کلاسبندی بیماریهای قلبی ازروی تصویر ECG باآشکارسازی R درنوارقلب واستفاده ازویولت آنالیز اجزای اصلی و شبکه عصبی
محل انتشار: اولین کنفرانس بازشناسی الگو و پردازش تصویر ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,237
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPRIA01_066
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
دراین مقاله باتوجه به نمونه سیگنالهای ECG که دردسترس بوده سیگنالهای قلبی را به چهاردسته سیگنالهای نرمال سیگنالهای اختلال دربطن چپ سیگنالهای اختلال دربطن راست و سیگنالهای اختلال دردیواره خارجی قلب کلاس بندی شده است درپردازش تصاویر اسکن شده نوار قلب سیگنال ECG بعدازباینری شدن و حذف شبکه مختصات قرمز رنگ پس زمینه و همچنین حذف نویز و باریک ساری تصویر جهت حذف اطلاعات اضافی حاصل ازتبدیل فایل اسکن شده نوارقلب به تصویرباینری است بکاررفته است ضمنا برای کلاسبندی صحیح ازالگوریتم های ویولت و انالیز اجزای اصلی برای استخراج اطلاعات صحیح و تهیه نمودارزمانی منساب ازسیگنال eCG مورداستفاده قرارگرفته است درنههایت با استفاده ازدیتابانک تصاویر اسکن شده نوارقلب که بیماری های فوق درآن موجود است توسط شبکه عصبی پس انتشارخطا کلاسبندی صورت گرفته که با90/1درصد بیماریها بدرستی تشخیص داده شده و درکلاس صحیح قرارمیگیرند
کلیدواژه ها:
نویسندگان
علیرضا دادگر
دانشکده برق مرکز کردکوی دانشگاه آزاد اسلامی واحد گرگان گلستان ایران
حامد گرجی زاده
دانشکده برق واحد گرگان مرکز کردکوی دانشگاه آزاد اسلامی گلستان ایران
مهدی دادگر
مخابرات استان گلستان
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 :