سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,024

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE18_112

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN

سیگنال الکتروکاردیوگرام فعالیت الکتریکی قلب را نشان می دهد و پزشکان در تشخیص بیماری‏های قلبی از آن استفاده می کنند. برای آنالیز یک ثبت طولانی از این سیگنال، زمان زیادی صرف می شود و گاهی ممکن است با خطا همراه شود، از این رو نیاز به یک ابزار تشخیص به کمک کامپیوتر، برای کمک به پزشکان احساس می شود. در این تحقیق، ابتدا نویزهای موجود در سیگنال، توسط فیلتر دیجیتال و تبدیل موجک گسسته حذف شده؛ سپس با الگوریتم Pan_Tompkins کمپلکس‏های QRS ، استخراج شده‏اند. در مرحله بعد ویژگی‏های هر سیکل قلبی توسط تبدیل موجک گسسته استخراج و برای کاهش ابعاد فضای ویژگی از تبدیل PCA استفاده شده است. در آخر، طبقه‏بندی آریتمی‏ها، با دو روش SVM و Feed-Forward Neural Network (FFNN) ، انجام شده است. از داده‏های موجود در پایگاه داده MIT-BIH arrhythmia و نرم‏افزار MATLAB جهت ارزیابی روش‏های به کار رفته استفاده شده است. پنج کلاس شامل ضربان‏های نرمال (N) و آریتمی‏های انسداد دسته شاخه چپ (LBBB)، انسداد دسته شاخه راست (RBBB)، انقباض زودرس دهلیزی (APB) و ضربان paced (PB)، با صحت 94/47 درصد با SVM و صحت 90/30 درصد با FFNN طبقه بندی شده است.

کلیدواژه های طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN:

نویسندگان مقاله طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN

زهرا رستمی

دانشجوی کارشناسی مهندسی برق مخابرات، دانشگاه صنعتی قم

روزبه رجبی

استادیار گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی قم

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 :
C han dramou leeswaran _ Sridhathan, Ahmed MA Haidar and ...
Noise Cancellation from ECG Signal." International journal of computer applications ...
_ _ _ Transform." International Conference om Computer Systems and ...
Arzeno, Natalia M., Zhi-De Deng, and Chi-Sang Poon. "Analysis ...
Pan, Jiapu, and Willis J. Tompkins. "A real-time QRS detection ...
_ S. D. Wahidaban. _ Applic ations-IJAC SA 1, no. ...
Kunzmann, U. G. Wagner, J. Schochlin, and A. Bolz. "Parameter ...
Kanaan, Lara, Dalia Merheb, Maya Kallas, Clovis Francis, Hassan Amoud, ...
Lagerholm, Martin, Carsten Peterson, Guido Braccini, Lars Edenbrandt, and Leif ...
Lin, Chia-Hung. _ _ Frequen cy-domain features for ECG bet ...
Martis, Roshan Joy, U. Rajendra Acharya, and Lim Choo Min. ...
_ _ _ classification." Expert Systems with Applications 34, no. ...
Sambhu, D., and A. C. Umesh. "Automatic Classification of ECG ...
Sormmo, Leif, and Pablo Laguna. _ Electrocardi ogram (ECG) _ ...
Hsu, Chih-Wei, and Chih-Jen Lin. "A comparison of methods for ...
Goldberger AL, Amaral LAN, Glass L, Hausdorff JM, Ivanov PCh, ...
_ _ _ Systems and Technology, 2:27:1-27:27, 2011. Software available ...
نمایش کامل مراجع

مقاله فارسی "طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN" توسط زهرا رستمی، دانشجوی کارشناسی مهندسی برق مخابرات، دانشگاه صنعتی قم؛ روزبه رجبی، استادیار گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی قم نوشته شده و در سال 1394 پس از تایید کمیته علمی هجدهمین کنفرانس ملی دانشجویی مهندسی برق ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الکتروکاردیوگرام، آریتمی، تبدیل موجک گسسته، تبدیل PCA، روش SVM هستند. این مقاله در تاریخ 12 تیر 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2024 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که سیگنال الکتروکاردیوگرام فعالیت الکتریکی قلب را نشان می دهد و پزشکان در تشخیص بیماری‏های قلبی از آن استفاده می کنند. برای آنالیز یک ثبت طولانی از این سیگنال، زمان زیادی صرف می شود و گاهی ممکن است با خطا همراه شود، از این رو نیاز به یک ابزار تشخیص به کمک کامپیوتر، برای کمک به پزشکان احساس می شود. در ... . برای دانلود فایل کامل مقاله طبقه‏بندی ضربان‏های سیگنال ECG با ویژگی‏های تبدیل موجک و طبقه‏بندهای SVM و FFNN با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.