TY - JOUR ID - TI - Feature Extraction and Classification for ECG signals Processing based on Stationary Multiwavelet Transform and Artificial Neural Network أستخلاص الميزّات والخواص و تصنيفها من اشارة القلب بلاعتماد على الشبكة المتعددة المويجات المستقرة و الشبكه العصبية الصناعية AU - Zahraa K. Taha زهراء خضير طه PY - 2018 VL - IS - 29 SP - 85 EP - 101 JO - AL-MANSOUR JOURNAL مجلة المنصور SN - 18196489 AB - This paper proposes an algorithm that uses mix of Stationary Multiwavelet Transform and Artificial Neural Network (ANN) algorithm for classification of Electrocardiograph (ECG) signals. The MIT-BIH arrhythmia database is used to measure the performance of the suggested method and compare the results with conventional techniques. The Stationary Multiwavelet Transform (SMWT) and the Minimum Average Maximum strategy (MAM) is suggested to calculate the useful features of the signal before utilizing ANN algorithm for classification. Since SMWT is a translation invariant, therefore, it enhances the classification performance and reduces mean square error (MSE). Repeated Row Processing exists in this scheme to make it more suitable for feature extraction compared with Stationary Wavelet Transform (SWT), Multiwavelet Transform (MWT) and Principle Component Analysis (PCA). SMWT and MAM reduce dimensional space and decrease the complexity of classification circuit. ECG signal is classified using ANN. Finally, the results of the proposed method are realistic compared with SWT-ANN, MWT-ANN, and PCA-ANN. The obtained results emphasize the excellence of the presented algorithm than the traditional techniques. The SMWT-ANN achieves classification accuracy of 100% and mean square error of 〖1.4*10〗^(-3).

تم في هذا البحث الدمج بين الشبكة المتعددة المويجات المستقرة و الشبكه العصبية الصناعية لغرض تصنيف اشارة القلب. ان قاعدة البيانات MIT-BIH قد استخدمت لقياس أداء الطريقة المقترحة ومقارنة النتيجة مع التقنيات التقليدية. ان الطرق (SMWT) و (MAM) تم اقتراحها لاستخلاص الميزّات والخواص من الاشارة قبل تصنيفها بواسطة ANN. بما ان SMWT لها خاصية عدم التغير مع الزحف فأن هذا يعزز من أداء عملية التصنيف ويقلل من الخطأ. أن تكرار معالجة الأسطر الموجودة في هذا المخطط جعل الاسلوب المستخدم أكثر ملاءمة لأستخراج الميزات مقارنة مع SWT, MWT وPCA. ان الطرق (SMWT) و (MAM) تقلل من ابعاد الإشارة وتقلل من تعقيد دائرة التصنيف. أخيراً ان نتائج الطريقة المقترحة هي واقعية مقارنة مع SWT-ANN, MWT-ANNو PCA-ANN. النتائج التي تم الحصول عليها تؤكد تفوق الخوارزمية المقترحة على الاساليب التقليدية.SMWT-ANN حققت دقة تصنيف 100% و معدل خطأ بمقدار 0.0014. ER -