心電圖信號辨識架構介紹

在本論文的 DHMM 模型訓練及辨識中，將使用到 Yun-Chi Yeh 等人[2]所提出 的 9 個特徵值，如表格 3.1 所示，分別為 H-QR、H-RS、QRS-dur、QTP-int、Ratio-RR、

Slope-QR、Slope-RS、Area-QRS 以及 Area-RST’，並針對不同類型的心電圖信號，使用 不同數量的特徵值來進行 DHMM 模型的訓練以及辨識，而且，本論文提出了三種心電 圖信號的辨識架構，以求達到最佳的辨識效果，接下來，將由第一種辨識架構開始介紹。

由於各心電圖信號類型所計算出的 Ratio-RR 這項特徵值之值域分布，即如圖 4.4[2]

所示，

圖 4.4 Ratio-RR 值域分布圖[2]

故利用此特徵值，將欲判讀的心電圖信號先分類為屬於 NORM、LBBB、RBBB 這三種 心跳類型，或屬於 APC、PVC 這兩種心跳類型，接著，再進入各自的 DHMM 模型中，

進行心電圖信號的辨識，分類後屬於 NORM、LBBB、RBBB 的心電圖信號，則使用其 餘的 8 個特徵值來進行 DHMM 的辨識，而若分類後是屬於 APC 或 PVC 這兩種心跳類 型，則使用 QRS-dur、QTP-int、Area-QRS 以及 Area-RST’這 4 個特徵值來進行 DHMM 辨識，故第一種辨識架構之完整流程則如圖 4.5 所示。

圖 4.5 第一種心電圖信號辨識架構流程圖

而第二種辨識架構的作法，則是對於在第一種辨識架構中被特徵值 Ratio-RR 分類 屬於 NORM、LBBB、RBBB 的心電圖信號，利用 QTP-int 這項特徵值，再進行第二次 的分類，由於各心電圖信號類型所計算出的 QTP-int 之值域分布，如圖 4.6[2]所示，

圖 4.6 QTP-int 值域分布圖[2]

因此利用這項特徵值，再將欲判讀的心電圖信號分類為屬於 NORM，或屬於 LBBB 與

RBBB，若再次分類後是屬於 LBBB、RBBB 者，則使用其餘的 7 個特徵值，即 H-QR、

H-RS、QRS-dur、Slope-QR、Slope-RS、Area-QRS 以及 Area-RST’，來進行 DHMM 的 辨識，而 APC 與 PVC 這兩種心跳類型的辨識，仍使用 QRS-dur、QTP-int、Area-QRS 以及 Area-RST’這 4 個特徵值來進行 DHMM 辨識，故第二種辨識架構之完整流程則如 圖 4.7 所示。

圖 4.7 第二種心電圖信號辨識架構流程圖

至於第三種心電圖信號的辨識架構，則是僅對於 NORM、束支傳導阻斷(Bundle branch block , BBB)、APC 與 PVC，這四種心電圖信號進行辨識，而做法同樣先以特徵 值 Ratio-RR 對欲判讀的心電圖信號進行第一次的分類，分類後屬於 NORM 及 BBB 的

心電圖信號，則再以特徵值 QTP-int 進行第二次分類，而分類後屬於 APC 與 PVC 的心 電圖信號，同樣使用 QRS-dur、QTP-int、Area-QRS 以及 Area-RST’這 4 個特徵值來進 行 DHMM 辨識，故第三種辨識架構的完整流程圖，如圖 4.8 所示。

圖 4.8 第三種心電圖信號辨識架構流程圖

心電圖信號在經過上述三種架構的辨識後，所得到的辨識成果，將在下一章的內容 當中，針對辨識實驗的數據以及結果，進行完整的討論及分析，以說明 HMM 是適合用 於心電圖信號辨識的。