تشخیص بیماری دیابت با استفاده از سیگنال ECG بر اساس آموزش عمیق

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 328

فایل این مقاله در 9 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:

IRECE01_061

تاریخ نمایه سازی: 9 مهر 1401

چکیده مقاله:

دیابت یک بیماری متابولیک است که افراد زیادی را در سراسر جهان تحت تاثیر قرار می دهد. میزان بروز آن هر سال به طرز نگران کننده ای افزایش می یابد. در صورت عدم درمان، عوارض مرتبط با دیابت در بسیاری از اندام های حیاتی بدن ممکن است کشنده شود. تشخیص زودهنگام دیابت برای درمان به موقع بسیار مهم است که میتواند از پیشرفت بیماری به چنین عوارضی جلوگیری کند. سیگنالهای ECG۱میتوانند به طور موثر برای تشخیص غیرتهاجمی دیابت استفاده شوند. این مقاله روشی را برای طبقه بندی افراد دیابتی و عادی با استفاده از معماریهای یادگیری عمیق ارائه میکند. ما از شبکه عصبی کانولوشنال ۲(CNN) برای استخراج ویژگی های سیگنال ECG استفاده میکنیم. این ویژگیها برای طبقه بندی به ماشین بردار پشتیبان (SVM)۳ منتقل می شوند. سیستم طبقه بندی پیشنهادی میتواند به پزشکان کمک کند تا دیابت را با استفاده از سیگنال های ECG با دقت بسیار بالای ۹۸.۵٪ تشخیص دهند.

نویسندگان

بهناز فرامرزی

گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران

محمدحسین فاتحی دیندارلو

گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران

جاسم جمالی

گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران