LabView based, simulation and automatic analysis of ECG signal using FPGA

Abstract

Elektrokardiyografi (EKG), tıbbın içinde kullanılan ve kalbin elektrik sistemi hakkında çok bilgi veren en önemli şeylerden biridir ve daha düşük masraflarla cheast ağrısı çeken hastanın tıbbi durumunu teşhis eder. EKG'den kaynaklanan kalp atışı, doktorlara hasta için uygun tedaviyi önermesine yardımcı olacaktır. Çalışmamızda, FPGA'ye dayalı sekiz kalp kalbeğinin teşhisine yönelik bir sistem kurduk. Sekiz olgu kalbi etkileyen en yaygın rahatsızlıklar şunlardır: (Normal, Birinci Dereceden Kalp Bloğu, Lowen-Ganong Leving sendromu, miyokardiyal enfeksiyon, Bradikardi, Wolff-Parkinson White sendromu, Sağ veya Sol dal bloğu ve Techcardia). Yapılan EKG teşhis sistemi EKG veri toplama sistemi, öznitelik çıkarımı ve karar sınıflandırıcı parçaları olan üç parçadan oluşur. Teşhis sistemimizi oluşturmak için, Lab View biyomedikal araç setini kullanıyoruz. Çalışmamızda EKG'nin (PR, QRS, RR ve QT süreleri) dört özelliği kabul edilmektedir. Sınıflandırıcı kalp hastalıklarına yönelik çalışmalarımızda kullanılan algoritmalar: Eşik Kararı (TD) ve Sayısal Sanal Genelleştirme Rasgele Erişim Belleği (NVG-RAM) ağırlıksız sinir ağı. MIT-BIH kullanan önerilen iki sınıflandırıcının simülasyon sonuçları, kalp koşulu tanımlamasında doğru sınıflamanın en olası ihtimalinin, 100% olan NVG-RAM sınıflandırıcısını, ardından 98.84% başarı oranına sahip TD sınıflandırıcısını kullanarak elde edildiğini göstermektedir. Eşik Kararı ve NVG-RAM sınıflandırıcılarını çalıştırmak için FPGA spartan-3AN XC3S700AN donanım platformunu kullanıyoruz. Bu tür FPGA donanım özellikleri birçok kısıtlamayla karşı karşıya ve hızı aşıyor. TD sınıflandırıcısı, donanım dilimlerinin1% 'inden yararlanıyor. NVG-RAM sınıflandırıcısı spartan-3AN XC3S700AN dilimlerinin 21%'ini kullanırken. Uygulanan iki sınıflandırıcı, yürütülmüş TD ve NVG-RAM sınıflandırıcıları için genel başarı oranının sırasıyla 98% ve 100% olduğu deneysel testlerde mükemmel performansa sahiptir

Electrocardiography (ECG) is one of the most important things used in medicine, where gives us a lot of information about the electrical system of the heart, and diagnosis the medical condition of the patient suffering from pain in the cheast at lower costs. Heartbeat resulting from ECG will help the doctors to suggest the appropriate treatment for the patient. In our work we built a system to diagnosis of eight different cases of the heart based on the FPGA. The eight cases are the most common ailments affecting the heart which are:(Normal, First Degree Heart Block, Lowen-Ganong Leving syndrome, Myocardial Infraction,Bradycardia, Wolff-Parkinson White syndrome, Right or Left bundle branch,and Techcardia).The ECG diagnose system that were built Consists of three parts which are ECG data acquisition system, feature extraction and decision classifier parts. For Building our diagnostics system, we have been using Lab View biomedical toolkit. In our work we are considered four features which are (PR, QRS, RR, and QT durations)of the ECG. The algorithms that we are used in our work to classifier heart diseases are Threshold Decision(TD) and Numeral Virtual Generalizing Random Access Memory (NVG-RAM) weightless neural network. Simulation results of the two proposed classifiers using MIT-BIH, show that the highest probability of correct classification for the heart conditions identification is achieved by using the NVG-RAM classifier that is 100% followed by the TD classifier which has 98.84% success rate. We use FPGA spartan-3AN XC3S700AN hardware platform to execute Threshold Decision and NVG-RAM classifiers. This type of FPGA hardware features that faces many restrictions and overcome like speed. The TD classifier 1% utilization of hardware platform slices. While the NVG-RAM classifier utilizes 21% of spartan-3AN XC3S700AN slices. The two executed classifiers have excellent performance in experimental tests, where the overall success rate showed for executed TD and NVG-RAM classifier is 98% and 100%, respectively.