دسته بندی آریتمی های قلبی بر مبنای تبدیل موجک و SVM

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,088

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE04_014

تاریخ نمایه سازی: 6 مهر 1391

چکیده مقاله:

در این مقاله یک روش برای دسته بندی آریتمی های قلبی ارائه شده است. تعداد 5 آریتمی از بانک اطلاعاتی Physionet انتخاب شده و برای هر آریتمی 5 فایل استفاده شده است. آریتمی ها به زمانهای 4 ثانیه تقسیم شده و برای هر قطعه زمانی ضرایب تبدیل موجک به عنوان بردار ویژگی آن قطعه محاسبه شده و از ماشین بردار پشتیبان SVM برای دسته بندی آریتمی ها استفاده شده است. دسته بندی کننده های SVM را با بردارهای ویژگی قطعات آموزش داده و برای دسته بندی یک آریتمی مجهول، بردارهای ویژگی قطعات زمانی آن به SVM ها اعمال می شوند. دقت تشخیص در دسته بندی 99/3% بدست آمده است.

کلیدواژه ها:

نویسندگان

عاطفه کلاته میمری

دانشجوی کارشناسی ارشد برق- کنترل دانشگاه آزاد اسلامی واحد گناباد

جلیل شیرازی

استادیار دانشگاه آزاد اسلامی- گروه برق- واحد گناباد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • دانشگاه آزاد اسلامی گناباد- 7 و 8 و 9 شهریور ...
  • R. B. Ghongade, A. A. Ghatol, "Optimization of a multi- ...
  • P. Ghorbanian, A. Ghaffari, A. Jalali, C. Nataraj, "Heart Arrhythmia ...
  • MIT-BIH arrhythmia database directory. Available from http _ //www .phvsi ...
  • NihalF atmaGuclera, ElifDerya U beylib, I nanGuClera, " Recurrent neural ...
  • Abdulhamit Subasia, "EEG signal c l ass ificationusing wavelet feature ...
  • C. Cortes, V. Vapnik, "Support vector networks, " Mach. Learn, ...
  • نمایش کامل مراجع