ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص نارسایی کم خونی عضلات قلبی از روی شکل موج ECG با استفاده از تبدیل کسینوسی (DCT) و شبکه عصبی مصنوعی (ANN)

تعداد صفحات: 5 | تعداد نمایش خلاصه: 782 | نظرات: 0
سال انتشار: 1387
کد COI مقاله: ICBME15_067
زبان مقاله: فارسی
(فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 5 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص نارسایی کم خونی عضلات قلبی از روی شکل موج ECG با استفاده از تبدیل کسینوسی (DCT) و شبکه عصبی مصنوعی (ANN)

حجت محمدنژاد - دانشگاه شاهد، دانشکده فنی مهندسی
محمد پویان - دانشگاه شاهد، دانشکده فنی مهندسی
میثم خلیل ارجمندی - دانشگاه شاهد، دانشکده فنی مهندسی

چکیده مقاله:

در این مقاله یک روش جدید برای تشخیص نارسایی کم خونی (MI) (myocardial ischemic episode) در مانیتورینگ گردشی قلبی (AECG)ECG بر پایه تغییرات ST-Segment معرفی شده است. این روش بر اساس تبدیل کسینوسی گسسته (DCT) Discrete Cosine Transform و شبکه عصبی (ANN) Artificial Neural Network ارزیابی و ارائه شده است. در ابتدا ST-Segmet بر اساس تخیص مکان پیک R در AECG استخراج می شود. زیر مجموعه ای از ضرایب DCT بعنوان بردار ویژگی حاصل از ST-Segment تعیین می شود و در نهایت یک شبکه سه لایه ای Feed Forward با بهره گیری از الگوریتم Backpropagation برای کلاسه بندی ST-Segment بعنوان نرمال و یا غیر نرمال (در بیماران مبتلا به MI) استفاده می شود. در شبیه سازی کامپیوتری نرخ طبقه بندی بالایی در حدود 82% بدست آمد. نتایج بدست آمده نشان داد که DCT و شبکه عصبی یک پیشنهاد قابل قبولی برای تشخیص نارسایی کم خونی با بهره گیری از ST-Segment در سیگنال AECG می باشد.

کلیدواژه ها:

Artificial Neural Network – Backpropagation - Discrete Cosine Transform - Myocardial Ischemic Episode - ST-Segment

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/168627/

کد COI مقاله: ICBME15_067

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمدنژاد، حجت و پویان، محمد و خلیل ارجمندی، میثم،1387،تشخیص نارسایی کم خونی عضلات قلبی از روی شکل موج ECG با استفاده از تبدیل کسینوسی (DCT) و شبکه عصبی مصنوعی (ANN)،پانزدهمین کنفرانس مهندسی پزشکی ایران،مشهد،،،https://civilica.com/doc/168627

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1387، محمدنژاد، حجت؛ محمد پویان و میثم خلیل ارجمندی)
برای بار دوم به بعد: (1387، محمدنژاد؛ پویان و خلیل ارجمندی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Franc Jager, George B.Moody, and Roger G.Mark, "Detection of Transiet ...
  • Taddei, A., A.Biagini, G.Distante, M.Emdin, M.G. Mazzei, P. Pisani, N. ...
  • Development, Distribution and Use: Proc. Computers in Cardiology, 23-26 Sept. ...
  • Robert Schalkoff, Pattern Recognition : Statistical, Strutural and Neural Approaches, ...
  • MATLAB help: Discrete Cosine Transform, Matlab Software, Version 6.5 (R13). ...
  • MATLAB ANN Toolbos :Neural Network Toolbox Guide-5, User s Guide: ...
  • P. Laguna, G. B. Moody, and R. G. Mark, "Analysis ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 3,915
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی