案例式推理與類神經網路在心電圖訽斷之應用研究.pptVIP

案例式推理與類神經網路在心電圖診斷之應用研究 第一章 緒論 第一節 研究動機 第二節 研究流程 研究動機 心臟疾病在國人主要死因排行榜上始終居高不下，診斷心臟疾病的方法也因此扮演了重要的角色。心電圖是心臟收縮時所產生的電流記錄，由心電圖所量測到的波形，可以用來監視及推測是否有心臟疾病的發生。近年來隨著資訊科技的發展，以人工智慧為基礎的心電圖判讀系統更受到重視。本論文提出一個以人工智慧的混合型案例式推理所建構的心電圖自動診斷系統。 研究流程 第二章 文獻探討 第一節 心電圖簡介 第二節 類神經網路簡介 第三節 案例式推理簡介 心電圖簡介 1903 年荷蘭的生理學家因托芬使用弦線電流計量測心臟收縮時的電流變化，即由一連串的心肌去極化、再極化的過程所促成，此一過程所產生的電流佈滿全身，可藉由貼於表皮的電極感應出來，經過機器的描繪，以波形顯示，即為心電圖。 正常的心臟電位傳導產生的波形可以由五個成份來敘述，如圖示，包括P 波、P-R 間隔、QRS複合波、ST 段及T 波。P 波由心房的去極化所產生，P-R 間隔代表心房去極化的開始至心室去極化開始的時間，QRS 複合波由心室的去極化所產生，ST 段代表心室肌肉再極化過程的絕對不反應期，T 波代表心室肌肉再極化過程之相對不反應期（前半段）及超常期（後半段）。 類神經網路簡介 類神經網路是一種計算系統，它使用大量簡單的相連人工神經元來模仿生物神經網路的能力。人工神經元是生物神經元的簡單模擬，它從外界環境或者其它人工神經元取得資訊，並加以非常簡單的運算，並輸出其結果到外界環境或其它人工神經元。人工類神經元的設計基本上是希望能模仿生物神經元的特性，神經元是網路運作的基本單位，如圖所示。 根據類神經網路的學習型態，基本上可分為監督式學習與非監督式學習。監督式學習是依據過去輸入及輸出的範例學習經驗來建構網路模型，從過去不同的學習經驗找出最合理的規則，有特定的輸出變數，並藉由其他輸入變數來推論輸出變數，以大量的範例學習作為預測、分類及決策之用。而非監督式網路訓練之前，並沒有明確定義輸出為何，產生的結果並無法預知，網路會將有共通點的資料作分類。無論是哪一種學習型態的應用，都必須依據問題領域的不同做選擇。 案例式推理簡介 利用過去相似問題的解答來解決目前所面臨到的新問題是案例推理的主要精神。此模式將一個人的記憶模擬成一張張的草稿，在認知新事物時便根據類似草稿的描述來解釋，而不需將知識重新編譯，解決了法則知識表現法的若干缺點。不過由於此模式將各個草稿分離開來，使得相互間仍是獨立而無關聯的，所以此模式只能作知識的儲存，而無法從過去的記憶中找出協助人們解決問題的方法。如果回憶是人類在瞭解事物的基本動作，則認知的模式就必須包含經驗的搜尋和利用。因此，Schank 和他的學生在1982 年提出了動態記憶（DynamicMemory）模式，主要是依據索引（Index）將人類的記憶、認知、經驗及學習連結在一起。在此模式下，人類的經驗和知識被組合成一種稱為MOP（Memory Organization Package）的形式，記憶中類似的經驗被組合在一起，使得整個記憶結合成一個複雜的層狀結構。當記憶與知識的組織方式被確定以後，案例式推理的模式也立刻被發展出來。 案例式推理的發展至今已有二十多年的歷史，相關的研究依其研究的動機可分成兩個學派，即為認知科學與人工智慧。 從認知科學學派的中可知，研究者主要的研究焦點在於知識的表現方式，並只在特定的範圍內進行知識的再利用，且著重在案例式推理的本質及領域。此派學者認為是案例式推理是在探討人類的認知模式，案例指的即是事件，許多整合了其他推理方法的案例式系統，但並不是模擬人類的推理模式皆不被接受。 在人工智慧學派的中，對於案例式推理的定義較為有彈性，所發展的許多系統皆是植基於人工智慧－案例式推理的觀點而來。案例式推理被轉化成建立專家系統的方法，一些像是圖表、規則、模型與樣本都可被當作是案例來使用，主要的特色在於藉由改編從過去的經驗所得到的大量資訊來解決新問題。人工智慧學派的觀點主要就是將許多不同的方法整合在一起，以實用的角度來建立系統以因應不同的領域和不同的問題。 『案例式推理系統的運作流程圖』 第三章 研究方法 第一節 心電圖訊號的前置處理 第二節 心電圖訊號特徵擷取 第三節 案例式推理系統流程 第四節 案例索引的建立 第五節 相似案例的取出 第六節 案例改編 心電圖訊號的前置處理 一般來說，為了精確地偵測心電圖的重要特徵點，P、Q、R、S、T等，我們通常會先對心電圖訊號做一些適當的前置處理，這樣可以去除或減輕雜訊所造成的影響。本研究採用一種在訊號處理領域常用的濾波器架構來做心電圖的前置處理，接著以峰值偵測邏輯來完成心電圖的特徵點偵測，