شاخص هورست چندگانه اصلاح شده برای ارزیابی میزان آشوبناک بودن در کاربرد طبقه بندی آریتمی های قلبی

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 8

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBM-9-2_004

تاریخ نمایه سازی: 20 اسفند 1404

چکیده مقاله:

قلب انسان سیستمی آشوبناک است؛ از­این­رو برای شناسایی انواع آریتمی های قلبی از بعد فرکتال استفاده می­شود. آریتمی های قلبی یکی از شایع ترین بیماری ها هستند که شناسایی آن ها بسیار مهم است. نمای هورست معیاری برای ارزیابی میزان آشوبناکی سیستم ها و کمی سازی بعد فرکتال سیستم های آشوبناک است، که با روش تحلیل دامنه بازمقیاس محاسبه می شود. براساس مطالعات انجام شده، نمای هورست کلاسیک ویژگی مناسبی برای طبقه بندی آریتمی های قلبی نیست؛ زیرا از یک­سو، انتخاب و تعیین مقدار پارامترها به­شدت بر مقدار محاسبه شده برای نمای هورست تاثیر می گذارد و از سوی دیگر، این روش وابستگی بسیاری به نرخ ضربان قلب دارد. در این مقاله، شاخص هورست چندگانه اصلاح شده برای طبقه بندی آریتمی های قلبی پیشنهاد­شده است که نسبت به نمای هورست کلاسیک، ویژگی های مناسب تری برای طبقه بندی آریتمی های قلبی فراهم می سازد و نسبت به تغییرات نرخ ضربان قلب نیز مقاوم است. بررسی های انجام شده با استفاده از این روش روی ۸۰ سیگنال، شامل ریتم نرمال و آریتمی های انسداد دسته شاخه راست (RBBB)، انسداد دسته شاخه چپ (LBBB) و انقباض زودرس دهلیزی(APC) از پایگاه داده MIT-BIH، توانسته است با استفاده از طبقه بندی کننده های LDA ، نزدیک ترین همسایه و شبکه عصبی به­ترتیب به صحت طبقه بندی ۷۵/۸۸ %، ۲۵/۹۶ % و ۱۰۰ % منجر شود.

کلیدواژه ها:

آشوب ، بعد فرکتال ، طبقه بندی آریتمی های قلبی ، نمای هورست

نویسندگان

مینا همتیان

دانشجوی کارشناسی ارشد بیوالکتریک، گروه مهندسی پزشکی، دانشگاه سمنان، سمنان

علی مالکی

استادیار، گروه مهندسی پزشکی، دانشگاه سمنان، سمنان

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 :
  • N. Xinbao, B. Chunhua, W. Jun and Y. Chen, “Research ...
  • C.K. Chen, C.L. Lin and Y.M Chiu, “Individual identification based ...
  • E.D. Obeyli, “Recurrent neural networks employing Lyapunov exponents for analysis ...
  • H.B. Xie, Z.M. Gao and H. Liu, “Classification of ventricular ...
  • M. Rhaman, A.Z. Karim, M.M Hasan and J. Sultana, “Successive ...
  • A.K. Mishra and S. Raghav, “Local fractal dimension based ECG ...
  • M.L. Talbi, A. Charef, P. Ravier, ”Arrhythmias classification using the ...
  • S. Don, D. Chung, D. Min and E. Choi, “Analysis ...
  • Y. Sun, K.L. Chan and S.M. Krishnan, “Life-threatening ventricular arrhythmia ...
  • M. Julian, R. Alcaraz and J.J. Rieta, “Generalized hurst exponents ...
  • U.R. Acharya, H. Fujita, V.K. Sudarshan, V.S. Sree, L.W.J. Eugene, ...
  • M.A. Sanchez Granero, J.E. Trinidad Segovia and J. Garcia Perez, ...
  • J.B. Bassingthwaighte and G.M. Raymond, “Evaluating rescaled range analysis for ...
  • M. Hemmatian and A. Maleki, “Influence of heart rate on ...
  • A. L. Goldberger, L. A. N. Amaral, L. Glass, J. ...
  • R.R. Sarvestani, R. Boostani and M. Roopaei, ”VT and VF ...
  • A. Block, W.V Bloh and H.J. Schellnhuber, “Efficient box-counting determination ...
  • T. Higuchi, “Approach to an irregular time series on the ...
  • S. Spasic, “Spectral and fractal analysis of biosignals and coloured ...
  • Z. Wang, D. Guo, X. Li and Y. Fei, “Estimating ...
  • E. Molino-Minero-Re, F. Garcia-Nocetti, H. Benitez-Perez, “Application of a Time-Scale ...
  • A.P. Pentland, “Fractal based description of natural scenes”, IEEE Transactions ...
  • J. Theiler, S. Eubank, A. Longtin, B. Galdrikian and J.D. ...
  • نمایش کامل مراجع