استفاده از الگوریتم های هوش مصنوعی در راستای فشرده سازی ، حذف نویز، بخش بندی صدای قلب برای تشخیص آریتمی ها
- سال انتشار: 1403
- محل انتشار: سیزدهمین کنفرانس بین المللی مهندسی برق، الکترونیک و شبکه های هوشمند
- کد COI اختصاصی: EESCONF13_048
- زبان مقاله: فارسی
- تعداد مشاهده: 203
نویسندگان
گروه برق و کامپیوتر،دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی واحد کازرو ن
استاد گروه مهندسی برق،دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی واحد کازرون
استاد گروه مهندسی برق،دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی واحد کازرون
چکیده
این مقاله ها شامل طراحی نمونه هایی برای فشرده سازی ، حذف نویز، بخش بندی و طبقه بندی دقیق سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام می باشند . سیگنال فونوکاردیوگرام ، نمایش گرافیکی صدای قلب است که فعالیت های مکانیکی قلب انسان را بیان می کند. سیگنال فونوکاردیوگرام حاوی اطلاعات مفیدی در مورد کارکرد و وضعیت قلب است . سیگنال الکتروکاردیوگرام فعالیت های الکتریکی قلب انسان را نشان می دهد. سیگنال الکتروکاردیوگرام به طور وسیعی برای تشخیص بیماری های قلبی در بیمارستانها و کلینیک ها استفاده می شود. در تشخیص بیماری های مختلف قلبی ، تحلیل سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام مهم و حیاتی است زیرا که این سیگنالهای می توانند نشانه زود هنگامی از نابهنجاری های بالقوه قلبی را فرآهم کنند. استخراج اطلاعات قلبی از روی سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام برای تشخیص بیماری های قلبی در مرحله ابتدایی بیماری ها 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 عمیق را با هم ترکیب کرده ایم تا فشرده سازی ، حذف نویز، بخش بندی و طبقه بندی سیگنالهای فونوکاردیوگرام و الکتروکاردیوگرام به طور موثر و دقیقی صورت گیرد. ابتدا با استفاده از تکنیک تجزیه و تحلیل چند رزلوشنه مبتنی بر تبدیل موجک گسسته ، سیگنالهای فونوکاردیوگرام فشرده سازی و حذف نویز می شوند.کلیدواژه ها
سیگنالهای فونوکاردیوگرام، یادگیری ماشین و الکتروکاردیوگراممقالات مرتبط جدید
- ارزیابی اقتصادی و زیست محیطی سناریوهای ترکیب انرژی تجدیدپذیر در برنامه ریزی تولید برق ایران تا افق ۱۴۱۰
- بررسی فناوریها و استراتژیها برای بهینه سازی مصرف انرژی و افزایش کارایی در شبکه های توزیع
- فناوری اطلاعات و ارتباطات سبز
- Hoo Controller Design for a Quadruple-Tank Multivariable System: Robust Performance via Weighted Sensitivity Shaping
- تاثیر حیاتی همبستگیهای آماری ضعیف بادبار بر قابلیت اطمینان سیستمهای قدرت: دیدگاهی فراتر از مدلهای سنتی
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.