کلاسبندی بیماریهای قلبی ازروی تصویر ECG باآشکارسازی R درنوارقلب واستفاده ازویولت آنالیز اجزای اصلی و شبکه عصبی

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:

آنالیز اجزای اصلی ، الکتروکاردیوگرام ، کلاس بندی ECG ، تشخیص پیک r درکمپلکس P-QRS-T