Upload
doanlien
View
229
Download
0
Embed Size (px)
Citation preview
KLASIFIKASI DISRITMIA MENGGUNAKAN RECURRENT
NEURAL NETWORK
MEDIKA RISNASARI2208205204
JARINGAN CERDAS MULTIMEDIA TEKNIK ELEKTRO - ITS
Pendahuluan
Ekstraksi fitur :1. Spectral entropy
2. DFA3. Poincare plot
Klasifikasi :Elman RNN
Ventrikel fibrilasi
Soft Computing
Atrial fibrilasi
Normal sinus
rhythm
Sinyal Elektrokardiogram
Permasalahan
Sinyal EKG merupakan sinyal yang kompleks dengan karakteristik EKG yang bervariasi ketika dalam kondisi abnormal -> ritme jantung yang tidak normal.
Analisa dinamika non linear sebagai ekstraksi fitur
Metode elman recurrent neural network mampu menjadi pengklasikasi disritmia.
METODELOGI
Preprocessing :Tujuan: Menekan noiseProses : Denoising sinyal dengan Transformasi Wavelet
Input : sinyal EKG dari www.physionet.org
Ekstraksi Fitur:Analisa Dinamika Non Linear, meliputi: 1.Detrend Fluctuation Analys (DFA) 2.Poincare Plot3.Spectral Entrophy,
Klasifikasi Sinyal EKGMetode : Recurrent Neural Network
Denoising Sinyal EKG
Metode : Transformasi WaveletDilakukan proses dekomposisi dan thresholdingThreshold -> Metode D.Donoho -> Soft thresholding
Analisa Dinamika Non Linear -> DFA
Teori Chaos -> menunjukkan ketidakberaturan, kekacauan, keacakan atau kebetulan
DFA (Detrend Fluctuation Analys)
digunakan untuk menghitung fractal scaling properties dari interval R-R.
Algoritma dari DFA
1. Menghitung sinyal terintegrasi, :
2. Sinyal terintegrasi di segment ke dalam banyak window dengan lebar “n”.
3. Pada setiap window dihitung sebuah garis segmen (garis regresi) sebagai “trend” dari segment tersebut.
4. Sinyal trend , dibentuk oleh garis segment sebagai aproksimasi sinyal terintegrasi .
5. Menghitung sinyal detrend yang merupakan aproksimasi error
6. Sehingga Root mean squared approximation error untuk window dengan panjang n adalah:
k
1i]aveRR[RR(i)y(k)
)()()( kykyke n
)(kyn
y(k)
N
k
keN
nF1
2)(1)(
Alpha dapat diperkirakan sebagai kemiringan/garis regresi pada hubungan antara F(n) dengan n dalam gambar skala log log.
Tabel. Range nilai slope
nnF )(
1.5 2 2.5 3 3.5 4 4.5 52.5
3
3.5
4
4.5
5
5.5Grafik log(F(n)) vs log(n)
log(n)
log(
F(n)
Klasifikasi Nilai slope( )Normal Sinus Rhythm (NSR) 0.584 0.278
Atrial Fibrilation (AF) 0.56 0.153Ventricular Fibrilation (VF) 0.594 0.274
α
Analisa Dinamika Non Linear -> Poincare Plot
Poincare plot dari sinyal EKG adalah sebuah
visualisasi dimana setiap interval RR digambarkan
terhadap interval RR berikutnya (visualisasi
terhadap perubahan interval RR).
Algoritma untuk Poincare plot:
1. Mendapatkan titik RRn terhadap RRn+1 dalam suatu vector x dan yRR (RR1 , RR2 ,…………RRn , RRn+1 )x (x1 ,x2 ,…………xn ) (RR1 , RR2 ,……RRn+1 ), y (y1 ,y2 ,……yn ) (RR2 , RR3 ,……….RRn+1 )
2. Mendapatkan titik centroid yang merupakan nilai rata-rata;
3. Menentukan persamaan garis yang melewati titik centroid
4. Menetukan jarak titik dari poincare plot ke-i terhadap garis l1 dan l2
5. Mendapatkan persamaan SD1c dan SD2c :
6. Dalam ekstraksi fitur dilakukan perbandingan antara SD1 dengan SD2 (SD1/SD2)
ic xx ic yy
))(4/tan(:1 cc xxyyl ))(4/3tan(:2 cc xxyyl
2|)()(|1 cici
iyyxx
d
2
|)()(|2 cicii
yyxxd
n
iic d
nSD
1
21 )(11
n
iic d
nSD
1
22 )(12
Poincare plot