مدل های یادگیری ماشین برای طبقه بندی سیگنال ECG

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 584

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

UTCONF04_102

تاریخ نمایه سازی: 13 آبان 1399

چکیده مقاله:

آریتمی یکی از دلایل عمده مرگ و میر در سراسر جهان است تقریبا 17,9 میلیون نفر در اثر بیماری های قلبی عروقی میمیرند.به منظور کاهش این میزان مرگ و میر بسیار زیاد ، باید بیماری قلبی عروقی به درستی شناسایی وتشخیص داده شوند ودرمان مناسب برای ان باید بلافاصله در اختیار بیماران قرار گیرد. در این مطالعه یک گروه جدید مبتنی بر ماشین بردار تکیه گاه (SVM) برای طبقه بندی کردن ضربان قلب به 4طبقه از بانک اطلاعاتی آریتمی MIT-BIH پیشنهاد شده است.نتیجه بدست آمده با دیگر طبقه بندی ها مقایسه شد که این طبقه بندی ها SVM و جنگل تصادفی RF ،-Kنزدیکترین همسایگان KNN و شبکه کوتاه مدت طولانی است. چهار ویژگی استخراج شده ازسیگنال های ECG که توسط طبقه بندی کننده ها مورد استفاده قرار می گیرند عبارتنداز:1. (Wawelets) موجک ها2. آمار ترتیبی بالا3. RRفواصل4. ویژگی های مورفولوژیکی مجموعه ای از SVMها با دقت بالای 94,4٪ بهترین نتیجه را کسب کردند.

نویسندگان

سیدمحمدمهدی رضوی

استاد دانشگاه، گروه مهندسی مکانیک دانشگاه فنی حرفه ای، شهید رجایی کاشان.

سحر صابری منش

دانش آموخته کارشناسی مهندسی پزشکی ،دانشگاه آزاد اسلامی واحد کاشان.

سارا غافلی

دانش آموخته کارشناسی مهندسی پزشکی ،دانشگاه آزاد اسلامی واحد کاشان.

غزاله زارع

دانش آموخته کارشناسی مهندسی پزشکی ،دانشگاه آزاد اسلامی واحد کاشان.