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

  • سال انتشار: 1394
  • محل انتشار: هجدهمین کنفرانس ملی دانشجویی مهندسی برق ایران
  • کد COI اختصاصی: ISCEE18_112
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1956
دانلود فایل این مقاله

نویسندگان

زهرا رستمی

دانشجوی کارشناسی مهندسی برق مخابرات، دانشگاه صنعتی قم

روزبه رجبی

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

چکیده

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 ها

الکتروکاردیوگرام، آریتمی، تبدیل موجک گسسته، تبدیل PCA، روش SVM

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.