طبقه بندی بهینه ویژگی های استخراجی از سیگنال الکتروکاردیوگرام به کمک الگوریتم هایpsoو ماشین بردار پشتیبان
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 266
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UTCONF06_057
تاریخ نمایه سازی: 3 اردیبهشت 1401
چکیده مقاله:
آریتمی های قلبی یکی از بیماری های قلبی بوده که در مورد بیماران بستری شده در بخش مراقبت های ویژه باید به آن توجه شود هوشمندسازی فرآیند تشخیص دقیق بیماری های قلبی مسالهای است که سالها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی های مناسب استخراج شده از سیگنال ECGبر پایه ی الگوریتم باینری فاخته (BCOA) ارائه شده است. ویژگی های استخراج شده شامل ویژگی های زمانی، AR و ضرایب موجک است که تعداد این ویژگی ها با استفاده از عملگر mRMR ی PCA کاهش داده میشود. BCOA ، مجموعه هایی از ویژگی تشکیل میدهد و همواره در پی یافتن مجموعه ای شایسته از تمامی ویژگی ها است. ارزیابی این مجموعه از ویژگی های انتخاب شده توسط BCOA با اعمال به طبقه بند SVMبررسی میشود. سپس الگوریتم PSO جهت بهینه سازی پارامترهایSVMاعمال میشود. به کمک شبیه سازی کامپیوتری، صحت کلی سیستم برای شناسایی ۶نوع ریتم قلبی۹۸.۹۷به دست آمد که در مقایسه دقت حاصل شده با پژوهش های پیشین، کارایی مطلوب روش پیشنهادی را نشان میدهد.
کلیدواژه ها:
نویسندگان
ثریا دیاله
گروه برق و مهندسی پزشکی، واحد کازرون، دانشگاه ازاد اسلامی، کازرون ،ایران
امید مهدی یار
گروه برق و مهندسی پزشکی، واحد کازرون، دانشگاه ازاد اسلامی، کازرون ،ایران
محمدحسین فاتحی دیندارلو
گروه برق و مهندسی پزشکی، واحد کازرون، دانشگاه ازاد اسلامی، کازرون ،ایران