91
第七章 結論與未來展望
7.1 結論
少子化已是全球趨勢,連帶造成人口結構逐漸老化,台灣的情形恐怕更 嚴重。老人福利團體今天指出,台灣近年的人口老化速度非常快,全台65 歲以上的老年人口已逼近全人口數的一成,預估20年後,更會衝破二成,全 台灣每五個人,就有一個老人。面臨著高齡化的時代,許多的慢性疾病也相 繼的接踵而來,包括了心臟病、糖尿病、慢性肝病、高血壓、腦血管疾病、
腎臟病等,因有鑒於此,需要長期接受治療的人愈來愈多,其發展居家看護 的診療系統是有其迫切性。利用心電圖來判斷心臟疾病已經應用的相當廣 泛,其中自行在家中量測心電圖訊號也不是件難事,一張心電圖可以診斷急 性心肌梗塞,辨認出會照成生命危險的心律不整,看出長期高血壓所造成的 慢性傷害,或廣泛的肺栓塞所造成的急性變化。但是心臟病患者發病之後往 往都還會再復發,因此必須隨時測量心臟病患者的心電圖和電子聽診器的心 音圖,據以判斷心臟病患者的心臟活動情形,並於緊急狀況發生時,即時的 聯絡醫護人員,並且快速的傳輸心電圖與電子聽診器的心音圖資料,以及建 立遠端醫護人員與患者端之間的急救影音通訊介面,成為未來高齡化社會所 急需的遠照護設備。
在本論文中提出一套可以辨識心電圖疾病的方法,是以病症波形來抽取 特徵向量,接著利用特徵權重公式計算其特徵的重要性,最後再將特徵向量 輸入支持向量機來診斷,希望能提供一個具有準確性、即時性的醫療自動診 療系統,希望能協助專業醫護人員正確的診斷從心電圖上可探知的疾病。
92
7.2 未來展望
在心電圖的診斷上,由於本研究是以MIT-BIH心律不整資料庫為主,雖 然資料庫已經提供了一定的數量,但是未來可以考慮和其它資料庫同時使用 做辨識,增加辨識的可靠性,雖然本研究使用385個特徵值,未來可以考慮 增加其它相關的特徵值,至於病症部份,也可考慮增其病症,來做辨識。
硬體實現的部份,由於使用支持向量機做為分類器,其軟體實作時都需 花較多的時間於訓練,因此如果可以實現在硬體上,計算所需的時間也是事 必將減少許多。
壓縮和辨識同時執行,由於心電圖資料的龐大,如果可以對資料量先做 壓縮並且能及時辨認出來,不但資料量減少而且能有高的辨識率,能提高系 統的執行效率。