تشخیص نارسایی های قلبی با استفاده از تبدیل کسینوسی گسسته و طبقه بندی کننده شبکه عصبی

با توجه به آمار دانشگاه علوم پزشکی مشهد میزان مرگ و میر بر اثر بیماری های قلبی در کشور ایران سالانه تقریباً 46% است. به این منظور، در این تحقیق یک الگوریتم طبقه بندی با استفاده از ضرایب بهینه تبدیل کسینوسی گسسته برای تفکیک پنج نوع کمپلکس قلبی مختلف ارائه گردید که بر مبنای آن ابتدا ضرایب تبدیل کسینوسی گسسته کمپلک های قلبی استخراج و سپس 100% و 21/5% این ضرایب به عنوان ورودی به شبکه عصبی چند لایه پرسپترون داده می شود و در نهایت، این طبقه کننده ها با استفاده از روش k-Fold ارزیابی می گردند. نتایج این تحقیق نشان می دهد که صحت دسته بندی با 100% ضرایب 97/8% و 21/5% ضرایب برابر با 99/8% بوده است.

کلیدواژه ها:

الکتروکاردیوگرام ، تبدیل کسینوسی گسسته شبکه چند لایه پرسپترون