การสร้างแบบจำลองความสัมพันธ์ทางเวลาระหว่างสัญญาณ ECG และ PCG โดยใช้โครงข่ายประสาทเทียม

ECG and PCG modeling based on neural network

Name: ภานี น้อยยิ่ง

ThaSH: การบันทึกคลื่นไฟฟ้าหัวใจ

ThaSH: นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

keyword: เวฟเล็ต (คณิตศาสตร์)

Abstract: การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อออกแบบและสร้างแบบจำลองความสัมพันธ์ทางเวลาระหว่างสัญญาณ ECG และ PCG เพื่อแยกแยะคนปกติ-คนป่วยเบื้องต้น กลุ่มตัวอย่างเป็นกลุ่มคนปกติ 10 คน และกลุ่มคนผิดปกติ 10 คน ที่ผ่านการปรับอัตราการเต้นของหัวใจเป็น 80 ครั้งต่อนาที และทำการแยกสัมประสิทธิ์คลื่นไฟฟ้าหัวใจและคลื่นเสียงหัวใจด้วยเวฟเล็ตแม่ตระกูลDaubechies 1 ระดับที่ 8 โดยออกแบบสร้างแบบจำลองความสัมพันธ์โดยโครงข่ายประสาทเทียมได้ 4 รูปแบบคือ NEWFF, NEWFFTD, NEWDTDNN และ NEWNARX เปรียบเทียบผลการรู้จำทั้ง 4 รูปแบบด้วยการพิจารณาค่าความผิดพลาด การวิเคราะห์แบบจำลองใช้การป้อนสัญญาณพื้นฐานคือ สัญญาณอิมพัลส์ สัญญาณขั้นบันได สัญญาณพัลส์ และสัญญาณซายน์ เข้าไปในแบบจำลองพิจารณาลักษณะการเปลี่ยนแปลงเพื่อจำแนกกลุ่มคนปกติและกลุ่มคนผิดปกติผลการทดสอบโดยการป้อนสัญญาณพื้นฐาน 4 ชนิด เข้าไปในแบบจำลอง เมื่อทำการวัดประสิทธิภาพของแบบจำลองโดยเรียงตามการจำแนกจากสูงไปต่ำได้ดังนี้ NEWFF NEWFFTDและ NEWDTDNN ส่วนแบบจำลองรูปแบบ NEWNARX ไม่สามารถจำแนกได้

Abstract: This research was under taken to design and model the time relation between ECG andPCG in order of preliminary make between normal and abnormal people. The set of samplesconsisted of 10 normal and 10 abnormal people whose heart rate were adjusted to 80times/minute and separated the factors of Electrocardiogram and Phonocardiogram byDaubechies mother wavelet level of 8. The models using back-propagation neural network weredesigned as 4 models : NEWFF, NEWFFTD, NEWDTDNN and NEWNARX. All models werecompared in term of learning performance based on sum squared error. All purposed models weretested with 4 basic signals (impulse, unit-step, pulse and sine wave) in order to analyze thevariations of signal to make distinguish between normal and abnormal people.The testing result of feeding 4 types of basic input signals to the model shows that theorder of the efficiency of the models from high to low are NEWFF, NEWFFTD, NEWDTDNNwhere the model based on NEWNARX cannot be used to cleary classify the normal andabnormal people.

สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ. leoydsvl,6fd]k'

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: พูลศักดิ์ โกษียาภรณ์

Role: ที่ปรึกษาวิทยานิพนธ์

Email : pks@kmitnb.ac.th

Name: ไชยันต์ สุวรรณชีวะศิริ

Role: ที่ปรึกษาวิทยานิพนธ์

Email : cys@kmitnb.ac.th

Created: 2549

Issued: 2550-12-03

Modified: 2567-05-29

วิทยานิพนธ์/Thesis

CallNumber: วพ MEE ภ445น

tha

DegreeName: วิศวกรรมศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B14959227.pdf	2.96 MB	1	2025-02-11 16:42:45

ใช้เวลา

0.02414 วินาที