Neural networks are composed of simple elements operating in parallel. These elements are inspired by biological nervous systems. As in nature, the connections between elements largely determine the network function. A neural network performs a particular function by adjusting the values of the connections (weights) between elements. Typically, neural networks are adjusted, or trained, so that a particular input leads to a specific target output. There, the network is adjusted, based on a comparison of the output and the target, until the network output matches the target. In this project, amplitude of Q, R and S wave are use to classify ECG signal into normal and abnormal. ECG consists of various waveforms of electric signals. Early diagnosis of heart disease can prevent sudden death of patient. One of the ways to diagnose heart disease is to use ECG signal by classify the ECG signal into normal and abnormal. The proposed used in this project is neural network to classify ECG signal into normal and abnormal class. The neural network that developed contain Multilayer Network Perceptron ( MLP). The network use three layers that is one input layer, one hidden layer and one output layer. In this project, two different training algorithms is use. The algorithm used is Levenberg Marquard algorithm and Scalar Conjugate Gradient. The result shown that Levenberg Marquard algorithm have better performance which have accuracy 64.6% meanwhile Scalar Conjugate Gradient have accuracy 60.7%.This project conclude that Levenberg Marquard algorithm has better performance in classifying ECG signal.
_________________________________________________________________________________________
Rangkaian neural terdiri daripada elemen mudah yang beroperasi dalam selari. Elemen ini seperti saraf system biologi. Hubungan antara elemen menentukan fungsi sesebuah system itu. Rangkaian neural menunjukkan fungsi tertentu dengan mengubah nilai hubungan antara elemen. Rangkaian neural di ubah berdasarkan perbandingan antara keputusan dengan matlamat sehingga nilai keputusan adalah sama dengan nilai matlamat. Projek ini menggunakan puncak Q, R dan S gelombang untuk mengklasifikasikan ECG kepada normal atau tidak normal. ECG mengandungi pelbagai bentuk gelombang. Diagnosis awal penyakit yang melibatkan jantung boleh menghalang kematian secara tiba-tiba oleh pesakit. Salah satu cara untuk diagnosis ialah menggunakan ECG dengan mengklasifikasikan isyarat ECG kepada normal atau tidak normal. Cara yang dicadangkan dalam projek ini ialah dengan menggunakan rangkaian neural ianya akan dapat mengklasifikasikan ECG kepada normal dengan tidak normal. Neural network yang di bina terdiri daripada MLP yang mana ianya menggunakan tiga lapis, iaitu lapis masukan, lapis yg tersembunyi dan satu lagi ialah lapis matlamat. Di dalam projek ini, 2 algorithma latihan digunakan. Algorithma yang digunakan ialah Levenberg Marquard algorithma dan Scalar Conjugate Gradient. Keputusan akhir menunjukkan Levenberg Marquard algorithma menghasilkan keputasan yang lebih baik dimana ketepatannya mencapai 64.6% manakala Scalar Conjugate Gradient menghasilkan ketepatan 60.7%. Ini menunjukkan Levenberg Marquade algorithma lebih baik didalam mengklasifikasikan ECG.
Detection ecg signal using neural network_Mohd Khairi Asraf B Mohd Amin_E3_2011_875003997_00003089553_NI