تشخیص نارسایی های قلبی به کمک تکنیک های هوش مصنوعی
محل انتشار: ششمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,216
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:
ICEEE06_072
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
تشخیص بهنگام آریتمی در بیماران قلبی دارای اهمیت بسیار بالایی است. این کا بوسیله تجزیه و تحلیل سیگنال الکتروکاردیوگرافی (ECG) و استخراج ویزگی های آن انجام می شود. این ویزگی ها برای دسته بندی انواع مختلف آریتمی مورد استفاده قرار می گیرد. در این مقاله سه روش مختلف برای استخراج ویزگی با هم مقایسه شده است: تبدیل فوریه سریع (FFT)، مدل خودبازگشت (اتورگرسیو) (AR) و تجزیه و تحلیل مؤلفه های اصلی (PCA). دسته بندی که مورد استفاده شده شبکه عصبی مصنوعی (ANN) است. ما دریافتیم که سیستمی که مبتنی بر ویژگی های PCA است دقت بالاتری دارد. تکنیک های پیشنهادی دارای داده آموزش و آزمون است.دقتی بدست آمده در مقاله 92.60 است که در مقایسه با دقت 84.5 روش های دیگر روی داده یکسان بهبود خوبی است.
کلیدواژه ها:
استخراج ویژگی ، تبدیل فوریه سریع ، مدل خودبازگشتی ، تجزیه مؤلفه های اصلی ، شبکه های عصبی ، آریتمی قلبی
نویسندگان
سیدمحسن حسینی
گروه مهندسی کامپیوتر، دانشگاه شهید بهشتی
حسن قیصری
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا
علیرضا طالب پور
گروه مهندسی کامپیوتر، دانشگاه شهید بهشتی
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 :