بررسی روش‌های استخراج پیک r در سیگنال ecg

سیگنال الکتروکاردیوگرام (ecg) نشان دهنده‌ فعالیت الکتریکی قلب است که شامل سه موج p، کمپلکس qrs و t است. تشخیص پیک‌های r و در نتیجه کمپلکس‌هایqrs ، در سیگنال ecg از اهمیت بسزایی برخوردار بوده و اطلاعاتی در مورد ضربان قلب و ناهنجاری‌های احتمالی فراهم کرده و در نتیجه به تشخیص بیماری‌های قلبی کمک می‌کند. در این مقاله، روش‌های مختلف استخراج پیک r مورد بررسی قرار گرفته است. این روش‌ها شامل الگوریتم pt، الگوریتم gr، الگوریتم unsw، الگوریتم عملگر انرژی تیگر (teo)، الگوریتم تحلیل ساختاری سیگنال، تبدیل هیلبرت، تبدیل موجک، فیلترهای وفقی، الگوریتم‌های تکاملی و شبکه‌های عصبی می‌باشند. همچنین عملکرد این روش‌ها بر اساس معیارهای حساسیت، پیش‌بینی مثبت، دقت و نرخ خطای تشخیص ارزیابی شده که از بین روش‌های اشاره شده، الگوریتم‌های teo، تبدیل هیلبرت و شبکه عصبی کانولوشنی (cnn) از نرخ خطای تشخیص پایین‌تری برخوردارند.

stusy of r peak extraction methods in ecg signal

the electrocardiogram (ecg) signal shows the electrical activity of the heart, which includes three p, qrs and t waves. the detection of r peaks and, as a result, qrs complexes, is very important in the ecg signal and provides information about the heart rate and possible abnormalities, thus helping to diagnose heart diseases. in this article, different r peak extraction methods have been investigated. these methods include pt algorithm, gr algorithm, unsw algorithm, tiger energy operator (teo) algorithm, signal structural analysis algorithm, hilbert transform, wavelet transform, adaptive filters, evolutionary algorithms and neural networks. also, the performance of these methods has been evaluated based on the criteria of sensitivity, positive prediction, accuracy and detection error rate, which among the mentioned methods, teo algorithm, hilbert transform and convolutional neural network (cnn) have a lower detection error rate.