتی در مورد یافتن مرجع نرمال نیز طرح چنین مساله‌ای قابل قبول نیست، زیرا ممکن است به راحتی یک سیگنال نرمال در کلاس غیر نرمال و یا یک سیگنال غیر نرمال به علت داشتن شباهت‌های لازم در طبقه سالم قرار گیرد.
• در موارد شامل آریتمی و بیماری‌های قلبی، مشکل فوق‌الذکر در شرایط حادتری ظاهر می‌گردد. بعنوان مثال، گاهی اوقات یک آریتمی دارای نشانه‌های موافق و نقیض زیادی با یک مورد خاص بوده که حتی زبده‌ترین تیم‌های پزشکی را نیز مجبور به انجام آزمایشات جدیدتر و بیشتر جهت اتخاذ تصمیم می‌نماید.
• بحث نویز‌های اندازه گیری و آرتیفکت‌های مزاحم در تمام سیستم‌های اندازه گیری رایانه‌ای که کاهش دهنده دقت تشخیص می‌باشند، مطرح است. وجود نویز می‌تواند باعث افزایش خطای شبکه طبقه بندی کننده شود.

با توجه به موارد مذکور، می‌توان گفت تقریباً هیچ روش کلاسیکی که بتواند پاسخگوی مشکلات بوده و توان تعمیم مناسبی را ارائه نماید، وجود ندارد. بنابراین این زمینه نیز احتیاج به انجام تحقیقات کاملاً وسیع و هدفمند داشته تا بتوان با حل مشکلات موجود به صورت تدریجی، گام‌های بلندتری را جهت تشخیص بیماری‌های قلبی برداشت.

تاکنون روش­های بسیاری با هدف آشکار­سازی کمیت­های قابل اندازه­گیری وقایع غیر­تهاجمی سیگنالهایی ( از قبیل ECG ]2[، صدای قلب  (PCG) ]3[ و فشار خون شریانی (APB) ]2[) بر مبنای مدلهای ریاضی ]4[، تبدیل هیلبرت (HT) و مشتق مرتبه اول ]2[، مشتق مرتبه دوم ]5[، تبدیل ویولت و فیلتر­بانک­ها ]5،2[، محاسبات نَرم (فازی – عصبی، الگوریتم ژنتیک) ]6[، کاربرد مدلهای مارکوف پنهان ]7[ پیشنهاد شده است. همچنین با تعریف و پیاده­سازی تبدیلاتی از قبیل تبدیل ویولت گسسته (DWT)، تبدیل ویولت پیوسته (CWT) ]9،8[، تبدیل هیلبرت (HT) ]10[، تبدیل فوریه سریع (FFT) ]11[، تبدیل فوریه زمان کوتاه (STFT) ]12[، چگالی طیف توان (PSD) ]13[، روشهای طیفی مرتبه بالاتر ]14[، گشتاور­های آماری ]15[، تبدیلات غیر­خطی از قبیل فرکتال­ها و نماهای لیاپانوف ]16[، روش­های بسیاری به منظور استخراج ویژگی از سیگنال ECG اصلی ]8[، سیگنال ECG پیش­پردازش شده ارائه شده است.