بررسی عملکرد الگوریتم‌های فرا ابتکاری در استخراج پارامترهای مدل دینامیکی سیگنال ECG

چکیده مقاله

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.