IAESCOREIAESCORE

International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE)

Makalah ini menyajikan analisis sensitivitas terhadap gangguan dari berbagai algoritma deteksi elektrokardiogram (ECG) yang diambil dari database aritmia MIT-BIH. Tujuh metode yang digunakan dalam penelitian ini didasarkan pada turunan, filter digital (DF), jaringan saraf tiruan (NN), dan transformasi wavelet (WT). Sinyal ECG mentah dikorupsi dengan lima jenis gangguan sintetis, yaitu interferensi listrik, drift garis basis akibat pernapasan, perubahan mendadak pada garis dasar, interferensi elektromiogram (EMG), serta gangguan komposit yang terdiri dari kombinasi jenis-jenis sebelumnya. Sebanyak 315 kumpulan data dibangun dari 15 set data mentah untuk setiap jenis gangguan dengan tingkat 0%, 25%, 50%, 75%, dan 100%. Penerapan metode-metode tersebut untuk mendeteksi kompleks QRS dari total 33.774 denyut jantung menunjukkan bahwa tidak ada satu algoritma pun yang mampu mendeteksi semua kompleks QRS tanpa kesalahan positif palsu untuk semua jenis gangguan pada tingkat gangguan tertinggi. Algoritma berbasis NN dan WT menunjukkan kinerja yang lebih baik jika mempertimbangkan semua jenis gangguan, dan kedua algoritma tersebut menunjukkan kinerja yang serupa. Hasil penelitian ini akan membantu dalam mengembangkan detektor ECG yang lebih kuat dan membuat sistem interpretasi ECG menjadi lebih efektif.

Analisis terhadap berbagai algoritma deteksi kompleks QRS pada sinyal ECG yang bising menunjukkan bahwa tidak ada satu algoritma pun yang unggul dalam semua kondisi.Algoritma berbasis jaringan saraf tiruan (NN) dan transformasi wavelet (WT) menunjukkan ketahanan terhadap gangguan yang relatif lebih baik.Penggabungan beberapa algoritma dapat meningkatkan kinerja deteksi dengan memanfaatkan kelebihan masing-masing metode.

Pertama, perlu dikembangkan penelitian tentang bagaimana algoritma gabungan antara jaringan saraf tiruan dan transformasi wavelet dapat meningkatkan deteksi kompleks QRS dalam kondisi gangguan yang sangat tinggi, terutama pada sinyal ECG pasien dengan kelainan jantung langka. Kedua, penting untuk mengevaluasi apakah pendekatan adaptif terhadap threshold dan teknik pemangkasan puncak dapat dioptimalkan secara dinamis berdasarkan jenis dan tingkat gangguan yang terdeteksi secara real-time. Ketiga, perlu dilakukan studi mendalam mengenai sensitivitas noise pada kinerja algoritma deteksi untuk jenis-jenis denyut jantung abnormal tertentu, seperti PVC atau BBB, agar sistem deteksi dapat disesuaikan secara spesifik dengan morfologi gelombang yang berbeda dalam lingkungan bising. Penelitian lanjutan juga dapat mengeksplorasi kemampuan klasifikasi pola ECG normal dan abnormal di bawah berbagai kondisi gangguan menggunakan pendekatan berbasis wavelet dan pembelajaran mesin secara terpadu. Pengujian parameter algoritma yang dioptimalkan untuk satu jenis gangguan perlu dievaluasi dampaknya terhadap kinerja pada jenis gangguan lain. Selain itu, penting untuk menyelidiki bagaimana variasi antar individu dalam sinyal biologis memengaruhi kestabilan dan generalisasi algoritma deteksi. Pengembangan metode penyesuaian parameter berbasis umpan balik dari karakteristik sinyal mungkin dapat meningkatkan akurasi deteksi dalam waktu nyata. Studi lebih lanjut juga dapat membandingkan efisiensi komputasi antara pendekatan berbasis NN dan WT di perangkat mobile atau sistem wearable. Akhirnya, evaluasi sistem deteksi QRS dalam skenario klinis yang mencerminkan kondisi dunia nyata, termasuk kombinasi gangguan kompleks dan perubahan morfologi sinyal, akan sangat bermanfaat untuk validasi eksternal metode yang diusulkan.

Read online
File size1.02 MB
Pages10
DMCAReport

Related /

ads-block-test