استفاده از یادگیری عمیق در استخراج ویژگی سیگنالهای صدای قلب برای تشخیص آریتمی ها
- سال انتشار: 1403
- محل انتشار: هفتمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF07_077
- زبان مقاله: فارسی
- تعداد مشاهده: 231
نویسندگان
استاد گروه مهندسی برق،دانشکده فنی و مهندسی،دانشگاه آزاد اسلامیواحد کازرون
استاد گروه مهندسی برق،دانشکده فنی و مهندسی،دانشگاه آزاد اسلامیواحد کازرون
چکیده
سیگنال ECG به طور وسیعی برای تشخیص بیماریهای قلبی در بیمارستانها و کلینیک ها استفاده می شود. در تشخیص بیماریهای مختلف قلبی ، تحلیل سیگنالهای PCG و ECG مهم و حیاتی است زیرا که این سیگنالهای می توانند نشانه زود هنگامی از نابهنجاریهای بالقوه قلبی را فرآهم کنند. استخراج اطلاعات قلبی از روی سیگنالهای PCG و ECG برای تشخیص بیماریهای قلبی در مرحله ابتدایی بیماریها می تواند یک نقش حیاتی را در مانیتورینگ بیمار از راه دور ایفا نماید. در این مقاله ، تکنیک های مختلف پردازش سیگنال از جمله یادگیری ماشین (ML) و یادگیری عمیق (DL) را با هم ترکیب کرده ایم تا فشرده سازی، حذف نویز، بخش بندی و طبقه بندی سیگنالهای PCG و ECG به طور موثر و دقیقی صورت گیرد. ابتدا با استفاده از تکنیک تجزیه و تحلیل چند رزلوشنه مبتنی بر تبدیل موجک گسسته (DWT)، سیگنالهای PCG فشرده سازی و حذف نویز می شوند. سپس ، برای بخش بندی سیگنال PCG به چهار بخش اصلی اولین صدای قلب (۱(S، فاصله زمانی سیستول، دومین صدای قلب (۲(S و فاصله زمین دیاستول، یک الگوریتم بخش بندی بر اساس پوش انرژی شانون و عبور از صفر اعمال می گردد. در آخر، برای استخراج ویژگی های حاوی اطلاعات از روی سیگنالهای PCG که بعدا برای طبقه بندی هر سیگنال PCG به یک سیگنال نرمال و یا یک سیگنال غیر نرمال به یک طبقه بندی کننده داده می شوند، اسپگتوگرام توان Mel-Scale و ضرایب استفاده می شوند.کلیدواژه ها
موجک گسسته ، فشرده سازی، سیگنالهای PCG و طبقه بندمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد 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.