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